【MPC】模型预测控制 | 在车辆控制中的应用（一）曲线坐标车辆模型

写在前面：
🌟 欢迎光临 清流君 的博客小天地，这里是我分享技术与心得的温馨角落。📝


🎭 人生如戏，我们并非能选择舞台和剧本，但我们可以选择如何演绎 🌟
感谢您的支持与关注，让我们一起在知识的海洋中砥砺前行~~~

文章目录

• 一、车辆运动控制架构

• 1、整体架构
• 2、底层控制器的选取
• 2、控制策略总结

• 二、车辆运动控制输出

• 1、控制量的选取策略
• 2、一阶与二阶微分组合的应用场景分析
• 3、MPC车辆控制关键要素

• a）模型选择
• b）目标函数选择
• c）约束选择
• d）底层控制器选择

• 三、经典车辆模型

• 1、运动学自行车模型 (kinematics bicycle model)
• 2、动力学自行车模型 (Dynamic bicycle model)：

• 四、曲线坐标车辆模型 (Curvilinear Coordinates vehicle model)

• 1、模型状态量

• a）参考轨迹
• b）车辆自身

• 2、模型输入量

• a）积分比微分准确
• b）输入项和舒适度相关

• 五、车辆模型推导

• 1、车辆运动和参考轨迹之间的关系
• 2、与自行车模型的结合

• 六、模型特点

• 1、非线性模型
• 2、横纵向耦合
• 3、描述车辆运动与参考轨迹之间的关系

• 七、车辆侧偏角的计算
• 八、MPC的模型选取

• 1、要求精确度
• 2、要求快速性

一、车辆运动控制架构

1、整体架构

  本文深入研究如何应用 MPC 进行车辆控制，先看如下架构图：

  运动规划模块生成参考路径，同时给出速度参考并构建约束，约束中包含了上层对车辆安全性能的考量，包括安全的驾驶范围。接下来把参考路径和约束作为输入给到 MPC 里， MPC 根据输入的约束和参考路径进行优化。

  MPC 可以根据当前反馈的测量值和模型预测在一定时域内的车辆 预测轨迹(predicted trajectory)，同时生成一系列 最优解的控制序列(Optimal control horzion)，把其中第一个控制量发给车量的 底层控制器(Low level control)，最终产生油门、刹车来控制车辆运动。

2、底层控制器的选取

部分情况下底层控制器不是必需的：

• 若 MPC 运算足够快，则不需要使用底层控制器也可以直接产生油门、刹车和方向盘的指令。
• 若 MPC 问题构架复杂，运算量较大，长时间下很难保证系统的实时性，这种情况下需要加入底层控制器避免延时的问题，常用底层控制器：PID，可运行在高频架构下，保证抗干扰性能。

2、控制策略总结

• MPC 的作用是在有限时域内，对车辆轨迹不断迭代优化，并产生相应的轨迹追踪控制信号，每当收到新的反馈，就需要基于MPC进行新的优化，保证优化的实时性；
• 好的模型会让 MPC 生成高质量的预测状态从而保证准确性和有效性；
• 构建的约束会对提高优化解的安全性；
• 目标函数可以更好选取需要优化的量，从而最大限度保证车辆达到预期行驶的方向和轨迹追踪。

---

二、车辆运动控制输出

1、控制量的选取策略

  下面考虑MPC输出给底层控制器的变量选择什么，在不同的应用下有不同的选择：

速度

加速度

加加速度

转角

转角速度

转角加速度

  比如可以选择加速度和转角速度，那么就是控制加速度和转向角变化率
  一般来讲，在把 MPC 运用到耦合的横向和纵向运动的，必须都存在这两方面的控制量。

2、一阶与二阶微分组合的应用场景分析

控制量的选取有如下组合：

• 速度
• 加速度
• 加加速度

具体使用一阶微分的组合还是二阶微分的组合，要根据不同的应用场景。

转角加速度），可以保证速度和加速度具有连续性和平滑性，并且可以有针对性优化加加速度（跃度）和转角加速度。

3、MPC车辆控制关键要素

  总的来说，用 MPC 进行车辆控制，需要注意以下几个方面：

a）模型选择

  选择合理的模型构建系统，预测未来信息，针对不同应用场景选择不同的颗粒度。

b）目标函数选择

  保证轨迹追踪的实时性、车辆控制效率、舒适度。

c）约束选择

  保证安全性和模型准确性（满足模型、驱动力限制）。

d）底层控制器选择

  基于底层控制器加入引擎关系、动力模型、执行器模型、轮胎力模型等。

---

三、经典车辆模型

1、运动学自行车模型 (kinematics bicycle model)

  一个准确的模型可以让我们求解最优控制量时，使预测误差和实际误差比较小。但同时也会导致问题变复杂，所以 MPC 设计很重要的就是选择合适的模型，根据具体问题权衡模型的简化和准确程度。

  运动学自行车模型如下：

  只需要四个参数就可以描述车辆的运动轨迹：

2、动力学自行车模型 (Dynamic bicycle model)：

  需要更多、更复杂的变量来精准描述车辆模型：

包括车辆侧边角等参数。

实际使用要根据不同应用场景选择模型：

• 在低速情况下，使用运动学模型就足够了。
• 在高速情况下，比如赛车场景，需要快速且能过急转弯，就必须考虑轮胎侧滑和摩擦的影响，需要使用动力学模型。

总而言之，要结合具体问题选择适合的模型。

---

四、曲线坐标车辆模型 (Curvilinear Coordinates vehicle model)

  下面来介绍一个能够有效描述车辆与参考轨迹之间关系的车辆模型：曲线坐标车辆模型(Curvilinear Coordinates Vehicle Model)。

  该模型描述车辆相对轨迹的速度与车辆自身速度之间的关系，与轨迹之间的横向误差、轨迹曲率之间的关系。

下面来看一下这个模型的这个状态量和输入量都有哪些？

1、模型状态量

  模型的状态量是由两部分组成：①参考轨迹；②车辆自身。

a）参考轨迹

描述。在任意一点用 或 表示当前点的轨迹朝向。把 的方向平移到车辆当前点的位置，可以得到 和车辆自身 之间的夹角，就是车辆当前朝向相对参考轨迹匹配点的朝向 。车辆的参考轨迹是绕着转动中心以 的速度转动，旋转半径为 ，车辆与匹配点之间沿着垂直于轨迹切线方向的距离为

b）车辆自身

是横向 和纵向 的合成速度，加速度 是车辆在行进方向的速度变化，转向角为 ，由此构成了 个状态变量的模型：
其中， 为车辆沿参考轨迹的行驶距离，n车辆与参考点的横向误差， 为车辆当前的航向， 为车辆的速度， 为车辆行驶方向上的加速度， 为转向角， 为转向速率。
  其中有些变量是为了描述约束而建立，并不是要把所有变量都给底层控制器。

2、模型输入量

  下面来研究模型的输入量：

  选用加加速度(jerk) 和转角加速度 来作为输入量，这就是 加加速度 的控制量组合。

为什么要来选择这两个参数作为输入量？

a）积分比微分准确

  如果求出了速度，再把它二次微分求加加速度的话，这个加加速度会包含很多噪声，而其反向操作——积分会准确得多。反之如果拿到了加加速度，可以反向积分求加速度以及速度， 同样对于转向角也一样。

b）输入项和舒适度相关

  可以有针对的去优化 加加速度 和 转角加速度，因为这两项和舒适度息息相关。

---

五、车辆模型推导

下面来介绍整个模型是如何推导的。

1、车辆运动和参考轨迹之间的关系

，方向和 的切线方向一致，大小等于车辆自身坐标系下纵向速度 和横向速度 在 方向上的分量之和：

  车辆沿参考轨迹的运动速度可以通过参考点旋转半径 减去车辆与参考点之间的距离 ，再乘以旋转速度 ， 参考轨迹点的行进速度 等于 乘以旋转速度 ，联立起来，可以写成如下形式：
这样就可以建立起参考轨迹 和车辆速度

来代替旋转半径的倒数 ，可以得到用曲率 来表示参考轨迹 和车辆速度 之间的关系：
这样就建立起了车辆运动和参考轨迹之间的关系。

2、与自行车模型的结合

  下面将车辆运动和参考轨迹之间的关系与 自行车模型(Bicycle model) 结合：

，可以得到其与 关系 ，把这两个式子带进去：
其中， 就是车辆速度 和轨迹参考点速度

就是 沿着横向的分量，可以写成如下形式：
车头朝向的旋转速度 就是车本身的旋转速度 和参考系旋转速度 之差。用 r 来代表车自身的旋转速度，可以写作 ， 是车辆的旋转半径，由于，把 换成 ，那么就是等于 ，这样就可以写成 ，那么可以推导出如下关系：
把刚才的推导整理一下，可以得到以下车辆模型：

---

六、模型特点

1、非线性模型

在里面，所以是非线性模型。

2、横纵向耦合

  其最大特点是把纵向和横向运动耦合起来，也就是在 里和

3、描述车辆运动与参考轨迹之间的关系

  该模型给很好地描述了车辆运动和参考轨迹之间的关系。

---

七、车辆侧偏角的计算

直接可以测得，当前航向 可以通过两个 朝向相减得到， 可以通过相对距离计算。 是个轨迹里自带的属性，其中唯一需要计算的就是 ，根据自行车模型的几何关系得到：

  根据互余可知 ，所以 ，可以得到

同时还知道，根据三角关系可得 。在 中应用正弦定理：

把这个式子展开，分母同除以，得到以下关系:

可计算出

因此可得 ：

其他量都可以实时计算出来，那么就可以建立起曲线坐标车辆模型。

---

八、MPC的模型选取

  用什么模型构建MPC，要根据需求或具体情况来进行分析：

1、要求精确度

• 非线性(Nonlinearity)
• 动力学模型(Dynamics)
• 横纵向耦合(Coupled)

2、要求快速性

• 线性(Linear)
  使用二次规划QP求解。
• 运动学模型(Kinematics)
  适用于低速情况，忽略轮胎特性和轮胎刚度，牺牲部分准确度。
• 解耦合(Decoupled)
  降低模型复杂度，求解起来更快速。但这种方法存在缺点：缺少横纵向之间的联系，需要在后续增加把横纵向联合起来的过程，或者是在前期的运动规划模块中解决。

模型选取需要取舍，并不是越准确或越快越好，要有效选择适合的模型。

---

后记：
🌟 感谢您耐心阅读这篇关于 曲线坐标车辆模型 的技术博客。 📚

🎯 如果您觉得这篇博客对您有所帮助，请不要吝啬您的点赞和评论 📢

🌟您的支持是我继续创作的动力。同时，别忘了收藏本篇博客，以便日后随时查阅。🚀

🚗 让我们一起期待更多的技术分享，共同探索移动机器人的无限可能！💡

🎭感谢您的支持与关注，让我们一起在知识的海洋中砥砺前行 🚀

原创作者: u_16954161 转载于: https://blog.51cto.com/u_16954161/11784906