![8935d3c6865c99be9af30f7bb52dd77c.png](https://i-blog.csdnimg.cn/blog_migrate/868b41716da33176f9ad7ea9ecd5e5b6.jpeg)
本文主要介绍一下利用模型预测控制(Model Predictive Control-MPC)实现轨迹跟踪的步骤。
一、车辆模型建立与线性化、离散化
这一部分,主要是参考了《无人驾驶车辆模型预测控制》这本书上的公式推导,然后得到了简单的车辆离散状态方程,便不再赘述。本文主要的路径模型为
x = 5t
y = 3
fai=0
t、x、y、fai,分别为时间,横向位移、纵向位移,横摆角,后三个状态均为笛卡尔坐标系下,而非车辆坐标系。可见模型为一条直线即y=3
二、建立目标函数(代价函数)
对于这一块,我自己手动推导了一下过程,和参考书不同的是,优化变量取的是输入(控制量:纵向车速(车辆坐标系下),前轮转角)的真实值,而非变化值,因为对于简单的低速跟踪而言,可以不必考虑由控制量突变引起的驾驶舒适性的变化,同时,利用真实值作为优化变量,可以极大程度地减少计算量。下面是推导过程(如有错误,还望批评指正):