【模糊预测控制】模型预测控制MPC算法求解轨迹跟踪最优控制问题【含Matlab源码 3622期】

Matlab领域

已于 2023-12-13 20:39:01 修改

阅读量1.1k

点赞数 22

分类专栏： Matlab物理应用（高阶版）文章标签： matlab

于 2023-12-13 20:36:21 首次发布

本文链接：https://blog.csdn.net/weixin_63266434/article/details/134981383

版权

Matlab物理应用（高阶版）专栏收录该内容

41 篇文章 1 订阅

订阅专栏

在这里插入图片描述

⛄一、模型预测控制MPC无人驾驶车辆轨迹跟踪简介

无人驾驶车辆运动规划与控制需要通过对车辆运动学或者动力学系统的控制来实现。建立合理的车辆系统模型不仅是设计模型预测控制器的前提，也是实现车辆道路跟踪功能的基础。因此，在建立模型预测控制器时，必须根据无人驾驶车辆的具体行驶工况，通过选取合适的控制变量，建立能够准确描述无人驾驶车辆运动关系约束的运动学模型。
车辆在地面运动的动力学过程是非常复杂的，为了尽量描述车辆运动，需要建立复杂的微分方程组，并用多个状态变量来描述其运动。用于模型预测控制的模型只要能够表现出车辆运动学与动力学约束，就可以使模型预测控制器实现预
定控制目的。本文通过建立能够尽量准确反映车辆运动特性，并且有利于模型预测控制器设计的简化车辆运动学模型。在此基础上，对建立的模型进行验证。

无人驾驶车辆在一个给定位置出发，通过离散轨迹点或者连续轨迹函数的指引，最终跟踪上期望轨迹。轨迹跟踪仿真基本设定为：车辆从坐标原点出发，以期望纵向速度 v=1m/s 跟踪一条直线 y=2。采样时间为 50ms，仿真时间设定为 20s，在 MATLAB 环境下对无人驾驶车辆的直线轨迹跟踪过程进行仿真。
利用第三部分设计的控制器，在 MATLAB 中编写相关程序，得到仿真结果如图 4.1 所示，仿真实验可大致分为四个部分：参考轨迹生成、仿真系统变量初始化、系统矩阵变量定义和控制器设计。
首先，生成参考轨迹，本文选取直线 y=2 作为参考轨迹进行跟踪，该部分的程序如下。

⛄二、部分源代码

nx = 5;
ny = 2;
nu = 2;
nlobj = nlmpc(nx,ny,nu);

%% Prediction and control horizon and sampling time
Ts = 0.1;
p = 20;
c = 1;
nlobj.Ts = Ts;
nlobj.PredictionHorizon = p;
nlobj.ControlHorizon = c;

%% State and output equation
nlobj.Model.StateFcn = “singleTrackStateDT0”;
nlobj.Model.IsContinuousTime = false;
nlobj.Model.OutputFcn = @(x,u,Ts) [x(4); x(5)];
nlobj.Model.NumberOfParameters = 1;

%% Weights
nlobj.Weights.OutputVariables = [30 90];
nlobj.Weights.ManipulatedVariablesRate = [40,80];

%% sample time
nloptions = nlmpcmoveopt;
nloptions.Parameters = {Ts};

%% reference trajectory
yref=csvread(“position.csv”);

%% initial conditions
x0 = [0; 0; 0; yref(1,1); yref(1,2)];
u0 = zeros(nu,1);
validateFcns(nlobj,x0,u0,[], {Ts});

x = x0;
y = [x(4);x(5)];
mv = u0;

%% simulation
Duration = 10;
xHistory = x;
index = 1;
for ct = 1:(Duration/Ts)
% Ignoring the estimation of hidden states
[mv,nloptions] = nlmpcmove(nlobj,x,mv,yref(index,:),[],nloptions);
% Implement first optimal control move
x = singleTrackStateDT0(x,mv,Ts);
% Save plant states
xHistory = [xHistory x];
index = index+1;
end

%% plotting
timespan = 0:Ts:Duration;
tiledlayout(2,1)

nexttile
plot(timespan,xHistory(4,:),timespan,yref(:,1))
title(‘Pos x’)

nexttile
plot(timespan,xHistory(5,:),timespan,yref(:,2))
title(‘Pos y’)