牛亞明 邵金菊 沈剛 李訓(xùn)意 魏國

摘 要：為了完成智能車的軌跡跟蹤，提出一種基于模型預(yù)測控制的軌跡跟蹤方法，利用將運(yùn)動學(xué)模型這個非線性系統(tǒng)線性化的方案，來獲得必須的線性時變系統(tǒng)，采取模型預(yù)測控制的三要素來設(shè)計控制器。并且基于MPC在控制過程中能增加多種約束的優(yōu)點(diǎn)，建立基于車輛運(yùn)動學(xué)模型的約束做軌跡跟蹤仿真實(shí)驗(yàn)，最后，基于山東理工大學(xué)智能車平臺上GPS提供的定位信息，在校園中采集路線并對前提規(guī)劃好的的軌跡進(jìn)行實(shí)車驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：基于MPC算法所設(shè)計的控制器能快速且穩(wěn)定地跟蹤期望軌跡。

關(guān)鍵詞：模型預(yù)測控制;線性化;軌跡跟蹤;定位

中圖分類號：U461 ?文獻(xiàn)標(biāo)識碼：A ?文章編號：1671-7988（2020）06-34-03

Abstract： In order to complete the trajectory tracking of smart cars， a trajectory tracking method based on model predictive control is proposed. The linearization of the nonlinear system of the kinematic model is used to obtain the necessary linear time-varying system. The three elements of model predictive control are adopted. To design the controller. And based on the advantages that MPC can add a variety of constraints in the control process， a trajectory tracking simulation experiment is established based on the constraints of the vehicle kinematics model. Finally， based on the positioning information provided by the GPS on the intelligent vehicle platform of Shandong University of Technology， routes are collected on campus The real-world vehicle verification is performed on the trajectory planned in the premise. The experimental results show that the controller based on the MPC algorithm can track the desired trajectory quickly and stably.

Keywords： Model predictive control; Linearization; Trajectory tracking; Localization

CLC NO.： U461 ?Document Code： A ?Article ID： 1671-7988（2020）06-34-03

前言

模型預(yù)測控制（MPC）可以對系統(tǒng)輸出量進(jìn)行反饋矯正，使誤差最小化來提高系統(tǒng)的魯棒性。本文率先建立了車輛的運(yùn)動學(xué)模型，之后對其進(jìn)行線性化得到相應(yīng)的線性模型，再利用模型預(yù)測控制三要素預(yù)測方程建立、滾動優(yōu)化以及反饋校正來設(shè)計控制器;實(shí)驗(yàn)設(shè)計是以山東理工大學(xué)的哈佛H7改裝智能車為平臺處理的，最后試驗(yàn)仿真及行車試驗(yàn)，驗(yàn)證控制效果。

1 車輛運(yùn)動學(xué)模型的建立

在建立車輛運(yùn)動學(xué)模型之前，要率先簡化汽車運(yùn)動，以使得模型簡單易用，且能基本屬實(shí)的反映車輛特點(diǎn)和性能，為此自行車模型是首選。

在仿真中，設(shè)置的汽車速度為10km/h，其中圖3中紅色的線段是智能車跟蹤的參考軌跡，也叫做期望軌跡，藍(lán)色線段是汽車實(shí)際在跟蹤過程中行駛軌跡;圖6是速度時間變化曲線，從圖中可看出，汽車速度從0開始加速，一直加速到10km/h，之后不再變化。

從仿真結(jié)果可知，智能車在模型預(yù)測控制器的作用下能夠能夠在低速運(yùn)動時比較快速且很準(zhǔn)確的跟蹤上期望軌跡。

4 結(jié)論

實(shí)驗(yàn)證明，本文所設(shè)計的模型預(yù)測控制器使得車輛在中低速時可以具有良好的魯棒性，很好的實(shí)現(xiàn)了在校園規(guī)定路徑下的軌跡跟蹤實(shí)驗(yàn)。

參考文獻(xiàn)

[1] 車輛起步MPC控制器設(shè)計及FPGA實(shí)現(xiàn)[J].許月亭，陳虹，季冬冬，許芳.控制工程. 2015（05）.

[2] Linear time-Varying Model Predictive Control and its Application to Active Steering Systems： Stability Analysis and Experimental Validation[J].P.Falcone，F(xiàn).Borrelli，H.Multi-Objective Control Synthe -sis： an Application to 4WS Passenger Vehicles[J].S.-S. You，Y.-H. Chai. Mechatronics . 1999 （4）.

[3] 基于模型預(yù)測控制的無人駕駛車輛軌跡跟蹤控制算法研究[D]. 孫銀健.北京理工大學(xué)，2015.

[4] Optimal Synchronous Trajectory Tracking Control of Wafer and Reticle Stages[J].王春洪，胡金春，朱煜，尹文生.Tsinghua Science and Technology. 2009（03）.

[5] 趙潔.智能車輛的路徑跟蹤及底層控制研究[D].吉林大學(xué)，2018.

[6] 王藝，蔡英鳳，陳龍，王海，何友國，李健.基于模型預(yù)測控制的智能網(wǎng)聯(lián)汽車路徑跟蹤控制器設(shè)計[J/OL].機(jī)械工程學(xué)報.

[7] 段建民，田曉生，夏天，宋志雪.基于模型預(yù)測控制的智能汽車目標(biāo)路徑跟蹤方法研究[J].汽車技術(shù)，2017（08）：6-11.

[8] 焦巍，劉光斌.非線性模型預(yù)測控制的智能算法綜述[J].系統(tǒng)仿真學(xué)報.

[9] Gong P， Yang J， Ma C， et al. Research on Multi-Point Monitoring Anti-Collision System for Vehicle Auxiliary Driving[J].Optik- Inter -national Journal for Light and Electron Optics， 2016， 127（18）：7121 -7127.

[10] 模型預(yù)測控制[M].科學(xué)出版社，陳虹，2013.