考虑车辆动力学特性及执行约...驶模型预测路径跟踪算法研究_江会华.pdf

汽车维修技师2023年第8期124摘要：本文提出了一种考虑车辆动力学特性及执行约束的模型预测路径跟踪算法（Model Prediction Control，MPC）。首先建立了含动力学特性的路径跟踪机理模型，然后进行离散化并结合迭代优化思想获取了跟踪预测模型，设置执行器及跟踪状态约束；最终将复杂的路径跟踪问题转化为一个二次规划求解问题，基于无人车开展实验，结果表明MPC算法具备较好的跟踪精度。关键词：无人驾驶；路径跟踪；MPC；动力学特性；约束引言在国家大力支持及行业亟须开展汽车无人化产品研究的大背景下，聚焦具有高落地可行性的园区低速无人驾驶汽车产品，已成为汽车行业关键的突破点。作为无人驾驶的关键技术之一，路径跟踪控制目的是实现无人驾驶汽车安全、可靠地控制，具备精确跟踪控制技术的无人驾驶汽车产品是评价品质性能的关键因素之一。本文重点关注园区低速无人驾驶精确跟踪技术，提出了一种考虑车辆动力学特性及执行约束的MPC算法，并在园区大曲率急弯场景下开展了实车实验。1 含动力学特性的路径跟踪机理模型以车辆二自由度动力学模型为基础构建了含动力学特性的路径跟踪机理模型：式中：为系统状态量矩阵，分别代表横向误差、横向误差变化率、航向误差以及航向误差变化率；为方向盘控制量；为系统扰动项；为状态输出矩阵；为44的单位矩阵。式中：为车身质量；为侧向车速；为纵向车速；为横摆角速度；为转动惯量；和 分别为前后车考虑车辆动力学特性及执行约束的无人驾驶模型预测路径跟踪算法研究江会华1 顾祖飞1 胡家琦2 雷耀1 李煜1轴到质心处的距离；和分别为前后轮侧偏刚度。2 路径跟踪预测模型与求解（1）路径跟踪预测模型。对式（1）进行离散化：式中：为离散系统的采样时间。将当前状态量和上一时刻控制量重构新的状态量，通过迭代优化方法获取预测时域内的方程为：式中：为扩维后的状态量，X（k）为预测时域内的状态量，U为控制时域内的控制增量，、和均为系数矩阵，和为系统干扰。（2）基于二次规划的转角控制律求解。目标函数设计为：式中：Q和R分别为输出状态量和输入控制量增量的权重矩阵。进一步求解二次规划问题，约束可设计：和为输入前轮转角的约束最值；和为输入前轮转角增量的约束最值；和为输出状态量的约束最值；为预测时域内的系统跟踪误差。3 实车实验（1）实车平台介绍。某品牌园区低速智能汽车，主要搭载有主视摄像头、环视摄像头、GNSS/INS及超声波雷达等传感器，能够实现自主行车及泊车、手机App一键控制等功能。（2）路径跟踪实车实验。实验场景选取在某园区低速停车场，车辆速度为7.2km/h。测试场景的道路最大曲率为0.1281。路径跟踪的横向和航向的最大误差分别为0.1146m和0.0626rad，这表明所开发的算法具备良好的跟踪精度。MPC决策的方向盘转角和底盘响应的方向盘转角在初始时刻存在很小范围的波动，但在测试稳定后，二者具有很好的吻合度和平滑性。4 结论本文提出了一种考虑车辆动力学特性及执行约束的MPC算法。实车测试结果证实所设计的算法具备较好的跟踪精度和安全性。同时，控制器决策出的方向盘转角与底盘响应的值比较吻合，该项目的开展为无人驾驶路径跟踪控制的开发应用提供了良好的参考价值。1.江铃汽车股份有限公司，南昌，330001；2.南昌航空大学，南昌，330063职教天地 CAREER EDUCATION（1）（2）（3）（4）