基于MPC算法的无人驾驶车辆轨迹跟踪控制研究

发布时间：2020-09-16 08:09

　　在人-车-路的驾驶环境中,人是最重要的因素。常常因为驾驶疲劳、酒驾、驾驶经验不足、路况过于恶劣等因素发生交通事故,因此人成为驾驶环境中最薄弱受到伤害最深的一环。研究智能无人驾驶车辆不仅顺应汽车发展潮流,更重要的是能将人们从复杂的驾驶环境中解放出来,缓解了交通安全问题。本文对无人驾驶车辆的轨迹跟踪问题进行研究。首先,在建立车辆单轨模型和轮胎模型的基础上,分析研究了传统基于预瞄的轨迹跟踪控制方法,开发了基于纯跟踪理论的车辆的横向控制算法和基于专家PID控制的车辆的纵向速度跟随算法。在CarSim/Simulink联合仿真平台下的仿真结果表明,在地面附着条件良好的情况下,该算法的控制效果比较理想,在地面附着条件稍差的情况下,车辆不能很好的跟踪参考轨迹,甚至车辆出现侧滑、跑偏现象。然后,本文进一步研究了基于模型预测控制(MPC)算法的轨迹跟踪控制算法。为了提高车辆的稳定性,本文在传统模型预测跟踪算法的基础上加入了质心侧偏角、加速度、轮胎侧偏角的动力学约束。该算法可避免车辆在紧急工况下出现因地面不能提供足够侧向力而引起的车辆失稳现象。并且在轨迹跟踪控制层之上建立了轨迹规划层。实现了车辆跟踪过程中的避障功能,提高了车辆对道路环境的适应性。在不同的速度,不同的路面附着条件的双移线工况下进行算法验证和对比分析,仿真结果表明,具有动力学约束的模型预测控制算法在恶劣工况下具有跟踪优势,对外部环境干扰和车辆内部的因素干扰有着良好的适应性。最后,将基于模型预测进行简化的算法应用到实车试验中。对试验车进行改装完成之后,选择合适的场地进行实车验证,对试验车进行调试。测试结果表明,与常规方法相比,简化的模型预测算法,简单实用,实时性好,有效的改善了控制性能,在选定的场地中轨迹跟踪效果良好。结果表明,模型预测算法控制器对解决无人驾驶车辆在高速和低附着等复杂路面下的轨迹跟踪控制问题具有独特的优势,对路面附着条件、车速变化和参考轨迹具有良好的鲁棒性和适应性。
【学位单位】：吉林大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6
【部分图文】：

无人车辆,路试,百度,公司

图 1.1 谷歌公司和百度公司的路试的无人车辆另外国内汽车厂商也加大了对智能车研发的力度。智能化作为未来汽车智能化化、新能源化的三个发展方向之一。汽车智能化[3][4]是未来汽车发展的大势所趋。汽车早在 2012 年就宣布要推出能在高速路上行驶的无人驾驶汽车，沃尔沃汽车也

系统架构,智能,关键技术,辅助驾驶

图 1.2 智能无人驾驶汽车关键技术的系统架构现下不少品牌的车辆都安装了不同的智能驾驶辅助系统。作为无人驾驶的雏形，辅驶作为到无人驾驶的过度阶段。辅助驾驶系统中的可以看到上面所提三种技术问题子，如自动泊车系统，智能倒车系统都可以看都里面有环境感知和轨迹跟随的影子。

原理图,模型预测,原理图

模型预测算法的简约原理图

【参考文献】