原文传递
基于模型预测控制的智能车辆路径跟踪研究
| 论文题名： | 基于模型预测控制的智能车辆路径跟踪研究 |
| 关键词： | 智能车辆;路径跟踪;模型预测控制;转角约束;预测时域自适应;树莓派 |
| 摘要： | 路径跟踪是智能车辆实现其智能行为的核心技术之一，模型预测控制理论在处理不易建立精确数学模型且存在众多约束的被控系统时具有其独特的优势。考虑到车辆模型较复杂且行车环境存在不确定性，本文针对前轮转向的智能车辆，以模型预测控制理论为基础，对智能车辆在不同行车环境下的路径跟踪问题进行研究。 首先，研究了智能车辆动力学模型与路径跟踪控制方法。以轮胎模型与车辆动力学模型为基础，搭建了基于模型预测控制理论的智能车辆路径跟踪控制器，并结合优化目标与约束条件进行了二次规划最优求解问题的研究。并分别以直线工况与双移线工况作为参考路径，运用所搭建的MATLAB/Simulink与CarSim联合仿真平台对所设计的路径跟踪控制器进行了验证，仿真结果表明该控制器在保证车辆行驶稳定性的前提下能够完成对参考路径的跟踪。并分析得到不同的车速对路径跟踪精度与行驶稳定性有着较大的影响。 其次，在分析了转角约束对车辆路径跟踪性能影响的基础上研究了转角约束自适应控制策略。通过求取组合滑移工况下轮胎的纵向力，结合路面附着系数与附着圆理论，得到轮胎侧向附着力，以此推算车辆在不发生侧滑条件下的最大转向角度，并以该角度作为最优求解过程中的转角约束求取前轮转角增量，以该转角增量与上一时刻的控制量之和作为当前的控制量，以此实现对转向轮的持续控制。仿真结果表明在高速或附着条件较差时，所设计控制策略对应车辆的跟踪精度与行驶稳定性均明显好于转角约束固定的车辆。 再次，在分析了采样时间与预测时域长度对车辆路径跟踪性能影响的基础上研究了预测时域自适应控制策略。依据国家公路路线设计规范以不同车速与道路曲率半径划分71组行车工况，并基于所求得的不同行车工况下的最优采样时间与预测时域长度搭建了预测时域自适应的BP神经网络，以此预测在不同行车工况下的最优采样时间与预测时域长度，通过将所预测的最优采样时间与预测时域长度输入路径跟踪控制器，从而实现对车辆的最优控制。仿真结果表明，预测时域自适应的车辆能够更好的兼顾不同车速与不同道路曲率半径时车辆的路径跟踪精度与行驶稳定性。 最后，基于树莓派3B和MATLAB/Simulink硬件在环仿真试验对所提出的控制策略进行了验证。结果表明硬件在环试验与动态仿真试验所对应车辆的跟踪精度与行驶稳定性相似，且硬件在环在各周期所需要的计算时间略高于动态仿真，同时进一步说明了树莓派作为硬件平台搭建智能车辆路径跟踪控制器的可行性。 |
| 作者： | 柳亚子 |
| 专业： | 车辆工程 |
| 导师： | 李仲兴 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
