详情

原文传递自动驾驶车辆的路径跟踪模型预测控制方法研究

论文题名：	自动驾驶车辆的路径跟踪模型预测控制方法研究
关键词：	规划路径轨迹跟踪;模型预测控制;终端状态等式约束;输入输出收缩约束
摘要：	随着科技的不断进步，汽车产业也发生着深刻的变革，现代汽车设计制造理念是致力于将其打造成为一款先进的自主智能汽车产品。这直接推动了自动驾驶车辆的发展，促使自主驾驶技术成为现代汽车发展的一个重要方向。在自动驾驶技术的研究中，对自动驾驶车辆规划路径的轨迹跟踪问题是亟待解决并优化的重要课题，本文依据模型预测控制（ModelPredictiveControl,MPC）理论，展开对自动驾驶车辆规划路径的轨迹跟踪控制策略研究，主要研究内容有以下三点：　　（1）为研究自动驾驶车辆对规划路径的轨迹跟踪问题，引入传统MPC理论思想，设计自动驾驶车辆规划路径轨迹跟踪控制策略。首先，通过牛顿力学定律，对车辆进行运动学机理建模，依据MPC理论，将机理模型作为系统预测模型。其次，设计控制输入量约束条件和输出约束条件，采用二次规划数值仿真对目标函数进行在线滚动优化求解，将求解得到的最优控制律作用于被控车辆平台，实现自动驾驶车辆对规划路径的轨迹跟踪。最后，通过行仿真实验，验证了本章设计的控制策略，在自动驾驶车辆对规划路径进行轨迹跟踪问题时的有效性，初步达到了自动驾驶车辆对规划路径的轨迹跟踪目的。　　（2）针对轨迹跟踪过程中跟随稳定性差以及对目标速度变化的适应性不强等问题，进一步提出基于终端状态等式约束的MPC策略。首先，对车辆进行动力学建模分析，依据车辆的动力学模型，建立系统预测模型，同时建立表征系统的状态变量。其次，设计终端状态等式约束条件以及其他约束条件，在服从约束条件的情况下，对目标函数在线滚动优化求解，将求得的最优控制律作用于被控车辆平台。最后，证明设计的闭环控制系统是稳定的，并进行仿真实验，验证基于终端状态等式约束的MPC轨迹跟踪控制策略是有效的，其跟随平稳性有了明显提升。　　（3）在课题的研究中，为进一步提高车辆的跟随快速性和稳定性，使跟随误差可以快速收敛，提出基于预测时域内系统输入输出收缩约束（PredictiveInputandOutput’sContractiveConstraint,PIOCC）的MPC轨迹跟踪控制策略。首先，综合考虑之前有关车辆运动学建模和动力学建模的研究，在本部分的研究中将车辆运动学建模作为预测模型。其次，为扩大目标函数的可行性解范围引入软约束思想，并且为避免短预测时域导致闭环控制系统发散，设计在预测时域内系统输入输出收缩约束条件，进而将车辆轨迹跟踪问题转化为对最优问题的求解，进行在线二次规划求解，将求得的最优解序列的首元素作用于被控车辆平台，将此过程循环往复滚动优化。最后，证明了基于PIOCC的轨迹跟踪模型预测控制系统是渐近稳定的，并通过仿真实例进行验证，设计的控制策略对自动驾驶车辆的规划路径轨迹跟踪具有良好的效果，其跟随快速行和稳定性有较大提升，跟随误差能够快速收敛。
作者：	辛鹏
专业：	控制工程
导师：	王志文;马彦宏
授予学位：	硕士
授予学位单位：	兰州理工大学
学位年度：	2021