原文传递
基于自适应MPC的智能汽车横向控制研究
| 论文题名： | 基于自适应MPC的智能汽车横向控制研究 |
| 关键词： | 智能汽车;状态参数估计;横向控制;自适应模型 |
| 摘要： | 自动驾驶汽车技术可以提高汽车运输的安全性、便利性，该技术通过解决城市工况下道路通行效率低的问题，以及发挥安全驾驶等方面的相关优势，自动驾驶成为了未来智能汽车发展的新方向。本文结合当前控制算法的现状，对所提出的轨迹跟踪控制策略进行了不同方式地优化，并对其有效性进行了讨论。为解决规划系统输出的参考轨迹与真实轨迹跟踪误差较大以及车辆行驶稳定性的问题，本文使用自适应控制器来作为解决方案，让整车控制策略在不同车速下具有泛化性的功能。在运行轨迹跟踪控制器期间产生的跟踪误差部分是由于车辆模型的不准确以及相关控制器参数针对不同工况下固定不变导致的。因此，本文非常重视闭环系统的鲁棒性和稳定性。 随着多输入多输出的算法结合汽车工业控制的场景越来越多，本文设计了一种基于车辆动力学模型的模型预测控制(ModelPredictControl,MPC)的自适应轨迹跟踪控制算法，以提高轨迹跟踪的精度，提高驾驶员的乘坐舒适性和车辆稳定性。分别通过基于遗忘因子的最小二乘法(ForgettingFactorLeastSquareAlgorithm,FFLSA)对动力学模型中的侧偏刚度进行在线优化、基于规则的控制方式对模型预测控制中的时域参数、权重系数矩阵进行实时在线优化，择优选择控制效果最好的控制策略，在跟随整车行驶轨迹发生较大变化时能快速减小跟踪误差，保证其车辆的跟踪精度，从而提高乘坐人员的舒适性。结果表明，自适应时域参数控制器能随车速的变化实时更新时域参数，提高了车辆目标跟踪的准确性和稳定性。本论文的主要研究内容如下： （1）介绍整车动力学模型，并对其进行数学建模，最后基于Simulink搭建出仿真模型，并对模型的仿真结果进行分析，从而验证其精确度。 （2）由卡尔曼滤波相关理论，以及Dugoff轮胎模型搭建整车参数辨识控制器，并对比容积和无迹卡尔曼滤波算法测试估计值与真实值之间的差距，结果表明无迹卡尔曼滤波算法输出的横纵向车速更适合作为自适应模型预测控制器的输入。 （3）根据模型预测控制器的原理设计一种自适应的横向轨迹跟踪控制器，然后对上述三种自适应算法进行搭建和部署实验，在双移线工况下进行对比分析，并验证算法的实时性，最终得出基于时域参数自适应的MPC横向控制器拥有更好的控制效果，横向加速度均值相较于原始MPC下降了0.3m/s2，横向误差均值下降了0.429m，质心侧偏角均值减少了0.18deg，横摆角均值减少了0.44deg，横摆角速度均值增加了0.14deg/s，HIL试验时间在0.0106s左右波动，满足实时性要求。 |
| 作者： | 陈嘉晖 |
| 专业： | 工程(车辆工程) |
| 导师： | 胡博 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
