原文传递
基于学习型MPC智能汽车路径跟踪控制研究
| 论文题名： | 基于学习型MPC智能汽车路径跟踪控制研究 |
| 关键词： | 智能汽车;模型预测控制;跟踪精度;行驶稳定性 |
| 摘要： | 智能汽车作为具有非线性强耦合动力学特性的系统，高速行驶时存在许多系统扰动因素，如轮胎侧偏形变、路面附着系数不确定、悬架载荷转移等，容易造成车辆控制稳定性差，导致车辆侧滑失控甚至偏出道路的问题，尤其在车辆急转弯或紧急避障情况。本文针对智能汽车高速工况下因系统扰动导致控制稳定性差的问题，研究基于学习的模型预测控制器，并针对智能汽车特定工况进行控制算法改进，主要内容如下： （1）分析传统车辆动力学模型建模方法，针对传统车辆动力学建模与实际车辆系统之间存在的模型失配问题，研究车辆动力学模型及机器学习融合建模方法，使用基于实际数据的高斯过程车辆误差模型来提高控制器中车辆动力学模型的精确性。 （2）设计基于学习的模型预测路径跟踪控制器，其中定义车辆多目标误差优化项及调整控制器状态的速度优化项和控制量优化项，阐述控制器优化过程。在matlab中进行控制器仿真验证，其中使用概率车辆动力学模型的控制器将车辆横向偏移峰值误差减小约76%，提高了模型预测控制算法的跟踪精度和控制稳定性。 （3）针对智能汽车极限工况，如应对车辆主动避障提出路径规划控制策略，并验证了规控策略可行性；应对车辆侧滑失控提出主动保护策略，设计侧滑失控指标及附加驱动力控制逻辑；应对变附着系数路面提出控制方法，仿真显示车辆横向偏移可控在3米以内，使车辆安全行驶不偏出道路，验证了控制器切换策略可行性和有效性。 （4）为增强实车落地可行性，搭建Carsim-Simulink联合仿真平台，使用车辆模型标准库，仿真显示高斯过程车辆误差模型将车辆横向速度震荡减小75%，前轮转角震荡减小95%，使用概率车辆动力学模型的主动避障规控策略提升控制响应约0.3s，横向偏差峰值减小50%，车辆侧滑主动保护策略将平均横摆角误差总体降低47%。 本文以模型预测路径跟踪控制算法为研究对象，将机器学习建模方法与车辆动力学模型融合设计基于学习的模型预测控制器，并提出针对智能汽车极限工况的主动避障路径规划控制策略、侧滑失控主动保护策略、应对变附着系数路面的控制方法。结果表明，所提出控制方法能不同程度的提高智能汽车的跟踪精度和行驶稳定性。 |
| 作者： | 刘德梁 |
| 专业： | 机械 |
| 导师： | 阳林;徐坤 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
