基于自适应预测步长的车辆主动转向跟踪控制

王晓茹，施展

（200093 上海市 上海理工大学）

0 引言

路径跟踪控制是实现智能车辆自动驾驶的基石，它通过控制车辆准确地遵循参考路径，确保车辆的跟踪精度和行驶稳定性[1-2]。近年来，有不少学者对智能驾驶车辆的主动转向路径跟踪控制问题进行了研究。研究方法主要有滑模控制、预瞄跟踪控制、模型预测控制（Model Predictive Control,MPC）以及模糊控制和PID 控制[3-7]。Miguel 使用阿克曼模型的自动驾驶汽车的横向控制策略，通过考虑速度来计算转向控制，适用于低速或高速车辆[8]。Yu[9]等提出一种基于前轴参考的模糊纯跟踪控制（FPPC-FAR）的路径跟踪控制器，提高了跟踪精度与效率；张会琪[10]等在传统MPC 控制器中加入动力学约束，提高了路径跟踪的稳定性；李绍松[11]等提出一种改进型线性时变模型预测控制（LTV-MPC）方法，提高极限工况下主动前轮转向汽车的稳定性。

车辆在行驶过程中，由于外部环境的动态变化，存在外界干扰[12]。以上路径跟踪控制问题大多采用固定的预测步长，对复杂场景适应度不够，难以保证车辆能够准确无误地处理任何轨迹跟踪问题。本文提出一种基于自适应预测步长（Adaptive Prediction Step,APS）的模型预测控制方法，可根据自适应预测步长功能函数，动态调节预测步长，从而提高车辆主动转向路径跟踪控制的稳定性与实时性。

1 车辆动力学模型

为提高控制器的求解效率，尽可能地简化模型，采用三自由度动力学模型来描述车辆在路径跟踪过程中的运动状态。在平面上运动的车辆只具有3 个方向的运动，即纵向运动、横向运动和横摆运动。……