基于模型预测和遗传算法的智能车辆轨迹跟踪控制

苑风霞，张 华，陈 丰，司志远

（安徽科技学院机械工程学院，安徽凤阳 233100）

轨迹跟踪是智能车辆的核心功能之一，如何通过对车辆横向运动的有效控制减小车辆行驶过程中横向运动的偏差，实现对目标轨迹的精确跟踪一直是智能车辆研究领域的热点。针对智能车辆轨迹跟踪问题，国内外学者进行了大量研究，开发了多种轨迹跟踪控制器。Netto等、赵熙俊等、余红英等构建PⅠD 控制器用于处理智能车辆的轨迹跟踪问题，但由于PⅠD 参数的获取问题，构建的PⅠD 控制器难以实现对车辆轨迹跟踪的最优控制。马莹等、郭景华等基于预瞄方法构建车辆横向控制器，实现了车辆轨迹跟踪的最优控制，但该控制器受制于系统数学模型的精确度，系统参数的时变性和外界干扰影响控制器的鲁棒性和稳定性。针对车辆轨迹跟踪的鲁棒性需求，Ganzelmeier 等、Eom 等、Tan 等在考虑模型参数不确定性的基础上构建了

H

鲁棒控制器。智能车辆在行驶过程中不仅受到自身结构参数不确定性的影响，还受到外界环境如道路曲率和侧向风等因素的影响。综合考虑这些因素，Choi提出智能车辆横向自适应控制器，进一步提高了智能车辆轨迹跟踪过程的鲁棒性；Guo 等将自适应控制方法和滑模控制方法相结合设计横向自适应模糊滑模控制器，提高了智能车辆轨迹跟踪精度和响应特性。模型预测控制（model predictive control，MPC）是一种动态规划方法，由于其具备对系统模型要求低、鲁棒性和抗干扰性好的特点，被广泛应用于智能车辆轨迹跟踪控制。……