论文部分内容阅读
近些年来,无人驾驶汽车(Autonomous Vehicle)作为人工智能向传统技能性行业渗透的前沿领域,在世界范围内,尤其是中国和美国,呈现出爆发式增长的态势。轨迹跟踪控制技术处于无人驾驶技术链末端,承载了主体系统的智能行为,是车辆与其他模块沟通的桥梁,对整个算法架构起到支撑与实现的作用。本文旨在研究模型预测控制(Model Predict Control,MPC)技术在无人驾驶汽车运动控制(Motion Control)方面的应用。主要研究内容包括:(1)乘用车辆具有强非线性、高复杂度的特点,如何建立一个低维度且精确的车辆数学模型是一直困扰研究车辆运动控制和稳定性控制学者的难题。本文首先全面评估了目前常见的车辆数学模型,结合车辆横向稳定性的特定问题,提出了一种低复杂度,兼顾横向稳定控制和轨迹跟踪控制双重任务的车辆动力学模型。(2)车辆模型的高度非线性也必然会给模型的稳定性分析带来困难,本文忽略车辆的悬架系统,针对水平面内的横向稳定性问题,灵活地利用以横摆角速度(Yaw Rate)和侧偏角(Side Slip Angle)组成的相平面分析车辆横向稳定性,并总结了划分稳定区域和不稳定区域的规律,提出以包线约束来调节车辆横向稳定性的方法。(3)借鉴基于车辆运动学模型设计MPC控制器解决无人驾驶汽车轨迹跟踪问题的组织形式,设计了一种基于改进后的车辆动力学模型的MPC控制系统并融合了解决稳定性问题的包线约束,使控制系统具备轨迹跟踪和稳定性控制两部分功能。为了满足工程应用的实时性,引入快速求解器,实现MPC问题高速求解。(4)搭建了Carsim/Simulink/Matlab联合仿真平台,设计了多种仿真场景测试所设计控制系统的精度和可靠性,仿真结果验证了所设计控制系统在工程应用上的高实时性,在轨迹跟踪性能上的鲁棒性和在横向稳定性方面的有效性。最后,设计了实车试验,验证了所设计控制系统的轨迹跟踪效果在工程应用中的可能性。