基于GA-PSO-MPC的自动驾驶汽车路径跟踪控制

摘要

针对模型预测控制(model prediction control, MPC)算法在自动驾驶汽车路径跟踪控制中权重矩阵选取困难，导致控制精度低和控制器运行效率低的问题，提出了一种遗传粒子群模型预测控制算法(genetic particle swarm optimization model prediction control, GA-PSO-MPC)。首先，建立车辆动力学模型，根据动力学模型确定目标函数并加入约束条件设计MPC控制器；其次，利用遗传粒子群算法(genetic particle swarm optimization, GA-PSO)对模型预测控制器的权重矩阵进行优化；最后，搭建Carsim/Simulink仿真平台，将GA-PSO-MPC控制器与传统MPC控制器的跟踪性能进行对比，完成不同车速、不同工况下的路径跟踪控制仿真。结果表明，经过GA-PSO算法优化权重矩阵后的控制器，收敛速度提高了68.85%,最大横向误差降低了63.9%。在各种车速下，GA-PSO-MPC控制器的运行效率与跟踪精度均优于传统MPC控制器，可以有效解决传统模型预测控制器运行效率低、跟踪精度不足的问题。

关键词

车辆工程 / 路径跟踪 / 模型预测控制 / 遗传算法 / 粒子群算法