一种鲁棒模型预测控制的智能车路径跟踪控制策略

摘要

传统的模型预测控制面临车辆模型参数不确定性和非线性等问题，尤其在复杂驾驶环境中，外部干扰使路径跟踪控制器的精度和鲁棒性下降。为解决这些问题，满足智能车辆路径跟踪对精确性、快速性和可靠性的要求，基于线性矩阵不等式原理设计了一种鲁棒模型预测控制器。该控制器考虑了轮胎侧偏刚度、时变车速和道路曲率等干扰因素，构建了具有4个多顶点的线性变参数模型，并通过实时更新优化多顶点线性变参数模型的“最小-最大”控制问题，从而抑制了模型失配问题。最后，设计了“双移线”作为参考路径，并在Carsim/Simulink中进行联合仿真验证。仿真结果表明，当初始车速为72 km/h时，与传统模型预测控制器相比，该模型最大横向偏差、航向偏差和横摆角速度分别降低了0.08 m、0.02 rad和0.07 rad/s;质心侧偏角和前轮偏角的极值分别降低了0.004、0.002 rad和0.015、0.012 rad。所设计的鲁棒模型预测控制器在高速工况下，不仅保证了较高的跟踪精度、优异的控制效果和良好的操纵稳定性，还展现了对干扰的较强鲁棒性。

关键词

智能车辆 / 鲁棒模型预测控制 / 横摆稳定性控制 / 路径跟踪 / 线性矩阵不等式