基于SA-PSO轨迹追踪LQR横向控制优化

摘要

为解决线性二次型调节器(LQR)中的系数矩阵Q和R选取困难的问题，针对LQR算法进行优化。基于模拟退火算法和粒子群算法提出模拟退火粒子群优化(SA-PSO)算法，并且对于学习因子提出线性异步变化优化方法提高算法的搜索效率。基于二自由度动力学模型建立前馈LQR,加入预测模型模块提高模型控制精度。利用LQR的代价函数作为适应度函数优化权重参数矩阵，分析对比提出的SA-PSO算法和粒子群(PSO)优化算法的跟踪控制效果。通过Simulink/Carsim联合仿真实验，结果表明：SA-PSO算法相较于PSO算法在同等横向控制精度前提下前轮转角控制降低28.83%,相较于固定权值LQR,其前轮转角控制降低44.58%。提高了汽车行驶时的稳定性和平滑性，且具有较高鲁棒性。

关键词

汽车工程 / 横向控制 / 粒子群算法优化 / 线性二次型调节器(LQR) / 轨迹跟踪