基于前馈非线性模型预测控制的类车机器人路径跟踪

摘要

类车机器人由于零件标准化程度低，侧偏刚度等轮胎力学参数难以准确获得，存在动力学建模十分困难的问题，因此现有研究工作通常以运动学模型作为类车机器人的控制模型，但由于其运动学模型存在模型失配，导致类车机器人与参考路径之间的误差、类车机器人的前轮转角和前轮转角速度出现剧烈振荡现象.针对前述问题，本文基于非线性模型预测控制（Nonlinear model predictive control, NMPC）的滚动优化原理，引入基于逆运动学模型的前馈转角信息，将前轮转向角作为预测模型的第四维，提出了一种基于前馈非线性模型预测控制（Feedforward NMPC, FNMPC）的类车机器人路径跟踪控制算法.并通过Simulink和CarSim进行了联合仿真，结果表明FNMPC有效减小了模型失配导致的振荡现象，同时具有较高的跟踪精度.其中前馈非线性模型预测控制器的位移误差幅值不超过0.1106 m，航向误差幅值不超过0.1253 rad.在相同工况下，线性模型预测控制、前馈线性模型预测控制、纯跟踪控制和Stanley控制误差发散，而本文提出的FNMPC相比已有NMPC跟踪精度更高，且控制增量绝对累计值相比NMPC控制器减小67.53%.通过线控类车机器人底盘作为实验平台完成的测试结果表明，NMPC系统在进入弯道时出现控制失控现象，在相同工况下，FNMPC系统能够有效完成对参考路径的跟踪，同时将位移误差幅值控制在0.1624 m以内，航向误差幅值控制在0.1138 rad以内.

关键词

类车机器人 / 路径跟踪 / 前馈信息 / 模型预测控制 / 平顺性

基金资助

国家自然科学基金资助项目（52202505）; 国家重点研发计划资助项目（2023YFC3806603）; 中国博士后科学基金资助项目（2022M710354）