基于模型預(yù)測控制算法的智能電動汽車橫向控制

甘樺?！×闻d華

摘要：為解決智能電動汽車在路徑跟蹤中的橫向控制精度和穩(wěn)定性能，文章提出一種離散模型的模型預(yù)測控制算法，通過建立三自由度車輛動力模型，采用魔術(shù)輪胎公式搭建非線性輪胎模型，對控制過程中的多目標(biāo)函數(shù)及約束進行優(yōu)化設(shè)計，基于模型預(yù)測控制理論使車輛自動駕駛橫向控制約束在合理范圍內(nèi)，著重考慮車輛低速行駛狀態(tài)下的橫向路徑跟蹤能力，在給定路徑中使用高精度車輛動力學(xué)軟件Carsim與MATLAB/Simulink進行聯(lián)合仿真驗證。結(jié)果表明，該控制算法具有較高的控制精度和穩(wěn)定性能，滿足智能駕駛車輛橫向控制要求。

關(guān)鍵詞：智能駕駛；模型預(yù)測；橫向控制；多目標(biāo)優(yōu)化

0引言

智能駕駛正成為現(xiàn)代汽車發(fā)展的新趨勢，將極大地緩解交通壓力，保障車輛的行駛安全性，提升駕駛的舒適感。自動駕駛技術(shù)也越來越受到工業(yè)界和學(xué)術(shù)界的關(guān)注，鑒于現(xiàn)代交通的快速性和復(fù)雜性，如何可靠地使用當(dāng)前的車輛達(dá)到自主駕駛水平仍然是一個挑戰(zhàn)，計算性能（來自于軟件和硬件）、小型化和自動化的進步將使社會很快進入無人駕駛的時代。

控制技術(shù)是智能電動汽車發(fā)展的關(guān)鍵技術(shù)，而智能電動車是一個復(fù)雜多變的非線性系統(tǒng)，其車輛控制尤為困難，通過控制技術(shù)理論的研究和發(fā)展能使車輛控制集中于縱向運動控制、橫向運動控制和綜合運動控制這3類。針對橫向運動跟蹤控制，國內(nèi)外學(xué)者和研究機構(gòu)都進行了各種不同研究：為解決橫向跟蹤過程中魯棒性差、易抖動的問題，陶捷等［1］采用了一種模糊滑模控制器，將方位偏差與橫向偏差相結(jié)合融入控制算法；湖南大學(xué)學(xué)者［2］提出了一種最優(yōu)前輪側(cè)偏力的車輛線性二次型調(diào)節(jié)器的橫向控制策略，有效提高了車輛在大曲率高速工況下的橫向跟蹤穩(wěn)定性和精度；北京研究機構(gòu)［3］設(shè)計了一款純跟蹤控制與模型預(yù)測控制相結(jié)合的聯(lián)合控制器，在姿態(tài)偏差較大時采用純跟蹤控制，當(dāng)姿態(tài)偏差較小時采用模型預(yù)測控制；袁晶鑫［4］設(shè)計了魯棒自適應(yīng)三步法控制算法，解決了橫向跟蹤控制過程中系統(tǒng)參數(shù)不確定性問題，使系統(tǒng)參數(shù)能自適應(yīng)調(diào)節(jié)，并采用Carsim Simulink軟件進行聯(lián)合仿真驗證；J Morales等［5］采用純跟蹤方法對非整體式地面車輛進行路徑跟蹤控制，實車證明其具備良好的控制性能；Miguel Angel Sotelo［6］介紹了一種橫向控制策略并將其應(yīng)用于使用視覺自動駕駛車輛的轉(zhuǎn)向問題。將車輛速度作為適應(yīng)轉(zhuǎn)向控制響應(yīng)的關(guān)鍵參數(shù)，使該控制策略適用于低速或高速車輛，控制法的穩(wěn)定性已被分析證明。

本文以智能電動汽車低速工況下橫向跟蹤控制為研究目標(biāo)，提出一種離散模型的模型預(yù)測橫向控制方法，建立三自由度車輛動力模型并結(jié)合魔術(shù)輪胎公式搭建非線性輪胎模型，對控制過程中的多目標(biāo)函數(shù)及約束進行優(yōu)化設(shè)計，通過Carsim Simulink軟件進行聯(lián)合仿真證明，該方法能夠降低智能電動汽車橫向跟蹤誤差，且能有效提升車輛橫向穩(wěn)定性和舒適性。

1 智能電動汽車輪胎模型與動力學(xué)模型

1.1 輪胎動力學(xué)模型

輪胎作為車輛受控的最終載體，其動力學(xué)特性與車輛的橫向運動及操穩(wěn)性有著密切關(guān)系。因此，搭建輪胎模型是必不可少的，是后續(xù)控制研究的關(guān)鍵。由于車輪在不同工況下受力復(fù)雜，其動力學(xué)特性呈非線性。現(xiàn)有輪胎模型主要包括Fiala輪胎模型、UA輪胎模型和H.B.Pacejke輪胎模型［7］。為建立精確的輪胎模型并保持輪胎的非線性特性，本文選取魔術(shù)公式輪胎模型，其具有輪胎力學(xué)特性表達(dá)式簡潔、擬合精度高的特點?；谀g(shù)公式的輪胎模型的輸入輸出如圖1所示。

魔術(shù)公式輪胎模型采用三角函數(shù)的組合公式，并能較好擬合輪胎試驗數(shù)據(jù)，其一般表達(dá)式為：

y=Dsin［Carctan{Bx-E［Bx-arctan（Bx）］}］（1）

Y（X）=y（x）+Sv（2）

2 MPC橫向跟蹤控制系統(tǒng)設(shè)計

模型預(yù)測控制在工業(yè)界得到了廣泛的應(yīng)用和良好的發(fā)展。由于在學(xué)術(shù)界和工業(yè)界研究過程中對性能規(guī)格的嚴(yán)格要求，模型預(yù)測控制發(fā)揮了重要作用，是用于跟蹤能力測試的主要模型。本文提出用自主路徑跟蹤成本函數(shù)的精確模型預(yù)測控制（MPC）控制器。MPC控制器的關(guān)鍵點是通過設(shè)計和解決代價函數(shù)來控制輸入。代價函數(shù)使未來系統(tǒng)輸出和參考輸出之間的誤差最小化，得到一個穩(wěn)定的車輛狀態(tài)跟蹤系統(tǒng)。如下頁圖4所示，模型預(yù)測控制系統(tǒng)的主要步驟，模型計算和優(yōu)化是關(guān)鍵內(nèi)容。

對于仿真路徑，常見的有直線路徑、移線路徑、S形路徑等。為能體現(xiàn)控制器對于車輛操穩(wěn)性的控制性能要求，重點考慮車輛橫向變化特性趨勢。本文選取單移線路徑和圓形線路徑進行仿真試驗，其仿真場景如下頁圖6所示，單移線路徑運動軌跡如圖7所示，車輛以36 km/h的車速在附著系數(shù)μ=0.8的道路上進行左移運動；圓形路徑運動軌跡如圖8所示，車輛分別以10.8 km/h、18 km/h、36 km/h的車速在附著系數(shù)μ=0.8的路面做圓形運動。

從圖9～11可以看出，車輛在單移線路徑軌跡跟蹤過程中，橫向偏差在±0.05 m，跟蹤效果較好，前輪轉(zhuǎn)角δf在時間變化過程中能穩(wěn)定跟蹤參考軌跡后趨于穩(wěn)定狀態(tài)，符合設(shè)計要求，有較好的橫向操穩(wěn)性。

如圖12所示，在圓形線路徑軌跡跟蹤過程中，通過不同車速跟蹤軌跡的效果可以看出，控制器具備較強的適應(yīng)性，且跟蹤誤差基本保持在可控范圍內(nèi)，能較快跟蹤目標(biāo)軌跡，有效地保證跟蹤精確性。如圖13所示，從不同車速下前輪轉(zhuǎn)角的變化曲線來看，前輪轉(zhuǎn)角的變化能穩(wěn)定跟隨軌跡的變化而變化。跟蹤的速度變化曲線（如圖14所示）表明，車輛能快速跟蹤目標(biāo)設(shè)定車速，保持車輛良好的縱向穩(wěn)定性能，較好地提升車輛的舒適程度，具備較強的抗干擾能力。

4 結(jié)語

本文以三自由度車輛動力學(xué)為研究載體，建立對應(yīng)的輪胎模型和車輛模型，通過對車輛橫向運動的分析，將目標(biāo)控制量和狀態(tài)變化量以狀態(tài)空間的表達(dá)形式，運用模型預(yù)測理論中離散線性誤差模型設(shè)計橫向路徑跟蹤控制器，并通過仿真實驗表明所設(shè)計的控制器能夠滿足設(shè)計要求，對路徑跟蹤有較強的適應(yīng)性和抗干擾能力。

參考文獻(xiàn)：

［1］陶 捷，鄭思遠(yuǎn)，黃昭燁，等.智能車輛路徑跟蹤的模糊滑模橫向控制［J］.林業(yè)機械與木工設(shè)備，2022，50（2）：43-47.

［2］陳 亮，秦兆博，孔偉偉，等.基于最優(yōu)前輪側(cè)偏力的智能汽車LQR橫向控制［J］.清華大學(xué)學(xué)報（自然科學(xué)版）2021，61（9）：906-912.

［3］唐 坤，曹志雄.低速自動駕駛橫向跟蹤控制研究［J］.電機與控制應(yīng)用，2021，48（8）：72-80，89.

［4］袁晶鑫.基于CarSim的智能車輛路徑跟蹤控制算法研究［D］.長春：吉林大學(xué)，2019.

［5］J Morales，JL Martinez，MA Martinez，et al. Pure-Pursuit Reactive Path Tracking for Nonholonomic Mobile Robots with a 2D Laser Scanner［J］. EURASIP journal on advances in signal processing，2009（6）：1-10.

［6］Miguel Angel Sotelo. Nonlinear Lateral Control of Vision Driven Autonomous Vehicles［J］. Machine Intelligence & Robotic Control， 2003，5（3）：87-93.

［7］張維剛，張 朋，韋 昊，等.一種基于LTVMPC改進的無人駕駛汽車路徑跟蹤控制算法［J］.湖南大學(xué)學(xué)報（自然科學(xué)版），2021，48（10）：67-73.

基金項目：廣西中青年教師能力提升項目“無人駕駛車輛運動控制策略研究”（編號：2021KY1400）

作者簡介：甘樺福（1993—），碩士，講師，研究方向：新能源汽車技術(shù)、車輛系統(tǒng)動力學(xué)及其控制。