基于增量式模型预测控制的无人驾驶车辆横向控制.docxVIP

PAGE2

基于增量式模型预测控制的无人驾驶车辆横向控制

摘要

本研究围绕无人驾驶车辆横向控制这一核心问题，针对传统控制器在弯道跟踪中存在的稳态误差较大与平顺性不足等痛点，提出了一种基于增量式模型预测控制的横向控制方案。

首先，基于车辆运动学模型建立了能够准确描述车辆横向运动规律的数学模型，明确了控制输入与状态量之间的关系。随后，将增量形式的控制增量引入模型预测控制框架，设计了以减小横向偏差和航向偏差、抑制控制量剧烈变化为优化目标的增量式MPC控制器。

在设计过程中，依据需求分析划分了参考轨迹生成、状态估计、控制器求解等功能模块，并完成了系统总体架构与详细设计。通过仿真实现与多工况测试，验证了所提控制器在双移线、定曲率弯道等典型场景下，能够将横向偏差降低40%以上，同时显著提升转向平顺性。结果表明，增量式MPC有效抑制了稳态误差，提高了弯道跟踪质量。

第一章绪论

1.1研究背景

无人驾驶技术正逐步从结构化道路走向复杂场景，车辆在弯道中的横向控制性能直接影响行驶安全与乘坐舒适性。

当前横向控制普遍采用纯跟踪、Stanley等几何控制器或比例-积分-微分控制器，这些方法在低速简单场景下表现尚可，但当车速提高或道路曲率半径急剧变化时，往往出现横向偏差增大、方向盘抖动频繁等问题。

造成上述问题的根源在于传统控制器缺乏对车辆未来行为的预测能力，且不考虑控制增量约束，导致控制指令变化