无人驾驶车辆模型预测控制新进展！

本章采用第2章所建立的横摆动力学模型式(2.28)设计模型预测控制器，横摆动力学模型表示为

考虑滑移的高速无人驾驶车辆运动规划与跟踪控制问题通过转换为二次型最优求解问题进行优化，实时生成有效避险的最优控制序列，同时防止车辆侧滑。

其中，待优化的变量是车辆前轮偏角控制量(δf)，以及滑移约束的松弛因子Ssh。松弛因子的存在是为了通过允许高速车辆出现暂时性滑移现象来保证此优化问题始终可以找到可行解。需要调试的参数为Wδf、Wey、Weψ和松弛因子的权重Ws。通过选取不同的权重可以体现出优化目标的优先级。通过对车辆滑移约束施加一定的松弛因子，可以保证当道路的无碰撞轨迹与稳定性约束发生冲突时，优先保证车辆在可行区域内行驶，即允许车辆暂时发生滑移。(www.xing528.com)

代价函数中式7.14(a)抑制了高速无人驾驶车辆相对于参考路径的横向偏差和航向偏差，体现了路径跟踪的期望；式7.14(b)建立了跟踪参考路径与控制量平滑之间的关系；式7.14(c)对车辆滑移稳定性约束的松弛因子进行了惩罚，从而促使高速车辆尽量不出现滑移现象；式7.14(d)和式7.14(e)分别为变步长离散方法得到的车辆动力学等效模型；式7.14(f)和式7.14(g)分别为针对高速车辆行驶过程中稳定性的包络线滑移约束和道路环境约束；式7.14(h)和式7.14(i)体现了对车辆执行机构和底层驱动能力的约束。

模型预测控制使用的参数及其数值说明如表7.1所示。

表7.1　模型预测控制使用的参数及其数值说明