自动驾驶控制中的任意路径跟踪技术:基于二、三自由度动力学模型的 MPC 分析
引言
随着自动驾驶技术的不断进步,路径跟踪技术已成为自动驾驶领域中的核心问题之一。任意路径跟踪
技术更是对自动驾驶系统的智能化和灵活性提出了更高的要求。本文主要探讨基于二、三自由度动力
学模型的预测控制(MPC)在自动驾驶中的任意路径跟踪应用,并结合 Carsim 和 Simulink 进行联
合仿真分析。
一、自动驾驶控制中的路径跟踪技术
路径跟踪是自动驾驶车辆实现精确行驶的关键技术之一。自动驾驶车辆需要根据感知系统获取的环境
信息和自身状态信息,通过控制算法计算得出车辆应该沿着的路径行驶。在此过程中,任意路径跟踪
技术对于提高自动驾驶系统的智能化水平和适应性具有重要意义。
二、基于二、三自由度动力学模型的 MPC 路径跟踪
模型预测控制(MPC)是一种先进的控制策略,广泛应用于各种控制系统。在自动驾驶路径跟踪中,
基于二、三自由度动力学模型的 MPC 路径跟踪算法可以有效地实现车辆的精确跟踪。通过对车辆的动
力学模型进行建模和优化,MPC 可以预测车辆在一段时间内的行驶状态,并计算最优控制输入,使车
辆沿着参考路径稳定行驶。
1. 二自由度动力学模型与三自由度动力学模型的选择与应用
二自由度动力学模型主要关注车辆的横向和纵向运动,适用于大部分路径跟踪场景。而三自由度动力
学模型则进一步考虑了车辆的横摆运动,对于复杂路径的跟踪具有更高的精度。在实际应用中,根据
路径特性和系统需求选择合适的动力学模型是提高路径跟踪精度的关键。
2. MPC 在路径跟踪中的应用
在基于二、三自由度动力学模型的路径跟踪中,MPC 通过优化算法计算控制输入,使车辆的行驶轨迹
尽可能接近参考路径。在预测时域内,通过对车辆未来行驶状态的预测,MPC 可以及时调整控制输入
,提高路径跟踪的精度和稳定性。
三、Carsim 与 Simulink 联合仿真分析
为了验证基于二、三自由度动力学模型的 MPC 路径跟踪算法的有效性,我们采用了 Carsim 和
Simulink 进行联合仿真。在仿真过程中,蓝色代表全局参考路径,黄色代表预测时域内的参考路径