AutoDyn：一种鲁棒的模型预测控制设计方法，用于在车辆动态变化的情况下实现轨迹跟踪

《Scientific Reports》：AutoDyn: robust model predictive control design for trajectory tracking under varying vehicle dynamics

　　

摘要

在变化的车载动态条件下实现准确且稳健的轨迹跟踪仍然是自动驾驶和半自动驾驶车辆面临的主要挑战。尽管存在质量变化、轮胎刚度和道路摩擦等非线性因素和不确定参数，但仍需确保车辆的安全性、舒适性和稳定性。本研究提出了一种鲁棒模型预测控制框架，该框架在保持适合嵌入式汽车系统的计算效率的同时，明确考虑了参数不确定性和外部干扰。该控制器结合了多参数预测建模和鲁棒优化以及约束强化技术，能够主动调整转向指令，并在多种驾驶条件下维持车辆的稳定性。研究开发了一个详细的非线性车辆模型，涵盖了车辆的横向运动、偏航运动和载荷传递动态，并将所提出控制器的性能与比例-积分-微分控制（PID）和线性预测控制策略进行了对比测试。仿真结果表明，与传统控制器相比，该控制器在横向跟踪误差上减少了78%，偏航稳定性提高了71%，收敛时间缩短了68%，转向动作更加平稳，干扰抑制能力提升了57%。此外，该方法的计算时间为每个控制周期6.3毫秒，具备实时可行性，证明了其适用于车载电子控制单元。与传统的鲁棒控制策略（如滑模控制）相比，该方法在保持对不确定性的强鲁棒性的同时，还提升了控制的平滑性并实现了对约束条件的明确处理。这些结果表明，所提出的鲁棒预测框架在非线性和不确定的运行条件下显著提高了控制的准确性、稳定性和计算效率。总体而言，它为下一代智能车辆控制系统提供了实用、可扩展且可靠的基础，使车辆能够在现实环境中实现安全且自适应的轨迹跟踪。