基于多控制策略的车辆路径跟踪仿真研究

基于前轮转向+转矩分配(AFS+DYC)+模型预测控制(MPC)+路径跟踪(PTC)+侧偏角软约束，目前的范例是72km/h，附着系数0.85双移线。 仿真使用的是MATLAB2020b版本和carsim2020。 MPC有两个：第一个为增量式方法编写，采用s-function实现，输入为跟踪误差、横摆角误差、侧向速度和横摆角速度，输出量为前轮转角和附加横摆力矩，仅考虑横向控制。 考虑了前后轮的侧偏角软约束，在侧偏角到约束边界时减小控制律，保证侧偏角的稳定。 第二个采用Apollo中的模型，基于MATLAB function编写，不包括侧偏角软约束，作为对比参考使用。 其中包含carsim的cpar文件、模型mdl文件、绘图m文件(运行后一键出图)、说明文档和中文文献。

最近在研究车辆控制相关的内容，基于前轮转向 + 转矩分配（AFS + DYC）结合模型预测控制（MPC）以及路径跟踪（PTC），还加入了侧偏角软约束，实现了一些有趣的成果，今天就来和大家分享分享。

基于前轮转向+转矩分配(AFS+DYC)+模型预测控制(MPC)+路径跟踪(PTC)+侧偏角软约束，目前的范例是72km/h，附着系数0.85双移线。 仿真使用的是MATLAB2020b版本和carsim2020。 MPC有两个：第一个为增量式方法编写，采用s-function实现，输入为跟踪误差、横摆角误差、侧向速度和横摆角速度，输出量为前轮转角和附加横摆力矩，仅考虑横向控制。 考虑了前后轮的侧偏角软约束，在侧偏角到约束边界时减小控制律，保证侧偏角的稳定。 第二个采用Apollo中的模型，基于MATLAB function编写，不包括侧偏角软约束，作为对比参考使用。 其中包含carsim的cpar文件、模型mdl文件、绘图m文件(运行后一键出图)、说明文档和中文文献。

本次仿真使用的是MATLAB 2020b版本搭配carsim 2020，这俩工具在车辆动力学仿真这块还是非常给力的。范例场景设定为车速72km/h，附着系数0.85的双移线工况，这个工况能较好地检验车辆在复杂转向情况下的控制性能。

MPC控制策略详解

这里面MPC有两种实现方式，挺有意思的，和大家唠唠。

增量式MPC（含侧偏角软约束）

第一种MPC采用增量式方法编写，通过s - function实现。它的输入参数包括跟踪误差、横摆角误差、侧向速度和横摆角速度，输出则是前轮转角和附加横摆力矩，主要专注于横向控制。

% 假设这里是s - function的部分关键代码框架 function [sys,x0,str,ts] = sfcn(t,x,u,flag) switch flag, case 0, [sys,x0,str,ts]=mdlInitializeSizes; case 2, sys=mdlUpdate(t,x,u); case 3, sys=mdlOutputs(t,x,u); case {1,4,9} sys = []; otherwise DAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag)); end end function [sys,x0,str,ts]=mdlInitializeSizes sizes = simsizes; % 设置输入输出端口数量等参数 sizes.NumContStates = 0; sizes.NumDiscStates = 0; sizes.NumOutputs = 2; % 前轮转角和附加横摆力矩 sizes.NumInputs = 4; % 跟踪误差、横摆角误差、侧向速度和横摆角速度 % 其他参数设置... sys = simsizes(sizes); x0 = []; str = []; ts = [0 0]; end function sys=mdlOutputs(t,x,u) % 这里面根据输入的u（跟踪误差、横摆角误差、侧向速度和横摆角速度） % 通过MPC算法计算输出前轮转角和附加横摆力矩 tracking_error = u(1); yaw_error = u(2); lateral_velocity = u(3); yaw_rate = u(4); % 简单示意，实际MPC计算很复杂 front_wheel_angle = tracking_error * 0.1 + yaw_error * 0.2; additional_yaw_moment = lateral_velocity * 0.3 + yaw_rate * 0.4; sys = [front_wheel_angle; additional_yaw_moment]; end

这里还考虑了前后轮的侧偏角软约束。为啥要加这个呢？当侧偏角快到约束边界的时候，如果不做处理，车辆的稳定性就会受影响。加了软约束之后，一旦侧偏角接近边界，就减小控制律，这样能保证侧偏角稳定，车辆行驶也就更稳。

Apollo模型MPC（无侧偏角软约束）

第二种MPC采用Apollo中的模型，基于MATLAB function编写，这个就不包括侧偏角软约束啦，主要是作为对比参考用的。

function [front_wheel_angle, additional_yaw_moment] = apollo_mpc(tracking_error, yaw_error, lateral_velocity, yaw_rate) % 同样简单示意计算过程 front_wheel_angle = tracking_error * 0.15 + yaw_error * 0.25; additional_yaw_moment = lateral_velocity * 0.35 + yaw_rate * 0.45; end

通过对比这两个MPC，就能很直观地看出侧偏角软约束在车辆控制中的作用。

仿真资源说明

仿真项目里还包含carsim的cpar文件、模型mdl文件、绘图m文件（运行后一键出图，超方便），另外还有说明文档和中文文献。这些文件对于理解整个仿真流程和原理非常有帮助。比如说cpar文件里详细记录了车辆的各种参数，mdl文件搭建了整个仿真模型的架构，绘图m文件可以把仿真结果以直观的图形展示出来。

总之，通过这次研究，对基于多种控制策略的车辆路径跟踪有了更深入的认识，不同的MPC策略各有特点，侧偏角软约束也确实对车辆稳定性控制起到了关键作用。希望我的这些分享能给同样在研究相关方向的小伙伴一些启发。