智能汽车轨迹跟踪多目标显式模型预测控制

doi:10.19562/j.chinasae.qcgc.2024.05.005

摘要/Abstract

摘要：

针对现有智能汽车轨迹跟踪控制算法难以同时保证跟踪精确性、横向稳定性、舒适性以及控制实时性的问题，提出了一种基于多目标优化和显式模型预测控制理论的轨迹跟踪控制策略（MO-EMPC）。首先，建立考虑跟踪精确性、横向稳定性、舒适性的多目标函数及约束。然后，针对传统MPC控制实时性低的问题，设计基于EMPC的多目标优化轨迹跟踪控制器，通过引入多参数二次规划（MPQP）理论，将反复在线优化求解过程转化为等价的分段仿射系统（PPWA），离线计算得到最优显式控制律以供实时控制调用，减少在线运算时间。最后，基于CarSim/Simlink联合仿真方法，将所设计控制器的轨迹跟踪多目标优化效果与MPC控制效果进行对比验证。研究结果表明，所提出的轨迹跟踪策略在保证良好的跟踪精度前提下，横向稳定性、舒适性方面的表现更优于MPC控制器，且算法在线运行速度提高56.63%。

关键词: 汽车工程, 轨迹跟踪, 多目标优化, 智能车辆, 显式模型预测控制

Abstract:

For the problem that existing intelligent vehicle trajectory tracking control algorithms are difficult to simultaneously ensure tracking accuracy， lateral stability， comfort， and real-time control， a multi-objective optimized trajectory tracking control strategy （MO-EMPC） based on the theory of explicit model predictive control （EMPC） is proposed. Firstly， the multi-objective function and constraints considering tracking accuracy， lateral stability， and comfort are established. Then， for the problem of low real-time performance of traditional MPC control， a multi-objective optimized trajectory tracking controller based on EMPC is designed， which transforms the repeated online optimization and solution process into an equivalent segmented affine system （PPWA） by introducing in the multi-parameter quadratic programming （MPQP） theory， and calculates the optimal explicit control law offline for real-time control to be invoked， so as to reduce the online computation time. Finally， based on the CarSim/Simlink joint simulation method， the trajectory tracking multi-objective optimization effect of the designed controller is compared and verified with the MPC control effect. The results show that the proposed trajectory tracking strategy outperforms the MPC controller in terms of lateral stability and comfort under the premise of ensuring good tracking accuracy， with the online operation speed improved by 56.63%.

Key words: automotive engineering, trajectory tracking, multi-objective optimization, intelligent vehicle, explicit model predictive control

赵树恩,王盛,冷姚. 智能汽车轨迹跟踪多目标显式模型预测控制[J]. 汽车工程, 2024, 46(5): 784-794.

Shuen Zhao,Sheng Wang,Yao Leng. Multi-objective Explicit Model Predictive Control for Intelligent Vehicle Trajectory Tracking[J]. Automotive Engineering, 2024, 46(5): 784-794.

图/表 16

图1

图2

图3

图4

图5

图6

图7

表1

图8

图9

图10

图11

图12

图13

图14

图15

参考文献 11

1	HUANG Y J， DING H T， ZHANG Y B， et al. A motion planning and tracking framework for autonomous vehicles based on artificial potential field elaborated resistance network approach ［J］. IEEE Transactions on Industrial Electronics， 2020， 67 （2）： 1376-1386.
2	DAVINS-VALLDAURA J，PLESTAN F，MOUSS-AOUI S， et al. Design and optimization of nonli-near observers for road curvature and state estim-ation in automated vehicles ［J］. IEEE Transactions on Intelligent Transportation Systems， 2017， 18 （12）：3315-3327.
3	方培俊，蔡英凤，陈龙，等.基于车辆动力学混合模型的智能汽车轨迹跟踪控制方法［J］.汽车工程，2022，44（10）：1469-1483，1510.
	FANG P J， CAI Y F， CHEN L， et al. Intelligent vehicle trajectory tracking control method based on vehicle dynamics hybrid model ［J］. Automotive Engineering， 2022，44 （10）： 1469-1483，1510.
4	SHIN J，HUH J，PARK Y. A symptotically stable path following for lateral motion of an unmanned ground vehicle ［J］. Control Engineering Practice， 2015， 40 （6）：102-112．
5	DIXIT S， FALLAH S， MONTANARO U， et al. Trajectory planning and tracking for autonomous overtaking： state-of-the-art and future prospects ［J］. Annual Reviews in Control， 2018， 45 （1）： 76-86.
6	MARINO R，SCALZI S，NETTO M. Nested PID steering control for lane keeping in autonomous vehicles ［J］. Control Engineering Practice， 2011， 19 （12）： 1459-1467.
7	XU S， PENG H. Design， analysis， and experiments of preview path tracking control for autonomous vehicles ［J］. IEEE Transactions on Intelligent Transportation Systems， 2020， 21（1）： 48-58.
8	GUO J， LUO Y， LI K， et al. Coordinated path-following and direct yaw-moment control of autonomous electric vehicles with sideslip angle estimation ［J］. Mechanical Systemsand Signal Processing，2018， 105 （15）： 183-199.
9	RU Y， GUO H Y， SUN Z P， et al. MPC-based regional path tracking controller design for autonomous ground vehicles ［C］. 2015 IEEE International Conference on Systems， Man， and Cybernetics （SMC）. IEEE， 2015.
10	CUI Q J， DING R J， ZHOU B， et al. Path-trackingof an autonomous vehicle via model predictive control and nonlinear filtering ［J］. Proc Inst Mech Eng Part D-J Automob Eng， 2018， 232 （9）： 1237.
11	GUO N， ZHANG X， ZOU Y. Real-time predictive control of path following to stabilize autonomous electric vehicles under extreme drive conditions［J］. Automot. Innov， 2022， 5（4）： 453-470.

[1]	肖礼明,张发旺,陈良发,闫昊琪,马飞,李升波,段京良. 依托多风格强化学习的车辆轨迹跟踪避撞控制[J]. 汽车工程, 2024, 46(6): 945-955.
[2]	熊萌,张栋,尤国建,孙添飞,盛凯,魏学哲. 电动汽车无线充电高效高利用率磁芯的多目标优化设计[J]. 汽车工程, 2023, 45(9): 1740-1752.
[3]	傅耀宇, 周二振, 丁瑞阳, 周云波, 付条奇, 张明. 某车辆滚翻过程中乘员颈部动态响应[J]. 汽车工程, 2023, 45(7): 1276-1285.
[4]	查云飞,吕小龙,陈慧勤,易迎春,王燕燕. 基于路面附着系数估计的车辆轨迹跟踪控制[J]. 汽车工程, 2023, 45(6): 1010-1021.
[5]	赵霞,李朝,付锐,葛振振,王畅. 基于深度卷积-Tokens降维优化视觉Transformer的分心驾驶行为实时检测[J]. 汽车工程, 2023, 45(6): 974-988.
[6]	邹渊,孙文景,张旭东,温雅,曹万科,张兆龙. 面向时间敏感网络的车载以太网网络架构多目标优化[J]. 汽车工程, 2023, 45(5): 746-758.
[7]	金立生,纪丙东,郭柏苍. 基于多层时空融合网络的驾驶人注意力预测[J]. 汽车工程, 2023, 45(5): 759-767.
[8]	张彬,邹渊,张旭东,孙逢春,吴喆,孟逸豪. 混动履带式无人平台轨迹跟踪控制研究[J]. 汽车工程, 2023, 45(4): 579-587.
[9]	李琴,汤建明,张博远,陈勇,王勇. 分布式驱动电动汽车多执行器容错控制研究[J]. 汽车工程, 2023, 45(12): 2251-2259.
[10]	吕彦直,魏超,何元浩. 基于GCN和CIL的端到端自动驾驶换道方法[J]. 汽车工程, 2023, 45(12): 2310-2317.
[11]	段志勇,马菁. 锂电池热管-液冷板式冷却结构多目标优化[J]. 汽车工程, 2023, 45(11): 2047-2057.
[12]	李捷,吴晓东,许敏,刘永刚. 基于强化学习的城市场景多目标生态驾驶策略[J]. 汽车工程, 2023, 45(10): 1791-1802.
[13]	史培龙,赵轩,陈子童,余强. 基于道路行驶工况辨识的重型载货汽车排气制动系统主动控制研究[J]. 汽车工程, 2023, 45(1): 104-111.
[14]	李道飞,查安飞,徐彪,张家杰. 半挂汽车列车紧急避撞轨迹跟踪控制算法[J]. 汽车工程, 2022, 44(7): 1098-1106.
[15]	周兴凯,窦祖芳,杨喜娟,杨乔礼. 基于IEEE 802.11p的自适应主次窗口退避机制及验证[J]. 汽车工程, 2022, 44(12): 1856-1865.