基于模型预测(MPC)车辆换道轨迹规划与轨迹跟踪carsim_Simulink联合仿真模型

✅作者简介热爱科研的Matlab仿真开发者擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 关注我领取海量matlab电子书和数学建模资料个人信条格物致知,完整Matlab代码获取及仿真咨询内容私信。 内容介绍一、车辆换道轨迹规划与跟踪的重要性在智能交通系统和自动驾驶技术中车辆换道操作是实现高效交通流和安全行驶的关键环节。成功的换道不仅需要精确的轨迹规划确保车辆平滑地从当前车道过渡到目标车道还需要可靠的轨迹跟踪控制使车辆能够准确地按照规划轨迹行驶避免与周围车辆发生碰撞。这对于提升交通效率、减少交通事故风险具有重要意义。二、侧向二自由度车辆动力学模型模型概述侧向二自由度模型是对车辆复杂动力学的简化表示重点关注车辆的侧向和横摆运动。该模型假设车辆在水平面上的运动主要由质心侧偏角和横摆角速度决定忽略了一些次要因素如车辆的垂直运动和轮胎的非线性特性等以降低模型复杂度便于实时控制算法的设计与实现。动力学原理基于牛顿第二定律该模型建立了车辆在侧向和横摆方向上的动力学方程。在侧向方向考虑车辆所受的侧向力包括轮胎侧向力、离心力等这些力决定了车辆的侧向加速度和质心侧偏角的变化。在横摆方向车辆的横摆力矩由轮胎侧偏力产生的横摆力矩以及其他外力矩共同作用从而影响横摆角速度。通过这些方程能够描述车辆在横向平面内的运动状态变化。三、模型预测控制MPCMPC 基本原理MPC 是一种基于模型的优化控制策略它通过预测系统未来的行为并在每个控制周期内求解一个有限时域的优化问题来确定当前时刻的最优控制输入。对于车辆换道问题MPC 利用车辆动力学模型如侧向二自由度模型预测车辆在未来多个时间步的状态包括位置、速度、加速度、横摆角速度等。优化目标与约束优化目标通常是使车辆实际状态尽可能接近期望换道轨迹同时考虑控制输入的平滑性和变化率限制以确保车辆行驶的舒适性和安全性。这可以通过构建包含跟踪误差和控制输入变化量的目标函数来实现例如最小化车辆当前位置与期望轨迹位置之间的偏差平方和以及控制输入如方向盘转角、油门 / 刹车踏板位置的变化量平方和。此外还需考虑车辆动力学和运动学约束如轮胎力限制、车辆速度限制、转向角度限制等确保求解出的控制输入在实际车辆能力范围内。滚动时域策略MPC 采用滚动时域策略即在每个控制周期仅将优化得到的第一个控制输入应用于车辆然后在下一时刻基于新的车辆状态重新进行预测和优化。这种策略使得 MPC 能够实时适应车辆状态和环境的变化即使在存在模型误差、外界干扰或轨迹调整的情况下也能持续保持良好的控制性能。四、横纵向 MPC 控制集成横纵向控制需求在车辆换道过程中横向控制负责调整车辆的侧向位置使其准确跟踪换道轨迹而纵向控制则用于控制车辆的速度确保在换道过程中与前后车辆保持安全距离同时满足换道的速度要求如在换道前适当加速以完成超车动作。误差模型集成将纵向控制误差模型和横向控制误差模型集成到 MPC 框架中意味着在优化过程中同时考虑横向和纵向的跟踪误差。纵向误差模型关注车辆实际速度与期望速度之间的偏差期望速度可能根据换道策略和周围交通环境动态调整。横向误差模型则着重于车辆实际侧向位置与期望换道轨迹的偏差。通过在目标函数中合理权衡横向和纵向误差项以及相应的控制输入变化量项MPC 能够实现横纵向的协同优化控制使车辆在换道过程中既满足横向轨迹跟踪精度又保证纵向速度的合理调整。五、5 次多项式拟合换道轨迹多项式拟合优势5 次多项式具有足够的自由度可以灵活地描述车辆换道过程中复杂的轨迹变化包括起始阶段的加速、中间阶段的平滑过渡以及结束阶段的减速和对齐。相比低次多项式5 次多项式能够更好地拟合实际换道所需的曲线使车辆换道轨迹更加平滑减少急加速、急减速和急转弯等情况提高乘客的舒适性和车辆行驶的安全性。轨迹生成与组合在程序中通过生成多段 5 次多项式轨迹然后将它们组合成一段完整的期望轨迹。每段轨迹可以根据换道过程的不同阶段进行设计例如起始段用于使车辆逐渐偏离原车道中间段用于完成车道间的过渡结束段用于使车辆稳定进入目标车道。通过合理设置各段轨迹的参数如起始和结束位置、速度、加速度等可以确保整个换道轨迹的连续性和光滑性。这种多段组合的方式增加了轨迹生成的灵活性能够更好地适应不同的换道场景和条件。六、仿真环境设置双车道道路模型仿真环境设置为双车道道路道路方向与 x 轴平行车道 1 中心线的 y 坐标为 4车道 2 中心线的 y 坐标为 0。这种设置模拟了常见的道路场景为车辆换道提供了一个明确的空间框架。通过定义车道中心线的位置可以清晰地确定车辆的当前车道和目标车道便于规划换道轨迹和评估轨迹跟踪的准确性。换道超车策略目标策略目标为换道超车规划与控制这要求在规划换道轨迹时不仅要考虑车辆自身的动力学限制和安全行驶要求还要考虑与周围车辆的相互作用。例如在换道前需要判断目标车道前方车辆的距离和速度确保有足够的安全空间完成换道超车动作。同时在轨迹跟踪过程中实时调整车辆的横纵向控制输入以应对可能出现的交通状况变化如前方车辆突然减速或后方车辆加速接近等。综上所述基于模型预测 (MPC) 的车辆换道轨迹规划与轨迹跟踪 carsim_Simulink 联合仿真模型通过综合运用侧向二自由度车辆动力学模型、横纵向 MPC 控制、5 次多项式拟合换道轨迹以及特定的仿真环境设置能够有效地模拟和优化车辆在换道超车过程中的行为为自动驾驶技术的研发和验证提供了有力的工具。⛳️ 运行结果 部分代码 参考文献[1]陆雨.无人驾驶车辆换道轨迹规划与跟踪控制研究[D].东北大学,2021. 往期回顾可以关注主页点击搜索