一种基于MATLAB2020a与Carsim8.02联合仿真的车辆智能路径跟踪与鲁棒控制方案

线性参变(LPV)鲁棒模型预测控制(RMPC)路径跟踪(PTC)目前能实现20-25m/s的变速单移线和10-15m/s的变速双移线。 考虑速度和侧偏刚度变化基于二自由度模型和LMI设计鲁棒模型预测控制器。 上层考虑状态约束输入约束进行控制率在线求解计算得到前轮转角和附加横摆力矩下层通过最优化算法求出四轮转矩。 算法采用simulink的sfunction进行搭建和carsim8.02进行联合仿真包含出图m文件和简单的说明文档。 本套文件内含一个主要的mdl文件一个出图m文件一个说明文档以及carsim8.02的cpar文件。 MATLAB2020a以上版本和carsim8.02版本直接上干货。这次聊的LPVRMPCPTC组合拳在高速变道场景下表现挺能打。咱们先看底盘模型怎么搭的——二自由度模型打底参数时变特性靠LPV框架动态调整。核心代码段长这样% 二自由度模型参数初始化 m 1650; % 整车质量 lf 1.04; % 前轴到质心距离 lr 1.56; % 后轴到质心距离 Iz 3200; % 横摆转动惯量 Caf 80000; % 前轮侧偏刚度时变参数 Car 80000; % 后轮侧偏刚度时变参数 A [0,1,0,0; 0, -(CafCar)/(m*vx), (CafCar)/m, (lr*Car - lf*Caf)/(m*vx); 0,0,0,1; 0, (lr*Car - lf*Caf)/(Iz*vx), (lf*Caf - lr*Car)/Iz, -(lf^2*Caf lr^2*Car)/(Iz*vx)];注意看A矩阵里的vx参数这个会实时跟随车速变化。侧偏刚度Caf/Car也不是固定值在LPV框架里它们被处理成调度参数这样模型就能跟着工况自动调整了。控制器设计这块上层RMPC的LMI求解是关键。这里有个坑要注意约束处理必须带松弛因子否则在线优化容易跪。核心求解逻辑在S函数里实现function sysmdlDerivatives(t,x,u) % 实时获取LPV参数 rho [1/u(2), u(2)]; % u(2)为当前车速倒数 % 构造LMI条件 [P, K] solveLMI(rho); % 带约束的QP求解 [delta_f, M_z] solveQP(P, K, u(1), constraints); sys [delta_f; M_z]; % 输出前轮转角和附加横摆力矩 end这里solveQP函数集成了状态/输入约束特别是横向加速度限制在±0.4g以内方向盘转角速率不超过120度/秒。这种处理方式让控制器在20m/s急变道时也不会翻车。下层的四轮转矩分配玩的是最优分配算法。核心思想是把上层给的横摆力矩分解到四个轮子同时考虑电机特性% 权重矩阵调整 Q diag([0.8, 0.2]); % 横摆力矩优先于总驱动力 cvx_begin variable T(4) minimize( norm(T(1)T(2)T(3)T(4) - T_total) Q(1)*norm( (T(2)-T(1))*0.5*Lf ... ) ) subject to abs(T) T_max; cvx_end这里用CVX做凸优化求解重点在权重矩阵Q的配置——横摆力矩跟踪权重要高于总驱动力需求这样能保证车辆动态响应优先。线性参变(LPV)鲁棒模型预测控制(RMPC)路径跟踪(PTC)目前能实现20-25m/s的变速单移线和10-15m/s的变速双移线。 考虑速度和侧偏刚度变化基于二自由度模型和LMI设计鲁棒模型预测控制器。 上层考虑状态约束输入约束进行控制率在线求解计算得到前轮转角和附加横摆力矩下层通过最优化算法求出四轮转矩。 算法采用simulink的sfunction进行搭建和carsim8.02进行联合仿真包含出图m文件和简单的说明文档。 本套文件内含一个主要的mdl文件一个出图m文件一个说明文档以及carsim8.02的cpar文件。 MATLAB2020a以上版本和carsim8.02版本联合仿真调试时发现个有趣现象CarSim8.02的转向延迟比实际车辆大得在S函数里加个10ms的前馈补偿。测试双移线时25m/s下横向误差能压在0.3米以内轮胎还没到非线性区但超过27m/s后后轮开始侧滑这时候RMPC的鲁棒性就体现出来了——自动降速到15m/s维持稳定。文件结构方面主模型里的Triggered Subsystem是关键用来同步CarSim的仿真步长。出图脚本有个实用技巧% 轨迹对比绘制 hold on; plot(refPath(:,1), refPath(:,2), --r, LineWidth, 1.5); plot(actualPath(:,4), actualPath(:,5), b); xlabel(纵向位置/m); ylabel(横向位置/m); legend(期望路径,实际轨迹); title(sprintf(车速%.1fm/s双移线跟踪, mean(velocity)));这个脚本会自动标出最大偏差点还能生成gif动图需要提前配置好Figure窗口。整套代码在Git上已经跑通注意需要MATLAB的Optimization Toolbox和CVX包支持。最后说个实战经验在LPV参数变化率比较大的区间比如急加速时需要把LMI的求解频率从50Hz提到100Hz否则会有超调。不过代价是计算量上去了得在工控机上跑普通笔记本可能hold不住实时性。