基于高效NMPC算法的无人车轨迹跟踪控制研究

本文针对无人车在复杂工况下，非线性程度增加和动力学约束导致的轨迹跟踪控制精度差和求解效率低的问题，提出一种高效的非线性模型预测控制（nonlinear model predictive control,NMPC）算法。首先考虑车辆模型的非线性因素，建立动力学和魔术轮胎模型，并将无人车终端状态整合到性能指标中，添加稳定性范围内多约束条件，通过障碍罚函数法处理非线性不等式约束，保证了求解过程的平滑性。然后为减轻求解非线性优化问题带来的计算负担，提出了一种新颖的连续/广义最小残差算法（improved continuation/generalized minimal residual,improved-C/GMRES），与传统的C/GMRES算法相比，通过引入连续增加的惩罚因子加快了数值计算的求解效率，降低算法的计算负担。最后通过Simulink和CarSim的联合仿真，在双移线工况和蛇行工况条件下验证跟踪精度和求解效率，结果表明与传统的C/GMRES方法相比，所提控制方法明显提升轨迹跟踪的控制精度和改善行驶稳定性，并加快数值求解效率。