基于多参数自适应优化的智能车轨迹跟踪

摘要

为了在不同工况中,同时兼顾轨迹跟踪算法的跟踪精度,计算速度与车辆稳定性,提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制,并基于路面附着系数设计2种控制策略:在高附着系数路面,针对不同车速优化预测时域与控制时域;在低附着系数路面,开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数,利用CarSim-Simulink平台进行联合仿真。研究结果表明:路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求;相较于传统线性时变MPC跟踪算法,低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上,横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验,算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化,利用自适应预测时域,控制时域与权重参数协同优化控制,为轨迹跟踪控制在复杂环境的研究提供了一种思路。