基于模型预测控制的车辆纵向控制研究

针对提高车辆对纵向速度的跟踪精度，提出了一种智能车辆速度跟踪控制方法。采用直接式控制结构对车辆纵向控制器进行设计，建立车辆的纵向动力学模型和车辆纵向速度跟踪模型，为了满足车辆行驶的平稳性和乘车人的舒适性，对加速度进行了约束，将模型预测控制(MPC)问题转换为二次规划问题求解，基于MPC算法，设计纵向运动控制器，并在CarSim和Matlab/Simulink搭建联合仿真平台，对所选取的工况进行仿真验证，结果表明提出的控制策略能够很好的实现车速跟踪，且能够保证乘车人的舒适性。

随着交通堵塞，环境污染越发严重，智能车辆作为智能交通的重要组成部分，相关研究和应用越来越受到关注，并已成为汽车工业领域中最具吸引力的发展方向之一。自动驾驶技术的快速发展，智能车辆不仅能提高道路交通效率，还能减少交通事故和污染。近年来，智能车辆技术得到了很大的发展，已成为全球汽车行业研究和开发的热点。作为汽车制造业和人工智能领域的一部分，智能车辆技术已经开始应用到各个领域。从近几年全球汽车市场和汽车行业的发展趋势来看，智能车辆技术将对汽车产业产生巨大影响，并有望成为未来汽车技术的主导力量。运动控制是智能车辆领域研究的核心问题之一[1]， 有着重要意义，其主要包括横向控制、纵向控制以及横向–纵向综合协调控制车辆纵向控制。本文主要研究智能车辆的纵向运动控制研究。

纵向运动控制研究主要是对智能车辆的车速进行调节， 实现车辆平稳的加减速和车辆距离保持功能。

大体可分为直接式纵向控制结构和分层式纵向控制结构两种方法[2]。Peng Hang [3]将传统的滑模控制理论和神经网络改为自适应滑模控制，设计了纵向运动控制器。仿真结果表明，采用自适应滑模控制器的车辆速度跟踪误差比传统滑模控制器的更小。康腾[4]为了提高车辆在行驶时速度变化的精度，采用分层控制方法，利用PID 控制算法设计了上层控制器，方便得到车辆在车速变化过程中的加速度，下层控制器通过对制动踏板和加速踏板的控制， 从而得到油气门开度和制动压力的数据。

随后通过联合仿真表明， 设计的控制器对车辆速度的变化有较高的控制精度。程常文[5]利用模型预测控制算法设计车辆纵向运动上层控制器，基于车辆纵向动力学模型设计了纵向运动的下层控制器，上层控制器是跟据前车的车速反馈得到被控车辆的期望车速，下层控制器则根据期望车速控制油门和制动踏板的力度，以达到在行驶过程中良好的跟踪能力并保持安全。文献[6] [7] [8] [9]采用分层控制策略，设计车辆纵向控制器，基于二自由度车辆模型，设计横向控制器，以车辆速度作为耦合点，联合横纵控制，实现了车辆在转向换道过程中也能保持良好的车速跟踪能力。

清华大学的李宾洋[10]采用分层控制思想， 在低速工况下设计纵向控制系统，设计了纵向运动控制器，通过控制油气门开度和制动踏板控制车辆加速度，保证车辆行驶的跟踪速度和车辆间距。

针对提高车辆对速度跟踪和距离保持能力，提出了一种智能车辆速度跟踪控制方法。通过建立车辆纵向动力学模型， 基于模型预测控制算法， 设计直接式纵向控制器， 为了提高控制目标速度跟踪的精度， 同时在实际驾驶过程中保证人体舒适性，避免过大的加速度和冲击度，建立车辆纵向速度跟踪模型，对目标函数和约束条件进行设计， 将MPC 控制问题就转换为一个二次规划求解问题， 为智能车辆的纵向速