卢红生 刘 斌 蒋 峥 胡慧中

(*武汉科技大学冶金自动化与检测技术教育部工程研究中心 武汉 430080) (**冶金工业过程系统科学湖北省重点实验室 武汉 430080)

0 引 言

随着科技发展，人们对行车安全的要求越来越高，希望汽车能在无人操作的情况下完成自动行驶、自动避障等一系列自动驾驶行为。无人汽车的概念逐渐成为研究热点。

对于无人汽车，轨迹跟踪控制是必不可少的。首先无人汽车是一个典型非完整约束的系统[1]，其次车辆系统是一个高度耦合的复杂非线性系统，并且存在着相当多的不确定因素[2]，因此，无人汽车轨迹跟踪控制面临严峻挑战。国内外学者已经进行了相关研究，提出了用于无人地面车辆(unmanned ground vehicle，UGV)轨迹跟踪的多种方法，包括常规的PID控制，模糊控制[3]，滑模控制[4]，模型参考自适应控制[5]，神经网络控制[6]等。需要注意的是，这些控制方法均假设计算得出的控制量不会超过方向盘转角的物理限制，也忽略了车辆与道路的相互作用导致的侧滑可能性。无人汽车轨迹跟踪控制必须考虑车辆行驶过程的物理约束特性以及车辆与道路的相互作用。模型预测控制(model predictive control，MPC)是解决这一问题很好的方法[7]。2007年Falcone等人[8]将模型预测控制分别应用于无人汽车的线性模型和非线性模型的轨迹跟踪控制。近年来有很多学者将非线性预测控制应用于无人汽车轨迹跟踪[9]，虽然能减少跟踪误差，但其中的非线性滚动时域优化问题导致算法的实时性较差。因此，线性预测控制方法在无人汽车控制中仍占优势。……