郑鑫 赵又群

（南京航空航天大学，南京 210016）

主题词：路径跟踪稳定性LQR自适应控制

1 前言

路径跟踪作为智能车运动控制的核心，已成为国内外学者的研究热点，其最常用的控制手段是模型预测控制（Model Predictive Control，MPC）、最优控制和鲁棒控制。Amir[1]等人针对MPC计算量大的问题，提出了一种利用机器学习选择最佳模型的运行时切换算法，在保证精度的情况下，有效提高了效率。Wang Zejiang[2]等人提出了一种基于查表的在线参数选择方法来提高MPC的效率。Guo Hongyan[3]等人采用微分进化算法对MPC 进行了优化，提高了计算性能和控制性能。Hamid[4]等人为提高控制器鲁棒性，设计了非线性MPC 控制器。Lima[5]等人在MPC 目标函数中综合考虑了平顺性约束。杭鹏[6]等人在分布式驱动汽车上验证了MPC 路径跟踪控制器的可行性。郭应时[7]等人考虑乘坐舒适性，分别对比了基于预瞄和最优控制的控制器跟踪效果。黄海洋[8]等人提出了一种基于多点预瞄最优控制的路径跟踪控制方法，保证了跟踪精度和算法实时性。Zhang Xizheng[9]等人提出了一种最优预见线性二次调节器，实现了精确的路径跟踪和最优的转矩分配。Alipour[10]等人基于轮式移动机器人路径跟踪提出了一种基于滑模鲁棒方法的控制器，提高了系统抗干扰性。Zhao Zhiguo[11]等人提出的紧急转向避撞（Emergency Steering Evasion，ESE）辅助控制器可优化预瞄距离，提高了路径跟踪精度和车辆稳定性。Barbosa[12]等人提出了一种利用鲁棒递推调节器对参数不确定车辆进行路径跟踪和横向控制的方法。

以上路径跟踪研究大多采用MPC，该算法的高计算量使得控制器一般无法满足汽车高速行驶时的实时性，其他算法，如滑模控制中的颤振，对执行机构的可靠性也有很大影响。……