肖宗鑫，李晓杰，肖宗烁，张志文，董小瑞

（1.中北大学 能源动力工程学院，太原 030051；2.东北林业大学 经济管理学院，哈尔滨 150040）

由于在提升车辆主动安全性、改善交通效率以及降低能耗等方面的巨大潜能，无人驾驶技术已经成为当前车辆行业的研究热点［1-2］，而轨迹跟踪是无人驾驶车辆的研究重点之一［3］。

模型预测控制（MPC）［4-5］具有很高的控制精度，且便于添加约束条件，在过程控制中被广泛应用［6］。Borrelli等［7］、Falcone等［8-9］设 计了MPC控制器，实现了车辆前轮的自动转向，较好地完成了轨迹跟踪任务；ATTIA等［10］基于非线性模型预测控制设计了侧向控制器，计算负担大，不适于高速工况；对于线性模型预测控制，李培新等［11］只考虑了运动学因素的影响，王秋等［12］仅建立了2自由度的车辆动力学预测模型，孙银健［13］研究了车辆在低附着路面的轨迹跟踪问题，将最高安全速度限定在12 m／s内；线性时变模型预测控制实时计算量相对较小，但当状态偏离线性化工作点时可能会产生较大的预测误差从而导致系统不稳定［14］；邹凯等［15］考虑轮胎力进入非线性区［16］的情况，设计了增量线性MPC（ILTV-MPC）提高了计算的实时性。

HU Jianjun等［17］提出利用模糊控制对ILTVMPC补偿控制，但模糊控制器不具备自适应能力，无法满足复杂的行驶工况，且缺乏理论上的稳定性证明；引入包络线约束的ILTV-MPC优化方法［18-19］和变步长的模型离散化方法［20-22］仅集中于对转向的优化；BROWN M等［23］提出了N-MPC并进行了实车验证，但可能陷入局部最优。

传统MPC对系统不确定性的处理能力有限，当系统模型描述不准确或者存在外部扰动时，往往难以实现既定的控制目标［24］。……