小角度假设下的车辆动力学模型与MPC控制

"小角度假设下的车辆动力学模型用于简化车辆模型预测控制器的设计，该模型基于Visual C#的组件开发，适用于无人驾驶车辆的路径识别与跟踪控制。" 在车辆动力学模型的构建中，通常会考虑车辆的空间状态方程和轮胎模型，这些方程是非线性的，这使得模型预测控制器的设计变得复杂。为了解决这个问题，可以在小角度假设下对模型进行简化。当侧偏角和纵向滑移率都很小的情况下，轮胎的纵向力和侧向力可以使用线性函数来近似，这在侧向加速度小于0.4g的情况下对常规轮胎有较高的拟合度。利用这个假设，可以减少模型中的三角函数，降低简化的难度。 具体来说，轮胎侧偏角的计算可以用式3.24和式3.25表示，而前、后轮的侧向力和纵向力则分别由式3.26和式3.27给出。这些简化公式被用来构建一个基于前轮小偏角和线性轮胎模型假设的车辆动力学非线性模型，模型表达式为式3.28。在这个模型中，状态量包括车辆的位置、速度、侧偏角等，控制量主要是前轮转向角和驱动力。 在无人驾驶领域，模型预测控制（MPC）算法是常用的一种先进控制策略。本论文将MPC算法应用于路径识别与跟踪控制，首先通过摄像头对车道线进行识别，然后制定安全的动作决策和路径规划，最后利用基于3自由度车辆动力学模型和线性时变模型预测控制器来实现轨迹跟踪，通过控制前轮转向角确保车辆能够精确跟踪期望的行驶轨迹。 这一方法对于无人驾驶汽车的稳定行驶至关重要，特别是在不同的道路工况下，如弯道、坡道等，能够保证车辆按照预定的路线行驶，提高行驶的安全性和效率。冉洪亮的硕士学位论文中详细探讨了这一过程，通过实际的MATLAB图像处理工具进行了车道线检测，证明了这种方法的有效性。