基于鲁棒Tube-MPC算法的无人车横向控制方法研究

针对自动驾驶汽车路径跟踪横向控制过程中因道路湿滑或道路坎坷不定等外界干扰造成的跟踪不稳、超调问题，提出一种将模型预测控制(MPC)和滑模控制(SMC)相结合的鲁棒Tube-MPC算法。首先，对自动驾驶汽车进行名义运动学建模并线性化推导，利用线性化名义模型求解MPC代价函数得到名义系统控制律，完成对预定轨迹的跟踪；其次，通过建立实际系统与名义系统之间的误差系统，设计SMC的滑模面及趋近律，推导出辅助控制律，完成实际状态对名义状态的贴近，以实现鲁棒性；最后，完成基于Carsim/Simulink的仿真，实验结果表明上述方法能够有效提升自动驾驶汽车在外界不确定干扰影响下的鲁棒性和跟踪精度，优于传统MPC和线性二次型调节器(LQR)为代表的无人车控制方法。