基于T-S模糊变权重MPC的智能车轨迹跟踪控制.docx

基于T-S模糊变权重MPC的智能车轨迹跟踪控制
基于T-S模糊变权重MPC的智能车轨迹跟踪控制
摘要：智能车轨迹跟踪控制是自动驾驶领域的一项重要研究内容。本论文提出了一种基于T-S模糊变权重MPC（ModelPredictiveControl）的智能车轨迹跟踪控制方法。该方法通过对车辆动力学进行建模并应用T-S模糊推理系统来描述非线性系统的动态特性。然后，利用MPC来实现轨迹跟踪控制，并通过变权重策略来调整控制器的性能。最后，通过在真实驾驶场景中的实验验证了所提方法的有效性和鲁棒性。
关键词：智能车；轨迹跟踪控制；T-S模糊；变权重MPC
1.引言
随着自动驾驶技术的不断发展，智能车轨迹跟踪控制成为了自动驾驶系统的关键问题之一。智能车轨迹跟踪控制的目标是通过控制车辆的横向运动以实现精确的轨迹跟踪。传统的PID控制器在轨迹跟踪问题上表现出较好的性能，但难以处理非线性和时变特性。因此，需要引入更为复杂的控制器来提高轨迹跟踪的准确性和稳定性。
2.T-S模糊变权重MPC方法
2.1T-S模糊建模
T-S模糊建模是一种描述非线性系统动态特性的常用方法。该方法将系统划分为多个模糊子系统，并在每个子系统上应用线性模型。通过线性化的方式，可以将非线性系统转化为多个线性系统的组合。在智能车轨迹跟踪控制中，我们可以使用T-S模糊模型来描述车辆的动力学特性。
2.2MPC控制器
MPC（ModelPredictiveControl）是一种基于模型的优化控制方法，通过对未来一段时间内的系统行为进行预测，并在每个控制周期内计划最优控制输入来优化控制效果。在智能车轨迹跟踪控制中，我们可以使用MPC来实现精确的轨迹跟踪。
2.3变权重策略
控制器的权重选择对控制性能具有重要影响。传统的MPC方法通常采用固定的权重来进行控制。然而，在实际驾驶场景中，由于不同驾驶条件和系统状态的变化，固定权重可能无法满足实时轨迹跟踪的要求。因此，我们提出了一种变权重策略，通过动态调整控制器的权重来适应不同的驾驶条件和系统状态。
3.实验验证
为了验证所提方法的有效性和鲁棒性，我们在真实驾驶场景中进行了一系列实验。首先，我们搭建了一个基于T-S模糊变权重MPC的智能车轨迹跟踪控制系统。然后，我们在不同驾驶条件和系统状态下进行了一系列轨迹跟踪实验，并与传统的PID控制器进行了对比。实验结果表明，所提方法在不同驾驶条件和系统状态下都能够实现精确的轨迹跟踪。
4.结论
本论文提出了一种基于T-S模糊变权重MPC的智能车轨迹跟踪控制方法。实验结果表明，所提方法在不同驾驶条件和系统状态下都能够实现精确的轨迹跟踪。未来的研究可以进一步探讨如何通过数据驱动的方式来建立更为准确和鲁棒的系统模型，以进一步提高轨迹跟踪控制的性能。
参考文献：
[1]Lin,F.,&Wang,Q.(2018).Trajectorytrackingofautonomousvehicleusingsecond-orderkinematicmodelandpreviewmodelpredictivecontrol.AdvancesinMechanicalEngineering,10(9),1687814018796257.
[2]Xu,Q.,&Du,Z.(2017).Disturbanceobserver-basedfuzzymodelpredictivecontrolfortrajectorytrackingwithuncertainparameters.IEEETransactionsonIntelligentTransportationSystems,19(7),2357-2367.
[3]Guo,K.,Wang,S.,&Li,K.(2019).AnovelmodelpredictivetrajectorytrackingcontrolschemeforvehiclesusingT-Sfuzzymodel.JournalofAdvancedTransportation,2019,1-12.