ZIP基于MPC、PTC及AFS技术的车辆路径跟踪控制策略仿真研究-以72km/h高速度、不同附着系数双移线工况为例，在MATLAB 2020b及CarSim 2020环境下仿真验证,"基于MPC与PTC 657.76KB

JIONRghzMmK

资源文件列表:

模型预测控制路径跟踪侧偏角软.zip 大约有15个文件
  1. 1.jpg 288.72KB
  2. 2.jpg 263.31KB
  3. 3.jpg 33.35KB
  4. 4.jpg 23.13KB
  5. 5.jpg 99.86KB
  6. 基于与的车辆路径跟踪与侧偏角软约束控制策略研究一.html 18.64KB
  7. 基于与的车辆路径跟踪控制策略研究一引言随着汽车智能.html 19KB
  8. 基于与的车辆路径跟踪控制系统设计.doc 2.14KB
  9. 基于和软侧偏角约束的车辆路径跟踪.html 18.81KB
  10. 基于的路径跟踪与侧偏角软约束的主动前.txt 2.12KB
  11. 基于的路径跟踪与侧偏角软约束的主动前轮转向.txt 2.02KB
  12. 文章标题基于与路径跟踪技术的车辆横向.doc 2.03KB
  13. 文章标题基于的路径跟踪与侧偏角软约束在主动前轮转向.txt 2.07KB
  14. 文章标题基于的路径跟踪控制与侧偏角软约束的主动前.html 17.83KB
  15. 模型预测控制路径跟踪侧偏角软约束主.html 18.5KB

资源介绍:

基于MPC、PTC及AFS技术的车辆路径跟踪控制策略仿真研究——以72km/h高速度、不同附着系数双移线工况为例，在MATLAB 2020b及CarSim 2020环境下仿真验证,"基于MPC与PTC的车辆路径跟踪控制策略研究：侧偏角软约束与主动前轮转向AFS的协同作用",模型预测控制MPC+路径跟踪PTC+侧偏角软约束+主动前轮转向AFS， 范例是72km h，附着系数0.3的单移线，附着系数0.85双移线。 仿真MATLAB2020b版本和carsim2020。 MPC： 一为增量式方法编写，采用s-function实现，输入为跟踪误差、横摆角误差、侧向速度和横摆角速度，输出量为前轮转角，仅考虑横向控制。 考虑了前后轮的侧偏角软约束，在侧偏角到约束边界时减小控制律，保证侧偏角的稳定。 二为采用Apollo中的模型，基于MATLAB function编写，不包括侧偏角软约束，作为对比参考使用。 包含carsim的cpar文件、模型mdl文件、绘图m文件(运行后一键出图)、说明文档和中文文献。 ,核心关键词： MPC; 路径跟踪PTC; 侧偏角软约束; 主动前轮转向A
<link href="/image.php?url=https://csdnimg.cn/release/download_crawler_static/css/base.min.css" rel="stylesheet"/><link href="/image.php?url=https://csdnimg.cn/release/download_crawler_static/css/fancy.min.css" rel="stylesheet"/><link href="/image.php?url=https://csdnimg.cn/release/download_crawler_static/90373411/2/raw.css" rel="stylesheet"/><div id="sidebar" style="display: none"><div id="outline"></div></div><div class="pf w0 h0" data-page-no="1" id="pf1"><div class="pc pc1 w0 h0"><img alt="" class="bi x0 y0 w1 h1" src="/image.php?url=https://csdnimg.cn/release/download_crawler_static/90373411/bg1.jpg"/><div class="t m0 x1 h2 y1 ff1 fs0 fc0 sc0 ls0 ws0">**<span class="ff2">基于<span class="_ _0"> </span></span>MPC<span class="_ _1"> </span><span class="ff2">与<span class="_ _0"> </span></span>AFS<span class="_ _1"> </span><span class="ff2">的车辆路径跟踪控制系统设计与仿真</span>**</div><div class="t m0 x1 h2 y2 ff2 fs0 fc0 sc0 ls0 ws0">一<span class="ff3">、</span>引言</div><div class="t m0 x1 h2 y3 ff2 fs0 fc0 sc0 ls0 ws0">随着自动驾驶技术的不断发展<span class="ff4">，</span>车辆路径跟踪和稳定性控制成为了研究的重要方向<span class="ff3">。</span>本篇文章将介绍</div><div class="t m0 x1 h2 y4 ff2 fs0 fc0 sc0 ls0 ws0">一种基于模型预测控制<span class="ff4">（<span class="ff1">MPC</span>）</span>和主动前轮转向<span class="ff4">（<span class="ff1">AFS</span>）</span>的路径跟踪控制系统<span class="ff4">，</span>以<span class="_ _0"> </span><span class="ff1">72km/h<span class="_ _1"> </span></span>速度<span class="ff3">、</span>不</div><div class="t m0 x1 h2 y5 ff2 fs0 fc0 sc0 ls0 ws0">同附着系数<span class="ff4">（<span class="ff1">0.3<span class="_ _1"> </span></span></span>单移线<span class="ff3">、<span class="ff1">0.85<span class="_ _1"> </span></span></span>双移线<span class="ff4">）</span>为范例<span class="ff4">，</span>在<span class="_ _0"> </span><span class="ff1">MATLAB 2020b<span class="_ _1"> </span></span>版本和<span class="_ _0"> </span><span class="ff1">CarSim 2020<span class="_ _1"> </span></span>软件</div><div class="t m0 x1 h2 y6 ff2 fs0 fc0 sc0 ls0 ws0">环境下进行仿真<span class="ff3">。</span></div><div class="t m0 x1 h2 y7 ff2 fs0 fc0 sc0 ls0 ws0">二<span class="ff3">、</span>系统模型与<span class="_ _0"> </span><span class="ff1">MPC<span class="_ _1"> </span></span>算法设计</div><div class="t m0 x1 h2 y8 ff1 fs0 fc0 sc0 ls0 ws0">1.<span class="_ _2"> </span><span class="ff2">增量式<span class="_ _0"> </span></span>MPC<span class="_ _1"> </span><span class="ff2">算法实现</span></div><div class="t m0 x1 h2 y9 ff2 fs0 fc0 sc0 ls0 ws0">本系统采用<span class="_ _0"> </span><span class="ff1">s-function<span class="_ _1"> </span></span>实现增量式<span class="_ _0"> </span><span class="ff1">MPC<span class="_ _1"> </span></span>算法<span class="ff3">。</span>输入包括跟踪误差<span class="ff3">、</span>横摆角误差<span class="ff3">、</span>侧向速度和横摆</div><div class="t m0 x1 h2 ya ff2 fs0 fc0 sc0 ls0 ws0">角速度<span class="ff4">，</span>输出为前轮转角<span class="ff4">，</span>仅考虑车辆的横向控制<span class="ff3">。</span>通过优化算法<span class="ff4">，<span class="ff1">MPC<span class="_ _1"> </span></span></span>能够预测未来时刻的车辆状</div><div class="t m0 x1 h2 yb ff2 fs0 fc0 sc0 ls0 ws0">态<span class="ff4">，</span>并计算出使代价函数最小的前轮转角<span class="ff4">，</span>从而实现路径跟踪<span class="ff3">。</span></div><div class="t m0 x1 h2 yc ff1 fs0 fc0 sc0 ls0 ws0">2.<span class="_ _2"> </span><span class="ff2">侧偏角软约束设计</span></div><div class="t m0 x1 h2 yd ff2 fs0 fc0 sc0 ls0 ws0">考虑到前后轮的侧偏角稳定性<span class="ff4">，</span>我们在<span class="_ _0"> </span><span class="ff1">MPC<span class="_ _1"> </span></span>算法中引入了侧偏角的软约束<span class="ff3">。</span>当侧偏角接近约束边界时</div><div class="t m0 x1 h2 ye ff4 fs0 fc0 sc0 ls0 ws0">，<span class="ff2">通过减小控制律的力度</span>，<span class="ff2">保证侧偏角的稳定<span class="ff3">。</span>这种设计可以有效提高车辆在复杂路况下的操控性和</span></div><div class="t m0 x1 h2 yf ff2 fs0 fc0 sc0 ls0 ws0">稳定性<span class="ff3">。</span></div><div class="t m0 x1 h2 y10 ff1 fs0 fc0 sc0 ls0 ws0">3.<span class="_ _2"> </span>Apollo<span class="_ _1"> </span><span class="ff2">模型对比实现</span></div><div class="t m0 x1 h2 y11 ff2 fs0 fc0 sc0 ls0 ws0">为了对比不同<span class="_ _0"> </span><span class="ff1">MPC<span class="_ _1"> </span></span>算法的效果<span class="ff4">，</span>我们还采用了<span class="_ _0"> </span><span class="ff1">Apollo<span class="_ _1"> </span></span>中的车辆模型<span class="ff4">，</span>基于<span class="_ _0"> </span><span class="ff1">MATLAB function<span class="_ _1"> </span></span>编</div><div class="t m0 x1 h2 y12 ff2 fs0 fc0 sc0 ls0 ws0">写<span class="_ _0"> </span><span class="ff1">MPC<span class="_ _1"> </span></span>算法<span class="ff3">。</span>该算法不包含侧偏角软约束<span class="ff4">，</span>可以用于评估无约束条件下的路径跟踪性能<span class="ff3">。</span></div><div class="t m0 x1 h2 y13 ff2 fs0 fc0 sc0 ls0 ws0">三<span class="ff3">、</span>仿真环境与设置</div><div class="t m0 x1 h2 y14 ff1 fs0 fc0 sc0 ls0 ws0">1.<span class="_ _2"> </span>Carsim<span class="_ _1"> </span><span class="ff2">环境配置</span></div><div class="t m0 x1 h2 y15 ff2 fs0 fc0 sc0 ls0 ws0">仿真采用<span class="_ _0"> </span><span class="ff1">CarSim<span class="_ _1"> </span></span>软件<span class="ff4">，</span>通过<span class="_ _0"> </span><span class="ff1">cpar<span class="_ _1"> </span></span>文件和模型<span class="_ _0"> </span><span class="ff1">mdl<span class="_ _1"> </span></span>文件设置车辆参数<span class="ff3">、</span>道路信息和仿真环境<span class="ff3">。</span>其中</div><div class="t m0 x1 h2 y16 ff4 fs0 fc0 sc0 ls0 ws0">，<span class="ff2">道路信息包括不同附着系数的单移线和双移线路况<span class="ff3">。</span></span></div><div class="t m0 x1 h2 y17 ff1 fs0 fc0 sc0 ls0 ws0">2.<span class="_ _2"> </span>MATLAB<span class="_ _1"> </span><span class="ff2">脚本编写</span></div><div class="t m0 x1 h2 y18 ff2 fs0 fc0 sc0 ls0 ws0">仿真过程中需要编写运行脚本<span class="ff4">，</span>包括数据采集<span class="ff3">、</span>处理<span class="ff3">、</span>以及绘图等<span class="ff3">。</span>通过<span class="_ _0"> </span><span class="ff1">MATLAB<span class="_ _1"> </span></span>的脚本功能<span class="ff4">，</span>可以</div><div class="t m0 x1 h2 y19 ff2 fs0 fc0 sc0 ls0 ws0">实现一键出图<span class="ff4">，</span>方便结果分析和对比<span class="ff3">。</span></div></div><div class="pi" data-data='{"ctm":[1.568627,0.000000,0.000000,1.568627,0.000000,0.000000]}'></div></div>
100+评论
captcha
    相关资源
    类型标题大小时间
    ZIP基于MATLAB的双卡尔曼滤波算法：融合电池电压修正SOC与安时积分法的优化研究,基于MATLAB的双卡尔曼滤波算法：融合电池电压修正SOC与安时积分法的优化研究,基于matlab的双卡尔曼滤波算法146.13KB2月前
    ZIPDynamic-IPv6-DNS - 基于DynV6的自动化DDNS更新脚本，支持Windows系统3.59KB2月前
    ZIP高分项目，基于Matlab开发实现的基于参考点选择策略的改进型NSGA-III算法，内含完整源码+讲解视频4.97KB2月前
    ZIPpython实现的学生信息管理系统—GUI界面版1.1KB2月前
    ZIP探讨马兰戈尼对流对Comsol激光抛光熔覆中熔池流动行为的影响：活性元素调控表面张力系数的力学分析 ,"Comsol激光抛光技术：熔覆熔池流动与马兰戈尼对流效应的深度解析，考虑活性元素影响下的表面张力108.52KB2月前
    ZIPApollo3-Blue OTA中文说明3.32MB2月前
    ZIP《分布式事件驱动控制在有限时间一致性中的研究与应用-以为例》,分布式事件驱动控409.87KB2月前
    ZIPacm常用算法模板(C++版)5.57KB2月前