基于模型预测控制的智能电动客车轨迹跟踪控制算法研究

基于模型预测控制的智能电动客车轨迹跟踪控制算法研究摘要

为了提高智能电动客车的运行效率和安全性，本文提出了一种基于模型预测控制的轨迹跟踪控制算法。首先，针对智能电动客车在复杂道路环境下的运动特性，建立了基于物理模型的车辆动力学模型，并使用扰动观测器对模型进行改进，提高了模型的逼近精度和稳定性。其次，提出了模型预测控制算法，将车辆状态预测与车辆控制相结合，基于最优控制理论实现轨迹跟踪控制，提高了车辆的运行效率和稳定性并确保安全性。实验结果表明，所提出的算法能够有效地跟踪给定轨迹，并在处理道路不确定性和干扰时表现良好，验证了该算法的稳定性和实用性。

关键词：智能电动客车、轨迹跟踪控制、模型预测控制、物理模型、扰动观测器、最优控制

Abstract

Inordertoimprovetheoperationalefficiencyandsafetyofintelligentelectricbuses,thispaperproposesatrajectorytrackingcontrolalgorithmbasedonmodelpredictivecontrol.Firstly,basedonthemotioncharacteristicsofintelligentelectricbusesincomplexroadenvironments,avehicledynamicsmodelbasedonphysicalmodelsisestablished,andthemodelisimprovedusingadisturbanceobservertoimprovetheapproximationaccuracyandstabilityofthemodel.Secondly,amodelpredictivecontrolalgorithmisproposed,whichcombinesvehiclestatepredictionwithvehiclecontrol,realizestrajectorytrackingcontrolbasedonoptimalcontroltheory,improvesvehicleoperationalefficiencyandstability,andensuressafety.Experimentalresultsshowthattheproposedalgorithmcaneffectivelytrackthegiventrajectoryandperformswellindealingwithroaduncertaintiesanddisturbances,verifyingthestabilityandpracticalityofthealgorithm.

Keywords:intelligentelectricbus,trajectorytrackingcontrol,modelpredictivecontrol,physicalmodel,disturbanceobserver,optimalcontrol

一、引言

随着社会发展和城市化进程的加快，公共交通系统的发展日益受到人们的关注。智能电动客车作为新一代公共交通工具，具有环保、安全、高效等优点，受到了越来越多的关注。然而，智能电动客车在复杂道路环境下的运行依然存在一些挑战，如车辆稳态性、精度、路线规划等问题需要得到解决。

车辆轨迹跟踪控制是电动客车控制的关键问题之一，直接影响智能电动客车的运行效率和安全性。传统的PID控制方法在处理复杂路况时表现不够理想，因此需要设计更加高效、稳定的轨迹跟踪控制算法。模型预测控制（MPC）方法因其具有动态预测、多状态变量控制等优点而逐渐成为一种有效的轨迹跟踪控制方法。

本文旨在提出一种基于模型预测控制的智能电动客车轨迹跟踪控制算法，以提高电动客车的运行效率和稳定性。首先建立了基于物理模型的车辆动力学模型，并使用扰动观测器进行改进，提高了模型的逼近精度和稳定性。然后，基于最优控制理论提出了模型预测控制算法，使车辆状态预测与车辆控制相结合，实现轨迹跟踪控制。最后进行实验验证算法的稳定性和实用性。

二、车辆动力学模型

智能电动客车的运动特性比较复杂，需要建立合理的车辆动力学模型以实现轨迹跟踪控制。在本文中，采用基于物理模型的车辆动力学模型，具体如下：

\begin{equation}

\left\{\begin{aligned}

&\dot{v}=\frac{1}{m}(di-f_{r}cos\delta-f_{d}-f_{a})\\

&\dot{\delta}=\frac{1}{J}\left(F_{f}l_{f}-F_{r}l_{r}\right)\\

&\dot{\psi}=v\frac{tan\delta}{L_{f}+L_{r}}\\

&\dot{x}=vcos\psi\\

&\dot{y}=vsin\psi\\

\end{aligned}\right.

\end{equation}

其中，$v$为车辆速度，$\delta$为前轮转角，$\psi$为车辆角度，$x$和$y$为车辆位置，$m$为车辆质量，$f_{r}$为滚动阻力，$\delta$为前轮转角，$f_{d}$为空气阻力，$f_{a}$为辅助驱动力，$J$为转动惯量，$F_{f}$为前轮侧向力，$F_{r}$为后轮侧向力，$l_{f}$为车辆前轮距离，$l_{r}$为车辆后轮距离，$L_{f}$为车辆重心到前轮距离，$L_{r}$为车辆重心到后轮距离。

为了改进车辆动力学模型的预测精度和稳定性，本文使用扰动观测器进行改进。扰动观测器可以通过测量车辆状态数据和约束条件实现不确定性和干扰的精确观测和鉴别，提高了模型的逼近精度和稳定性。

三、模型预测控制算法

在本文中，采用模型预测控制（MPC）算法实现轨迹跟踪控制。MPC算法是一种基于动态模型预测的控制方法，将未来状态预测与控制器设计相结合，通过优化求解来取得最优控制策略。MPC算法不仅可以稳定地控制系统，而且可以通过在线优化实现复杂的任务，并能够适应各种动态环境。

在本文中，MPC算法的目标是使车辆沿着给定的轨迹行驶并实现稳定的跟踪控制。首先，为了实现状态预测和优化控制，需要将车辆动力学模型离散化，建立离散化模型。离散化车辆动力学模型如下：

\begin{equation}

\left\{\begin{aligned}

&x_{k+1}=Ax_{k}+Bu_{k}+w_{k}\\

&z_{k}=Cx_{k}\\

&u_{k}=\pi(z_{k},y_{k})

\end{aligned}\right.

\end{equation}

其中，$A$、$B$、$C$为离散化车辆动力学模型的系数矩阵，$u_{k}$为车辆的控制输入变量，$w_{k}$为模型的扰动项，$\pi(z_{k},y_{k})$为控制器的输出。

其次，需要建立状态预测模型，即预测车辆未来状态的模型。在本文中，采用线性模型预测器（LMP）进行预测，预测模型如下：

\begin{equation}

\left\{

\begin{aligned}

&Mz(k+i+1|k)=Az(k+i|k)+Bu(k+i|k)\\

&z(k+i|k)=Cz(k+i|k)+Dy(k)\\

&z(k|k)=Cz(k)+Dy(k)

\end{aligned}

\right.

\end{equation}

预测模型的目标是根据当前状态和输入，预测未来状态，并根据控制目标对预测值进行修正，实现优化控制。

最后，使用最优控制理论求解控制输入变量，实现轨迹跟踪控制。使用二次规划方法求解最优控制输入变量，实现最优控制。实验结果表明，所提出的算法具有很高的轨迹跟踪精度和稳定性，能够适应不同的道路环境和驾驶情况。

四、实验结果和分析

为了验证所提出的算法的性能和稳定性，进行了仿真实验。实验采用中国城市公交路段的路线进行测试，测试车辆为智能电动客车，仿真环境为Matlab/Simulink环境。实验结果表明，所提出的算法能够有效地跟踪给定轨迹，并在处理道路不确定性和干扰时表现良好。图1为轨迹跟踪误差曲线，可以看出，所提出的算法的轨迹跟踪误差很小，表现出比较好的稳定性。

图1轨迹跟踪误差曲线

为了进一步验证所提算法的性能和实用性，与PID控制算法进行了比较，仿真结果如下，可以看出，所提出的算法相比PID控制具有更好的跟踪效果和性能。

图2比较所提算法和PID控制算法

综上所述，本文提出了一种基于模型预测控制的智能电动客车轨迹跟踪控制算法。建立了基于物理模型的车辆动力学模型，并使用扰动观测器进行改进，提高了模型的逼近精度和稳定性。在此基础上，采用MPC算法实现轨迹跟踪控制，根据车辆状态预测和优化控制实现有效的轨迹跟踪控制。实验结果表明，所提出的算法具有很高的轨迹跟踪精度和稳定性，能够适应各种道路情况该算法还能够处理各种障碍物和交通情况，使得电动客车能够在城市公交路线中稳定行驶，从而提高了公交运输的效率和可靠性。与传统的PID控制算法相比，所提出的算法更加高效和准确，能够为智能电动客车的轨迹跟踪控制提供更好的解决方案。

不过，尽管该算法能够很好地处理道路不确定性和干扰，但其仍然存在一些问题和改进的空间。例如，在一些复杂的交通场景中，如大规模的堵车和车辆密集的路段，该算法可能需要更加强大和高效的控制策略。此外，该算法还需要进一步的优化和实验验证，以确保其可靠性和性能。

总之，基于模型预测控制的智能电动客车轨迹跟踪控制算法为城市公交运输提供了更加高效、稳定和可靠的解决方案。它不仅能够提高智能电动客车的运输效率和安全性，还能够为城市公共交通事业的发展做出积极的贡献此外，智能电动客车轨迹跟踪控制算法的推广和应用也面临一些挑战和困难。首先，该算法需要高精度的地图和交通数据作为输入，这对于一些缺乏现代化交通系统的地区可能存在困难。其次，该算法需要实时的计算和决策，因此需要具备高性能的计算硬件和软件支持。另外，该算法还需要考虑到人员、物品等安全因素的影响，因此需要与其他智能系统协同工作。

然而，尽管面临诸多挑战，智能电动客车轨迹跟踪控制算法依然具有广阔的应用前景和市场需求。随着全球城市交通拥堵和空气污染问题的日益突出，越来越多的城市和地区开始关注和采用智能电动交通工具。在这种背景下，基于模型预测控制的轨迹跟踪控制算法将逐渐成为公共交通系统中的核心技术，为城市交通事业的可持续发展提供强有力的技术支持和保障。

最后，智能电动客车轨迹跟踪控制算法的研究和应用需要各方面的支持和合作。政府应加强交通基础设施建设和管理，提高城市交通规划和规范化水平，为智能电动客车的运营提供便利和保障。学术界和产业界应加强合作，深入研究和开发更加高效、智能的轨迹跟踪控制算法和系统，推进智能交通技术的创新和应用。只有在多方支持和合作的共同努力下，才能够让智能电动客车轨迹跟踪控制算法真正成为城市公共交通的主流技术，为城市交通事业的可持续发展做出更加积极的贡献另外一些需要注意的问题是，智能电动客车轨迹跟踪控制算法在应用过程中也需要考虑到数据的安全和隐私保护问题。交通数据涉及到用户的隐私和个人信息，因此需要对数据进行加密和安全存储，保障用户和数据的安全。

同时，智能电动客车的发展还需要与社会、经济、环境等多方面因素相结合，进行综合规划和管理。例如，需要考虑到智能电动客车的能耗问题，采用低碳、可再生能源等技术进行研发和应用，实现电动客车的可持续发展。

此外，智能电动客车轨迹跟踪控制算法的应用还需要与公共交通的管理和服务相结合。智能电动客车作为城市公共交通的重要组成部分，需要与其他交通工具相互衔接，提高公共交通的整体效率和服务水平。此外，还需要考虑到用户的便利和舒适度问题，提供高质量的公共交通服务。

总之，智能电动客车轨迹跟踪控制算法的研究和应用具有重要意义和广阔前景。为了推动智能交通技术的发展和城市交通事业的可持续发展，需要政府、学术界、产业界等各方面的共同努力和合作，加强