无人驾驶模型预测控制（六）-加入规划层的轨迹跟踪控制
发布时间
阅读量：
阅读量
结合规划层的轨迹跟踪控制系统
核心理念包括局部规划与轨迹跟踪两个关键部分；在局部规划层面，则采用低精度模型并结合长周期优化策略；针对跟踪控制层，则采用高精度模型配合短周期校正机制
基于MPC规划层需满足的条件：
- 满足运动学、动力学约束
- 能避障
基于MPC控制层需满足的条件：
- 实际运行轨迹与预期目标轨迹之间的偏差应尽可能小。
- 优化得到的控制量应不超过动态约束条件。
- 系统具有足够的附着力以防止侧翻，并保持稳定性。
基于MPC的规划器
模型：基于质点的动力学模型
参考点的选择：当考虑目标点信息时，在参考轨迹上选取与车辆最近的特征点作为基准。
避障函数：对障碍物距离实施惩罚性约束
轨迹重规划层的模型预测控制器目标函数
五次多项式轨迹拟合
确保规划层与控制层之间实现了良好的衔接。
通过构建基于局部规划层离散点的一阶连续五次多项式曲线来完成轨迹拟合。
非线性二次规划计算
算法跟之前程序的过程基本一致。
- 模型状态空间方程
- 逐步推演（以往曾编写出预测方程式, 现在则以上一阶段的结果为基础, 来进行本阶段的推演）
- 非线性优化问题不依赖二次规划方法直接求解（过去总是将其转化为二次规划问题来处理）
个人意见：相比之下，预测方程显得更加简洁明了一些，在书写过程中涉及较多篇幅。（本质上是一致的）
预测方程可以被视为迭代方法的一种形式化表达。
基于MPC方法的路径跟踪控制器
程序设计思路并无新意：首先构建状态变量间的动态关系模型；随后对系统进行局部线性近似处理；接着建立离散时间系统建模；然后引入前向传播模型用于预测；接着采用松弛变量进行约束松弛处理；之后将复杂的非线性优化目标转化为二次型优化问题；最后通过数值优化算法确定最优参数值以求解最优控制策略
全部评论 (0)
还没有任何评论哟~