MPC+PTC+AFS模型预测控制与路径跟踪仿真：72km/h高速度下的附着系数仿真研究

QmZVLlLHvXq

0人浏览 · 2026-03-26 16:15:00

QmZVLlLHvXq · 2026-03-26 16:15:00 发布

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。

今天我要和大家聊聊一个关于汽车控制的有意思的内容：基于模型预测控制（MPC）的路径跟踪控制系统，结合侧偏角软约束和主动前轮转向（AFS），在高附着系数和低附着系数下的性能表现。作为一个喜欢动手尝试的工程师，我最近在 MATLAB 和 CarSim 的环境下做了一些仿真，结果还挺有意思的，这里和大家分享一下。

1. 整体框架：MPC + 路径跟踪 + 侧偏角软约束

整个系统的控制架构大致可以分为以下几个部分：

路径跟踪（Path Tracking Control, PTC）：负责规划车辆的轨迹，并计算期望的跟踪误差。
模型预测控制（MPC）：基于当前状态的预测，优化控制输入，确保车辆沿着期望路径行驶。
侧偏角软约束（Soft Sideslip Constraint）：在控制过程中，考虑轮胎的侧偏角限制，避免轮胎工作在极限状态，从而提高车辆的稳定性和舒适性。

听起来有点复杂？其实可以这么理解：系统通过预测车辆未来的运动状态，调整前轮的转向角，帮助车辆沿着规划的路径行驶。与此同时，还会实时监测轮胎的侧偏角，避免在极端情况下让轮胎“抓不住地”。

2. MPC的实现：基于s-function的方式

先来聊聊 MPC 的实现部分。这里用的是增量式 MPC，具体是通过 s-function 在 MATLAB 中实现的。输入包括跟踪误差（也就是车辆偏离目标路径的量）、横摆角误差、侧向速度和横摆角速度，输出是前轮转向角。

代码部分大致是这样的：

function sys = mpc_sfunction(t, x, u, flag)
    switch flag
        case 0
            % 系统初始化
            sys = [0; 0; 0; 0]; % 状态
        case 1
            % 状态更新
            sys = model预测部分;
        case 2
            % 输出计算
            sys = controller计算部分;
    end
end

当然，实际代码会更复杂一些，但大致的框架就是这样。需要注意的是，这部分只考虑了横向控制，也就是说，只调整前轮转向角，而纵向速度是固定的，或者由其他控制器单独控制。