基于MPC的车辆轨迹跟踪控制与仿真实践

1. 项目概述：基于MPC的车辆轨迹跟踪仿真

在自动驾驶和车辆控制领域，轨迹跟踪是一个经典问题。想象一下你在驾校练习S弯和直角转弯的场景 - 作为人类驾驶员，我们会不断观察车辆位置与预期路径的偏差，然后微调方向盘和油门来修正。模型预测控制(MPC)就是让计算机实现类似决策过程的数学方法。

这个项目构建了一个完整的车辆控制仿真系统，主要特点包括：

• 采用运动学模型作为预测模型，适合低速场景（<60km/h）
• 使用Carsim提供高精度的车辆动力学仿真环境
• 通过Simulink实现MPC控制器并与Carsim实时交互
• 以圆形路径作为参考轨迹，验证控制器的跟踪性能

注意：虽然运动学模型简单高效，但当车速超过60km/h或需要考虑轮胎力等复杂因素时，必须切换到动力学模型。这是初学者常忽略的重要限制条件。

2. 核心模型构建

2.1 车辆运动学模型解析

车辆运动学模型描述了基础几何关系，忽略质量、轮胎摩擦等动力学因素。其核心是建立方向盘转角、油门输入与车辆位姿变化的关系：

matlab复制function dxdt = KinematicModel(t,x,u)
    L = 2.8; % 轴距(m)
    dxdt = [x(4)*cos(x(3));      % X轴速度
            x(4)*sin(x(3));      % Y轴速度 
            x(4)*tan(u(1))/L;    % 横摆角变化率
            u(2)];               % 加速度
end

状态变量x包含：

• x(1): 车辆X坐标
• x(2): 车辆Y坐标
• x(3): 航向角(yaw)
• x(4): 车速

控制输入u包含：

• u(1): 前轮转角(steering angle)
• u(2): 加速度(acceleration)

模型的关键假设：

1. 前轮转角与转向角成tan关系（小角度时可近似为线性）
2. 忽略轮胎侧偏角(slip angle)的影响
3. 假设车辆只在平面运动（不考虑坡度）

2.2 模型离散化处理

MPC需要在离散时间步长上进行预测，因此需要将连续模型离散化。采用前向欧拉法：

matlab复制dt = 0.1