基于MPC的智能汽车自抗扰控制

智能汽车在控制过程中由于外部环境、噪声等原因会引起各种各样的干扰,这些干扰严重影响整车系统的控制精度。针对这一问题,基于二自由度车辆动力学模型,参考模型预测控制算法建立跟踪控制器,利用MPC(model predictive control)控制算法对模型进行求解,并将跟踪的车辆状态作为自抗扰控制器的参考状态,利用自抗扰控制器优化控车辆控制过程中可能出现的扰动。在Matlab/Simulink中搭建车辆动力学模型和自抗扰控制器,并进行仿真验证,结果表明,该控制器在面对各种干扰的情况下,均具有较好的控制效果。

基于自适应控制系统的智能车横向轨迹跟踪控制

智能车辆轨迹跟踪控制的研究中,由于不同工况下控制算法的适应性不强,存在着较大的跟踪误差。为提高智能车辆行驶的自适性、跟踪精度与鲁棒性,提出了一种基于模型参考自适应控制系统(MRAC)的自适应PID控制方法。利用车辆模型与参考模型输出误差自适应PID控制器的3个参数,从而得到一种基于MRAC的自适应PID控制方法。MATLAB仿真对比结果表明,2种工况基于MRAC的自适应PID最大侧向跟踪误差分别为0.036 m和0.076 m,相比传统PID控制模型,该控制模型的控制精度分别提升52.10%、11.76%,表现出更好的横向轨迹跟踪性能。