基于实时避障的自动驾驶汽车非线性模型预测控制

基于实时避障的自动驾驶汽车非线性模型预测控制

提出了一种用于自动驾驶汽车实际行驶时避开障碍物的轨迹跟踪的非线性模型预测控制（NMPC）方法，旨在探讨车载控制器相对于NMPC的实用性能。比较了两种不同的避障方法，并在几个模拟现实的跟踪场景中对NMPC进行了测试研究，其跟踪场景主要包括道路上的静态障碍物和道路边界。为了简化车辆动力学的研究，采用半车模型来预测NMPC模型中的车辆响应状态。使用高仿真度的非线性CarSim车辆模型来评估自动驾驶汽车的性能，并在仿真结果中对控制器进行验证测试。对控制器中的CPU时间进行分析，以评估这些实时应用程序的效率。研究结果表明，在正常实际道路行驶速度下，NMPC控制器能够显示出令人满意的在线跟踪性能，同时还满足了实时控制的要求；与较短的视野相比，较长的预测视野可以使得控制器有更好的响应，在减少偏差的同时，更容易避开障碍物。

所提出的用于现实道路条件的基于NMPC的轨迹控制器可以在正常行驶速度下很好地处理动态轨迹变化和意外障碍的情况。而且，NMPC还使用了比普通汽车更长的前瞻性视野，以便于能够更好地避开障碍，但是成本上有所提高。该控制器的计算负荷是在可接受的范围内实时执行操作。

未来的研究工作可以进一步优化处理速度，保证实时处理速度的稳定性。

刊名：Canadian Journal of Electrical and Computer Engineering（英）

刊期：2017年第1期

作者：Abbas,Muhammad Awais et al

编译：陈少帅