共计 2006 个字符，预计需要花费 6 分钟才能阅读完成。
背景痛点：为什么需要 MPC？
在 CarSim 仿真中测试轨迹跟踪算法时，传统 PID 控制器常遇到两个典型问题：
- 响应滞后：由于 PID 是反馈控制，当车辆遇到急弯或突发路径变化时，方向盘和油门 / 刹车的响应会出现明显延迟
- 超调震荡：特别是在高速场景下，PID 参数调得激进会导致车辆轨迹像蛇形一样来回摆动，调得保守又跟踪不上参考路径
这些问题本质上是因为 PID 没有利用车辆的未来运动信息，也无法主动考虑执行机构的物理限制（如方向盘最大转角、电机响应速度等）。
技术方案对比：从 PID 到 MPC
PID 控制
- 优点：实现简单、计算量小
- 缺点：无法处理多输入多输出耦合、没有约束处理能力
LQR 控制
- 优点：基于状态空间模型、能处理多变量耦合
- 缺点：仍然是无限时域优化，无法显式处理约束
MPC 控制
- 核心优势：
- 滚动时域优化：每次只执行优化结果的第一步，下一周期重新优化
- 显式约束处理：可以直接将方向盘转角限制、加速度限制写入优化问题
- 前馈补偿能力：通过参考轨迹的提前预览改善跟踪性能
(假设的示意图 URL)
实现细节：从零搭建 MPC 控制器
步骤 1：搭建联合仿真环境
- 安装 CarSim 2021+ 和 MATLAB R2020b+
- 配置 S -Function 接口：在 CarSim 中导出车辆模型为
veh.dll动态库 - 建立 Simulink 主框架：
% 仿真主循环示例 while simTime < totalTime % 从 CarSim 读取当前状态 [yawRate, lateralAcc, xPos, yPos] = carsim_read(); % MPC 控制器计算 [delta, acc] = mpc_controller(xPos, yPos, refPath); % 写回控制命令 carsim_write(delta, acc); end
步骤 2：建立车辆动力学模型
采用经典自行车模型（假设低速场景）：
% 参数初始化
Lf = 1.2; % 前轴到质心距离(m)
Lr = 1.5; % 后轴到质心距离(m)
m = 1500; % 质量(kg)
Iz = 2500; % 绕 Z 轴转动惯量(kg·m²)
% 状态方程
A = [0, 1, 0, 0;
0, -(Cf+Cr)/(m*Vx), (Cf+Cr)/m, (-Lf*Cf+Lr*Cr)/(m*Vx);
0, 0, 0, 1;
0, (-Lf*Cf+Lr*Cr)/(Iz*Vx), (Lf*Cf-Lr*Cr)/Iz, -(Lf²*Cf+Lr²*Cr)/(Iz*Vx)];
B = [0; Cf/m; 0; Lf*Cf/Iz]; % 前轮转角输入步骤 3：设计 MPC 代价函数
目标是最小化跟踪误差和控制量变化：
Q = diag([10, 1, 5, 0.1]); % 状态权重矩阵
R = 0.1; % 控制量权重
N = 20; % 预测时域
% 构建 QP 问题的 H 矩阵
H = blkdiag(kron(eye(N),Q), kron(eye(N-1),R));
% 等式约束（状态转移方程）Aeq = [kron(eye(N),A) - diag(ones(N*nx,1),-nx)];
beq = zeros(N*nx,1);步骤 4：实时优化求解
推荐使用 MATLAB 内置的 quadprog 求解器：
options = optimoptions('quadprog', 'Display', 'off');
[u_opt, ~, exitflag] = quadprog(H, f, [], [], Aeq, beq, lb, ub, [], options);
if exitflag == 1
delta = u_opt(1); % 只取第一个控制量
else
delta = 0; % 优化失败时启用安全策略
end性能优化实战技巧
采样周期选择
- 50km/ h 以下：建议 50-100ms
- 高速场景：需要缩短到 20-30ms
预测时域长度
- 一般取 2 - 3 秒的预测时长
- 可通过公式计算：
N = round(T_horizon / dt)
权重调节经验
- 先调状态权重保证基本跟踪
- 再增加控制量权重抑制抖动
- 最后微调变化率权重使控制平滑
常见问题解决方案
CarSim 接口报错
- 错误现象：
Failed to load veh.dll - 解决方法：检查 CarSim 模型导出时是否选择 x64 平台
实时性不达标
- 现象：Simulink 报错 ”Simulation running too slow”
- 优化措施：
- 减少预测时域 N
- 改用更高效的 QP 求解器（如 OSQP）
- 开启 MATLAB 的并行计算
实车部署的额外考量
- 模型失配补偿：
- 实际轮胎特性与自行车模型差异
-
建议增加动态参数估计模块
-
执行器延迟：
- 电动助力转向 (EPS) 的响应滞后
-
需要在模型中加入一阶惯性环节
-
安全监控：
- 增加控制输出合理性检查
- 设计降级控制策略
完整代码获取
访问 GitHub 仓库获取可运行示例：
git clone https://github.com/example/carsim_mpc_demo.git结语
经过在 CarSim 中反复测试，这套 MPC 方案在 80km/ h 以下速度能保持 0.3m 以内的跟踪误差。相比传统 PID，最大优势是在急弯场景下提前打方向，避免了 ” 画龙 ” 现象。下一步计划引入参数自适应机制，进一步适应不同路面附着条件。
正文完
