基于CarSim与Simulink的自动驾驶仿真入门：MPC速度控制实战指南

共计 1132 个字符，预计需要花费 3 分钟才能阅读完成。

背景与痛点

自动驾驶仿真中，速度控制是核心挑战之一。传统 PID 控制器在非线性、时变系统中表现不佳，而 MPC（模型预测控制）算法通过在线优化和滚动时域控制，能够更好地处理系统约束和延迟问题。对于新手来说，如何快速搭建 MPC 控制器并集成到 CarSim 和 Simulink 环境中是一个常见痛点。

环境配置

1. 软件准备 ：确保已安装 MATLAB（建议 R2020b 以上）、Simulink 和 CarSim（版本 8.02 以上）。
2. 工具箱安装 ：需安装 Control System Toolbox、Optimization Toolbox 和 Model Predictive Control Toolbox。
3. 接口设置 ：在 CarSim 中配置 Simulink 接口，确保数据交互正常。
4. 打开 CarSim，选择“Tools”>“Simulink Interface”。
5. 生成对应的 S -Function 模块，并导入到 Simulink 中。

模型搭建

1. 状态空间模型 ：
2. 定义车辆纵向动力学模型，通常包括位置、速度和加速度状态。
3. 在 Simulink 中使用 State-Space 模块实现。
4. 目标函数 ：
5. 设计目标函数以最小速度误差和控制输入变化率。
6. 使用 MPC Designer 工具配置权重矩阵。
7. 约束条件 ：
8. 设置速度、加速度和油门 / 制动的上下限。
9. 在 MPC 模块中直接输入约束条件。

代码示例

% MPC 控制器配置
mpcobj = mpc(stateSpaceModel, Ts, p, m);
mpcobj.Weights.OutputVariables = [1 0.1];
mpcobj.Weights.ManipulatedVariablesRate = 0.01;

图示：MPC 控制器集成到 CarSim-Simulink 联合仿真环境中的示例。

参数调优

1. 预测时域（p）和控制时域（m）：
2. 初始建议：p=10, m=2。
3. 根据系统响应调整，增加 p 可提升稳定性但会降低实时性。
4. 权重矩阵 ：
5. 输出权重：速度误差权重通常设为 1，加速度权重可设为 0.1-0.5。
6. 控制输入权重：避免过大控制输入变化，建议 0.01-0.1。

避坑指南

• 实时性不足 ：减少预测时域或简化模型。
• 模型失配 ：检查 CarSim 参数是否与 MPC 模型一致，尤其是质量、空气阻力等。
• 仿真崩溃 ：确保 CarSim 和 Simulink 的采样时间一致（建议 0.01s）。

性能测试

图示：MPC 控制器在不同速度指令下的跟踪效果，蓝色为指令，红色为实际速度。
– 控制效果 ：速度误差 <0.5m/s，加速度平滑。
– 计算效率 ：单步计算时间 <1ms（i7-10750H CPU）。

总结与拓展

本文详细介绍了基于 CarSim 和 Simulink 的 MPC 速度控制实现方法。读者可以尝试将该方法扩展到横向控制或多目标优化场景中。建议动手实践并分享你的调参经验，共同优化自动驾驶仿真技术！