基于模型预测控制(mpc)的车辆换道，车辆轨迹跟踪，换道轨迹为五次多项式，matlab与car...

基于模型预测控制(mpc)的车辆换道，车辆轨迹跟踪，换道轨迹为五次多项式，matlab与carsim联防控制

手把手教你用五次多项式玩转MPC换道控制

最近在调车辆横向控制时发现，用五次多项式做换道轨迹配合MPC真是香！今天咱们就抛开复杂的公式推导，直接上代码实战，聊聊怎么用Matlab和CarSim搞联合控制。

为啥非得是五次多项式？

换道轨迹要满足起终点位置、速度、加速度连续，五次项刚好能塞进去六个边界条件。举个栗子，横向位移从0变到3米，纵向速度保持20m/s，起终点加速度都得是零。用下面这段代码生成轨迹：

% 五次多项式系数计算（横向位移y关于时间t） t0 = 0; tf = 5; % 换道时间5秒 A = [1 t0 t0^2 t0^3 t0^4 t0^5; 0 1 2*t0 3*t0^2 4*t0^3 5*t0^4; 0 0 2 6*t0 12*t0^2 20*t0^3; 1 tf tf^2 tf^3 tf^4 tf^5; 0 1 2*tf 3*tf^2 4*tf^3 5*tf^4; 0 0 2 6*tf 12*tf^2 20*tf^3]; b = [0; 0; 0; 3; 0; 0]; % y(t0)=0, y'(t0)=0, y''(t0)=0 → y(tf)=3m coeff = A\b; % 解线性方程组

生成曲线类似S型，加速度连续不会让乘客晕车。但实际场景中得考虑纵向速度变化，这时候需要做轨迹参数化处理（比如用s-L坐标系）。

MPC控制器核心操作

模型预测控制的精髓在于滚动优化。这里用二自由度单车模型做预测：

% 状态量：[横向位移y，横摆角psi，横向速度vy，横摆角速度r] % 控制量：前轮转角delta dt = 0.1; % 控制周期0.1秒 A_k = [1 dt 0 0; 0 1 dt 0; 0 0 1 -vx*dt; 0 0 0 1]; B_k = [0; 0; C_alpha_f*dt/m; C_alpha_f*lf*dt/Iz]; % 轮胎侧偏刚度代入

目标函数设计是关键——既要跟踪轨迹又要限制方向盘打得太猛：

H = blkdiag(Q, R); % Q惩罚状态误差，R惩罚控制量变化 f = -Q*Y_ref; % Y_ref是未来N步的参考轨迹 [delta_opt,~,exitflag] = quadprog(H,f,A_cons,b_cons,[],[],delta_min,delta_max);

实际调试时会遇到几个坑：

1. 预测时域N选太大导致求解慢，建议从N=10开始试；
2. 权重矩阵Q对角线元素别拍脑袋定，先让横向位移误差权重比角度大10倍；
3. 约束前轮转角变化率（方向盘转速不能超过500度/秒）。

CarSim和Matlab的基情配合

基于模型预测控制(mpc)的车辆换道，车辆轨迹跟踪，换道轨迹为五次多项式，matlab与carsim联防控制

联合仿真的核心是数据交互协议。在Simulink里拉出这几个接口：

• CarSim输出：车速vx、横向误差ey、横摆角
• Matlab输入：前轮转角指令

!

建议用S-Function做CarSim接口，避免IO延迟问题

调试时注意单位换算！CarSim默认用英制单位，记得在Dataset里改成kph和rad。遇到过最离谱的bug是方向盘转角符号反了，车子直接蛇形走位...

效果展示与调参玄学

成功运行时能看到车辆丝滑换道，方向盘的转角变化像下面这样：

!

如果出现轨迹震荡，尝试：

• 增大MPC的R矩阵权重（让控制量变化更保守）
• 检查轮胎模型是否线性区（大转角时非线性明显，得换更复杂的模型）

完整代码已传Github（搜索MPC_LaneChange），包含联合仿真配置文件和参数说明。下期预告——加入障碍物避让的MPC该怎么玩？

注：实际项目记得考虑路面附着系数变化和传感器噪声，仿真和实车差距往往在这些细节里。