1. 项目概述与背景
在自动驾驶汽车的发展进程中,巡航控制系统的性能直接影响着乘客的驾驶体验。传统PID控制器在面对车辆参数变化(如载重波动、空气阻力变化)时往往表现不佳,导致加速度突变和车身振动。针对这一问题,基于线性矩阵不等式(LMI)的多面体LQR控制方法提供了一种兼顾鲁棒性和舒适性的解决方案。
这种方法的核心思想是将系统参数的不确定性范围描述为一个多面体,在每个顶点设计最优控制器,再通过实时插值实现自适应控制。相比固定参数的LQR控制器,它能有效应对实际驾驶中的动态变化,将加速度波动降低20%-30%,显著提升乘坐舒适度。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术原理详解
2.1 多面体系统建模
车辆纵向动力学通常可以表示为状态空间模型:
code复制dx/dt = A(θ)x + B(θ)u
y = Cx
其中θ代表时变参数(如质量、阻力系数)。多面体建模的关键是将参数变化范围表示为凸组合:
code复制A(θ) = Σα_iA_i, B(θ) = Σα_iB_i, Σα_i=1, α_i≥0
这里的A_i、B_i是通过实验数据或物理模型得到的顶点矩阵。例如对于质量变化±20%的情况,可以选择两个顶点分别对应最大和最小质量。
2.2 LQR性能指标设计
舒适性优化的核心是合理设计二次型性能指标:
code复制J = ∫(xᵀQx + uᵀRu)dt
其中:
- Q矩阵需重点考虑加速度及其导数项,典型配置如diag([1, 0.1, 0.01])分别对应速度误差、加速度、加加速度
- R矩阵控制输入变化率,取值约0.001可平衡响应速度与平顺性
2.3 LMI控制器求解
通过以下LMI条件求解公共Lyapunov矩阵P和反馈矩阵Y:
code复制A_iP + PA_iᵀ + B_iY + YᵀB_iᵀ + Q < 0
P > 0, R⁻¹ < YP⁻¹Yᵀ
控制器增益为K=YP⁻¹。这个凸优化问题可以使用Matlab的LMI工具箱高效求解。
3. 实现步骤详解
3.1 离线设计阶段
- 参数辨识:通过台架试验获取车辆在不同负载下的A、B矩阵
- 顶点确定:选择能包络所有工作点的顶点矩阵(通常3-5个)
- LMI求解:对每个顶点求解最优增益K_i
- 验证仿真
