man One1. 项目背景与核心挑战
自动驾驶车辆路径跟踪控制一直是行业内的关键技术难点。在高速过弯或紧急避障场景下，传统PID控制往往会出现超调量大、响应滞后等问题。而基于模型预测控制（MPC）的方法，通过实时优化未来时域内的控制序列，能够显著提升车辆在复杂路径下的跟踪性能。
这个项目聚焦于双移线和单移线两种典型测试工况——前者模拟连续变道场景（如高速超车），后者对应紧急避障场景。这两种工况对控制器的抗干扰性和鲁棒性要求极高，需要同时考虑横向位置误差和横摆角误差的协同控制。
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. 二自由度车辆动力学建模
2.1 基础模型构建
采用经典的自行车模型作为控制模型基础，其核心假设包括：
- 忽略悬架 dynamics
- 左右轮胎特性合并
- 小角度假设（前轮转角δ<5°）
动力学方程如下：
code复制m(v̇y + vxγ) = Fyf + Fyr
Izγ̇ = lfFyf - lrFyr
其中m为整车质量，vx/vy为纵向/横向速度，γ为横摆角速度，lf/lr为前后轴到质心距离，Iz为横摆转动惯量。
2.2 轮胎线性化处理
采用线性轮胎模型，侧向力与侧偏角的关系为：
code复制Fyf = -Cfαf = -Cf(δ - (vy + lfγ)/vx)
Fyr = -Crαr = -Cr(vy - lrγ)/vx
其中Cf/Cr为前后轮侧偏刚度。这个线性化处理虽然会损失部分非线性特性，但能大幅降低MPC在线优化的计算负担。
提示：实际项目中建议通过Pacejka魔术公式获取更精确的轮胎力，但在控制器设计阶段可先用线性模型验证算法框架。
3. MPC控制器设计
3.1 状态空间方程离散化
将连续时间模型转换为离散时间形式（采样周期T=0.05s）：
code复制x(k+1) = Adx(k) + Bdu(k)
y(k) = Cdx(k)
状态变量x=[vy, γ, Y, ψ]（横向速度、横摆角速度、横向位置、横摆角），控制输入u=δ（前轮转角）。
3.2 目标函数设计
采用二次型代价函数：
code复制J = Σ(||y(k)-y_ref(k)||_Q + ||Δu(k)||_R)
其中Q=diag([10,1,5,0.1])，R=0.01。这个权重配置体现了：
- 横向位置误差(Y