辰淞1. 项目概述：基于MPC的自动驾驶横向控制
在自动驾驶系统的开发中，横向控制（即车辆沿预定轨迹行驶的能力）是核心技术难点之一。传统PID控制器在复杂工况下往往表现不佳，而模型预测控制(MPC)凭借其预测未来状态并优化控制序列的能力，成为解决这一问题的理想选择。本文将详细解析如何在Simulink环境中搭建完整的MPC横向控制系统，从车辆建模到控制器设计，再到参数调优的全过程。
这个项目的核心是建立一个二自由度车辆动力学模型，并设计MPC控制器来实现高精度的轨迹跟踪。与简单的位置反馈控制不同，MPC能够综合考虑车辆动力学特性、执行器约束和未来多步的状态变化，实现更平滑、更安全的控制效果。我们以典型的单移线工况为例，展示系统从建模到实现的完整流程。
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. 车辆动力学建模
2.1 二自由度自行车模型解析
二自由度自行车模型是车辆横向动力学分析中最常用的简化模型。它将车辆简化为一个仅有横向和横摆两个自由度的系统，同时保留了足够描述车辆转向特性的关键参数。这个模型的优势在于计算复杂度适中，能够很好地平衡实时性和准确性。
模型的核心假设包括：
- 忽略悬架动态，认为车辆在平面内运动
- 将左右轮胎合并为一个等效轮胎
- 忽略纵向动力学影响
- 假设小角度转向（线性轮胎模型适用）
在Simulink中，我们通过以下参数定义车辆特性：
matlab复制% 车辆基本参数配置
m = 1573; % 整车质量(kg)
Lf = 1.43; % 前轴到质心距离(m)
Lr = 1.65; % 后轴到质心距离(m)
Iz = 2873; % 绕Z轴转动惯量(kg·m²)
Caf = 66900; % 前轮总侧偏刚度(N/rad)
Car = 62700; % 后轮总侧偏刚度(N/rad)
这些参数的选择直接影响模型的准确性。例如，轴距(Lf+Lr)决定了车辆的转向几何关系，而质量分布(通过Lf和Lr体现)则影响车辆的不足转向特性。在实车参数未知的情况下，可以参考同级别车辆的典型值进行估算。
2.2 状态空间方程推导
基于牛顿力学和轮胎侧偏特性，我们可以推导出车辆的状态空间方程。选择系统状态为：
- 横向位置偏差 e
- 横向速度偏差 ė
- 横摆角偏差 ψ
- 横摆角速度