二自由度车辆模型的MPC控制实践与优化

1. 项目概述：二自由度车辆模型的MPC控制实践

方向盘突然传来一阵细微震动，自动驾驶系统正在和物理极限较劲。作为一名从事车辆控制算法开发多年的工程师，我经常需要解决这样的问题：如何让车辆精准跟随预定轨迹，同时保持行驶稳定性。模型预测控制（MPC）就像个经验丰富的赛车手，能在车辆还没偏离车道前就预判出最优的转向动作。今天要分享的，就是如何在Simulink环境中实现基于二自由度车辆模型的MPC控制器，完成轨迹跟随和车道保持任务。

这个项目的核心价值在于：它采用经典的二自由度车辆动力学模型作为预测模型，允许自定义车辆参数（如质量、轴距、轮胎特性等）和目标轨迹。从实际工程角度看，这种方案既保证了模型精度，又具备足够的计算效率，非常适合嵌入式部署。图中展示的单移线工况测试结果也印证了这一点——虽然存在微小振荡，但轨迹偏差始终控制在0.3米以内。

2. 核心模型解析与实现

2.1 二自由度车辆动力学模型构建

二自由度车辆模型是分析车辆横向动力学的基础工具，它主要考虑车辆的横向运动和横摆运动两个自由度。这个看似简单的模型，实际上包含了车辆控制最关键的几个参数：

matlab复制function dx = vehicleModel(t,x,u)
    % 参数区
    m = 1573;   % 整备质量(kg)
    lf = 1.4;   % 前轴到质心距离(m)
    lr = 1.7;   % 后轴到质心距离(m) 
    C_alpha = 80000; % 轮胎侧偏刚度(N/rad)
    Iz = 2873;  % 横摆转动惯量(kg·m²)
    
    % 状态分解
    beta = x(1);  % 质心侧偏角(rad)
    r = x(2);     % 横摆角速度(rad/s)
    
    % 动力学方程
    dx = zeros(2,1);
    dx(1) = (-(C_alpha*(lf+lr)/(m*(lf+lr)^2)))*beta + ...
            ((C_alpha*(lr^2 - lf*lr)/(m*(lf+lr)^2)) - 1)*r + ...
            (C_alpha*lf/(m*(lf+lr)^2))*u;
    dx(2)