自动驾驶车道保持MPC调参实战指南

1. 项目概述：车道保持的MPC野路子调教手册

在自动驾驶领域，车道保持系统(Lane Keeping System)是最基础也最核心的功能之一。不同于传统PID控制，模型预测控制(MPC)因其优秀的处理约束能力和预测特性，正逐渐成为行业主流方案。但MPC调参向来是个技术活，官方文档往往只给出理论框架，实际工程落地时总会遇到各种"野路子"问题。

这个手册就是我在用CarSim和Simulink做联合仿真时，从无数次翻车中总结出的实战经验。不同于教科书式的标准流程，这里记录的都是在真实调参过程中遇到的"坑"和应对技巧。比如：

• 为什么MPC在弯道会"画龙"？
• 权重参数调整有什么隐藏规律？
• 仿真和实车差异如何补偿？

2. MPC在车道保持中的核心原理

2.1 车辆动力学模型搭建

MPC的核心在于预测模型。对于车道保持，通常采用经典的自行车模型：

code复制dx/dt = v*cos(θ + β)
dy/dt = v*sin(θ + β)
dθ/dt = (v/l_r)*sin(β)
β = arctan((l_r/(l_f+l_r))*tan(δ))

其中关键参数：

• l_f/l_r：前后轴到质心距离
• β：质心侧偏角
• δ：前轮转角

注意：在CarSim中要确保车辆参数与模型匹配，特别是轮胎刚度对侧偏角计算影响很大

2.2 预测时域与控制时域选择

经验公式：

code复制预测时域 T_p = 1.5*(车辆速度/期望横向加速度)
控制时域 T_c = T_p/3 

实测发现：

• 低速(30km/h以下)：T_p=3s, T_c=1s
• 高速(80km/h以上)：T_p=1.5s, T_c=0.5s

2.3 成本函数设计

标准成本函数包含：

1. 横向误差(y_err)
2. 航向误差(θ_err)
3. 控制量(δ)
4. 控制变化率(dδ)

权重比建议初始值：

code复制Q_y:Q_θ:Q_δ:Q_dδ = 10:5:1:0.1

3. CarSim与Simulink联合仿真配置

3.1 接口配置要点

1. CarSim输出设置：

   • 必须包含：车辆位置(x,y)、航向角、速度
   • 建议采样率≥100Hz

2. Simulink输