目录
✨1.课题概述
自适应MPC车辆横向控制系统用于自动驾驶车辆轨迹跟踪控制，核心目标是使车辆实际横向位置、横摆角持续跟随参考轨迹。整个闭环系统由参考轨迹生成模块、自适应MPC控制器、时变车辆动力学模型更新单元、车辆被控对象、状态反馈回路五大部分构成。系统设定车辆纵向速度恒定；将车辆实时纵向速度、前轮转角、车辆状态送入“更新被控对象模型”模块，在线修正MPC内部预测模型参数；参考轨迹输出期望横向位置与期望横摆角作为控制器参考输入；自适应MPC求解最优前轮转角控制量作用于车辆；车辆输出横向位置、横摆角等状态量反馈至控制器形成闭环，同时计算轨迹跟踪偏差，实现模型在线更新与滚动优化。区别于传统定参数MPC，自适应MPC能够在线修正预测模型，克服车辆速度变化、轮胎非线性带来的模型失配问题，提升轨迹跟踪精度。
📊2.系统仿真结果
✅3.核心程序或模型
系统特性分析：
自适应优势：车辆横向动力学高度依赖纵向车速，恒定速度下得到的模型在加减速工况会出现模型失配。本方案在线根据车速刷新预测模型，提升高速、低速不同工况下轨迹跟踪稳定性；
约束处理能力：MPC天然显式处理前轮转角极限、转角变化速率限制，防止执行机构饱和，保证行车安全性；
滚动优化特性：不需要对全局轨迹一次性求解，每个周期利用最新车辆状态修正控制量，具备较强抗干扰能力；
闭环稳定性：合理选取预测时域Np、控制时域Nc与权重矩阵Q,R，配合自适应模型更新策略，可以保证轨迹跟踪误差最终有界收敛。
🚀4.系统原理简介
自适应MPC求解最优前轮转角控制量作用于车辆；车辆输出横向位置、横摆角等状态量反馈至控制器形成闭环，同时计算轨迹跟踪偏差，实现模型在线更新与滚动优化。
4.1车辆横向动力学模型
采用二自由度单车模型作为车辆横向动力学基础，忽略侧倾、俯仰运动，仅考虑横向运动与横摆运动。状态向量定义：
其中，y为车辆质心横向位置，y‘为质心横向速度，phi为车辆横摆角，phi‘为横摆角速度；控制输入u=deltaf，代表前轮转角。
二自由度连续动力学方程：
将连续系统整理为标准线性状态空间形式
采用零阶保持法离散化，采样时间为Ts，得到离散状态方程：
A(k)、B(k)为时变矩阵，与纵向车速vx强相关。图中“更新被控对象模型”模块正是利用实时纵向速度vx在线计算、更新A(k)、B(k)，构成自适应MPC的基础。
定义轨迹跟踪误差状态。设参考轨迹期望状态为xref(k)，误差向量：
4.2 自适应MPC核心控制原理
模型预测控制核心包含三大要素：预测模型、滚动优化、反馈校正；自适应MPC在传统MPC基础上增加模型参数在线自适应更新环节。
预测模型：利用时变车辆离散动力学模型，基于当前时刻状态，预测未来预测时域Np内系统状态演化；
滚动优化：在控制时域Nc内求解带约束的二次规划问题，得到最优控制增量序列，仅将当前时刻第一个控制量作用于车辆；
反馈校正：采集车辆真实状态，计算跟踪误差，修正下一周期优化初始条件；
自适应机制：根据实时车速更新状态矩阵A(k)、B(k)，实时修正预测模型，抑制模型失配。
基于误差模型，未来Np步状态预测表达式：
构建目标函数，同时惩罚轨迹跟踪误差与前轮转角变化量：
Q为状态权重矩阵，权重越大代表对横向位置、横摆角跟踪精度要求越高；R为控制增量权重，用于抑制前轮转角剧烈抖动。
将预测方程代入目标函数，整理为标准二次规划形式：
