Abordagem Melhorada de Controle Preditivo de Modelo para Rastreamento de Trajetória Baseada em Algoritmo Atualizado Online com Controle Fuzzy e Domínio de Tempo de Previsão Variável para Veículos Autônomos

O projeto de controladores de rastreamento de trajetória para carros de condução inteligente ainda enfrenta problemas, como parâmetros incertos e ser demorado. Para melhorar o desempenho de rastreamento do controlador de rastreamento de trajetória e reduzir a computação do controlador, este artigo propõe um método de controle preditivo de modelo (MPC) melhorado baseado em controle fuzzy e um algoritmo de atualização online. Primeiro, um modelo de dinâmica veicular é construído e um controlador MPC feedforward é projetado; em segundo lugar, é proposta um método de atualização em tempo real dos parâmetros do domínio de tempo para substituir o método anterior de seleção empírica dos parâmetros do domínio de tempo; por último, um controlador fuzzy é proposto para o ajuste em tempo real da matriz de coeficientes de peso do controlador preditivo de modelo de acordo com os erros laterais e de direção do veículo, e um mecanismo de atualização de similaridade coseno baseado na matriz de estado é desenvolvido para determinar os nós de atualização da matriz de estado para reduzir a computação do controlador causada pela atualização contínua da matriz de estado quando a velocidade longitudinal do veículo muda. Finalmente, o controlador é comparado com o controlador de previsão de modelo tradicional através da co-simulação do CARSIM e MATLAB/Simulink, e os resultados mostram que o controlador apresenta grande melhoria em termos de precisão de rastreamento e carga computacional do controlador.