无人驾驶车辆模型预测控制

　　本书主要介绍模型预测控制理论与方法在无人驾驶车辆路径规划与跟踪控制方面的基础应用技术。由于模型预测控制理论数学抽象特点明显，初涉者往往需要较长时间的探索才能真正理解和掌握，进一步应用到具体研究，则需要更长的过程。本书详细介绍了应用模型预测控制理论进行无人驾驶车辆控制的基础方法，结合路径规划与跟踪实例给出了Matlab仿真代码和详细仿真步骤，并且融入了研究团队在本领域的研究成果。本书一方面可以作为地面无人车辆、空中无人机、无人艇及移动机器人等无人车辆模型预测控制的研究资料，同时也可以作为学习模型预测控制理论的应用教材。

　　龚建伟，博士，教授， 北京理工大学智能车辆研究所，主要研究领域为计算机控制技术、智能车辆与移动机器人、数据通信技术，主讲机电系统设计与控制（含机器人智能车辆控制、远程控制、单片机与嵌入式系统、数据通信编程、智能控制算法设计、机电系统传感器应用与集成、传感器信息获取与融合）。

第1章　无人驾驶车辆与模型预测控制
　1.1　无人驾驶车辆
　　1.1.1　无人车辆通用概念
　　1.1.2　考虑乘坐舒适性的无人驾驶车辆
　1.2　路径跟踪与轨迹跟踪
　　1.2.1　路径规划与轨迹规划
　　1.2.2　路径跟踪与轨迹跟踪
　1.3　模型预测控制在无人驾驶车辆运动规划与控带中的应用
　　1.3.1　运动规划算法的模型约束
　　1.3.2　轨迹跟踪控制的模型约束ll
　1.4　本书内容与结构说明
第2章　车辆运动学与动力学建模
　2.1　车辆运动学建模及验证
　　2.1.1　车辆运动学建模
　　2.1.2　车辆运动学模型验证
　2.2　车辆动力学建模及验证
　　2.2.1　车辆单轨模型
　　2.2.2　轮胎模型
　　2.2.3　小角度假设下的车辆动力学模型
第3章　模型预测控制算法基础与仿真分析
　3.1　基本理论
　　3.1.1　生活中的启示
　　3.1.2　控制理论中的描述
　3.2　一个简单的实例
　　3.3　线性时变模型预测控制算法
　　3.3.1　问题描述
　　3.3.2　非线性系统线性化方法
　　3.3.3　工程实例
　3.4　非线性模型预测控制算法
　　3.4.1　问题描述
　　3.4.2　非线性模型预测控制的数值解法
　　3.4.3　工程实例
　3.5　线性约束下的二次型规划控制算法
　　3.5.1　线性约束转化为LQR问题
　　3.5.2　LQR在无人驾驶车辆路径跟踪中的应用
　　3.5.3　LQR进行路径跟踪的工程实例
　　3.5.4　小结
第4章　给定轨迹的轨迹跟踪控制
　4.1　问题的描述
　4.2　基于运动学模型的轨迹跟踪控制器设计
　　4.2.1　车辆运动学建模
　　4.2.2　目标函数设计
　　4.2.3　约束条件设计
　4.3　仿真平台概述l
　　4.3.1　CarSinl软件介绍
　　4.3.2　SimulinkCarSim联合仿真平台
　4.4　仿真实例
　　4.4.1　CarSim与Simulink，联合仿真
　　4.4.2　基于MPC的轨迹跟踪控制器的设计
　4.5　基于运动学模型的轨迹跟踪仿真结果分析
第5章　基于动力学模型的无人驾驶车辆主动转向控制
　5.1　理论基础
　　5.1.1　线性误差方程
　　5.1.2　约束条件建立
　　5.1.3　模型预测控制器设计
　5.2　联合仿真平台搭建
　　5.2.1　在CarSim中建立车辆模型
　　5.2.2　控制程序编写
　5.3　仿真验证
　　5.3.1　参考轨迹选择
　　5.3.2　不同仿真工况下的仿真结果
第6章　加入规划层的轨迹跟踪控制
　6.1　结合规划层的轨迹跟踪控制系统
　6.2　基于MPC的轨迹规划器
　　6.2.1　参考点的选择
　　6.2.2　避障功能函数
　　6.2.3　5次多项式轨迹拟合
　　6.2.4　非线性二次规划计算
　6.3　基于MPC的路径跟踪控制器
　6.4　不同车速下的跟踪控制仿真实例验证
　　6.4.1　车辆参数设置
　　6.4.2　仿真工况设置
　　6.4.3　CarSimSimulink联合求解
第7章　航向跟踪预估控制算法
　7.1　概述
　7.2　二自由度无人驾驶车辆动力学模型
　7.3　航向预估算法原理
　7.4　PID控制算法
　7.5　仿真结果
　　7.5.1　航向阶跃响应仿真
　　7.5.2　路径偏差阶跃响应仿真
　7.6　实验结果
　　7.6.1　实验1——航向阶跃实验
　　7.6.2　实验2——航向连续跟踪实验
　　7.6.3　实验3——航向预估算法在路径跟踪控制中的应用
附录A　CarSim 8.02应用高版本Matlab
符号表
参考文献

　　前言
　　无人驾驶车辆技术在智能交通系统和军事领域有着广阔的应用前景，著者所在北京理工大学机械与车辆学院智能车辆研究所(Intelligent Vehicle Research Center, Beijing Institute of Technology)自1990年开始进行无人驾驶车辆技术研究和探索，并且自2009年至2013年连续五届参加国家自然科学基金委主办的“中国智能车未来挑战赛”，取得良好成绩，其中2013年比赛中获得冠军。
　　在研究过程中，我们认识到无人驾驶车辆的环境感知、规划决策方法与车辆平台控制是密切相关的，特别是高速无人车辆的运动学与动力学特性不仅影响到感知算法，而且与规划算法和跟踪控制算法有着内在的联系。车辆运动学约束与动力学约束如果不能有效体现在路径规划与控制算法、传感器感知算法中，就无法得到很好的控制效果。
　　模型预测控制有其天然的多模型约束处理优势，能够与规划控制、感知过程的传感器数据预处理算法很好地结合，是在无人驾驶车辆控制过程中体现车辆运动学与动力学约束的理想方法。但模型预测控制算法较为复杂，计算方法复杂，对于不是从事控制理论学习的工科学者比较抽象。我们将在无人驾驶车辆研究过程中应用模型预测控制理论的基础概念和方法、算法代码整理出来，一方面给课题组形成较为系统的学习资料，方便后续研究，同时也可以供从事移动机器人、无人车辆（包括无人机、无人艇）的研究者们参考，另外也可作为车辆工程、自动控制等专业高年级本科生和研究生学习模型预测控制的辅助资料。
　　除封面署名作者外，实验室在读研究生刘凯、孙银健、袁盛玥、蒋健、徐大陆、张瑞琳参与了部分章节的初稿写作、代码测试和全书校对, 于宏啸提供附录A说明。陈慧岩教授和熊光明副教授对全书内容进行了审校，清华大学汽车研究所李升波博士审阅了本书部分内容，给出了很中肯的修改意见，在此一并致谢。
　　本书的研究工作得到国家自然科学基金项目“高速地面车辆主动危险规避运动规划与控制的动力学模型分析”(51275041)资助，是该项目前期的初步研究成果，后续工作将进一步在高速车辆控制过程中应用模型预测控制方法；本书的出版，也得到国家自然科学基金项目“复杂交通条件下弱环境约束区域无人驾驶车辆相对定位方法关键问题的研究”(61304194)部分资助，该项目提供了实验车辆的定位和感知方法基础。本书工作同时也与著者龚建伟于2011年至2012年期间在美国麻省理工学院Karl Iagnemma博士主持的Robotic Mobility Group课题组访问研究期间从事的研究工作相关，该研究工作促成了基金项目51275041的创意，同时这些研究成果也被收录在本书中。
　　代码下载地址：。