Key points are not available for this paper at this time.
Como um dos focos de pesquisa na área de condução inteligente, melhorar o desempenho do rastreamento de trajetória se tornou um objetivo para muitos pesquisadores. Entre muitos algoritmos de controle de rastreamento de trajetória, controladores de controle preditivo de modelo (MPC) são amplamente utilizados devido ao seu excelente desempenho de controle. No entanto, o controle MPC tradicional tem desvantagens porque não considera a particularidade do carro em movimento com características de direção de pré-visualização, ou seja, ele está apenas controlando diretamente o estado do veículo. Para reter totalmente as vantagens do controlador MPC e ao mesmo tempo exercer a característica de pré-visualização do veículo inteligente para melhorar o desempenho do rastreamento de trajetória, este trabalho propõe um controle preditivo de modelo com características de pré-visualização adaptativas e um algoritmo de restrição assistida por velocidade longitudinal para o algoritmo de rastreamento de trajetória. O algoritmo consiste principalmente em duas partes: O controlador MPC com característica de pré-visualização adaptativa é proposto com base no erro lateral e na curvatura alvo; O algoritmo de restrição assistida por velocidade longitudinal baseado na maior aceleração lateral ideal se torna uma parte suplementar do algoritmo como uma restrição suplementar do controlador MPC. Uma série de simulações baseadas no software Simulink/CARSIM verificou individualmente o controle preditivo de modelo com características de pré-visualização adaptativas e um algoritmo de restrição assistida por velocidade longitudinal para o algoritmo de rastreamento de trajetória. A estratégia de pré-visualização adaptativa proposta é adequada para o algoritmo de rastreamento de trajetória controlado pelo controlador MPC e melhora o desempenho do rastreamento de trajetória.
Dai et al. (Qua,) estudaram essa questão.