一种带不确定性传播时域的随机非线性模型预测控制及其在自动驾驶车辆运动控制中的应用
系统与控制
2023-10-31 v1 机器人学
系统与控制
摘要
由于通过非线性系统传播不确定性的复杂任务，将随机非线性模型预测控制（SNMPC）用于实时应用具有挑战性。在高维系统且具有较长预测时域（如自动驾驶车辆）中，该困难更为突出。为提升 SNMPC 的闭环性能和可行性，我们引入了不确定性传播时域（UPH）的概念。UPH 限制了通过系统动力学进行不确定性传播的时间，防止轨迹发散，优化反馈回路优势，并降低计算开销。我们的 SNMPC 方法利用多项式混沌展开（PCE）传播不确定性，并纳入关于状态期望的非线性硬约束和非线性概率约束。我们通过估计非线性约束的期望和方差，将概率约束转化为确定性约束。随后我们展示了算法在高维、强非线性系统——即采用动态非线性单轨模型建模的自动驾驶乘用车轨迹跟踪——的实时控制中的有效性。实验结果表明，我们的方法能够以高达 37.5m/s 的速度稳健跟踪最优赛道轨迹，同时应对状态估计扰动，实现最小 97Hz 的求解频率。此外，我们的实验说明，限制 UPH 使得先前不可行的 SNMPC 问题变得可行，即使在存在不正确不确定性假设或强扰动时亦然。
引用
@article{arxiv.2310.18753,
title = {A Stochastic Nonlinear Model Predictive Control with an Uncertainty Propagation Horizon for Autonomous Vehicle Motion Control},
author = {Baha Zarrouki and Chenyang Wang and Johannes Betz},
journal= {arXiv preprint arXiv:2310.18753},
year = {2023}
}