基于快速zonotope管道的自主车辆LPV-MPC方法

本文提出了一种高效的在线基于管道模型预测控制（T-MPC）方案用于自动驾驶，旨在降低计算负担的同时，在快速且受扰场景中确保鲁棒稳定性与性能。我们侧重于通过将非线性车辆方程转化为线性参数变化（LPV）形式，把原非线性问题重构为伪线性问题。所提方案由标称控制器与校正局部控制器组成。首先，局部控制器被设计为多胞LPV-H$_{\infty}$控制器，能够抑制外部扰动。此外，利用zonotope并考虑系统动力学、局部控制器及所设扰动-不确定性边界，在线计算有限个精确可达集（亦称管道）。其次，标称控制器被设计为MPC，其中采用LPV车辆模型以加快计算时间，同时保持精确的车辆表征。借助zonotope可达性理论，MPC在线调整其状态与输入约束，以在外生扰动下确保鲁棒可行性与稳定性。最后，我们测试了所提方案，并将局部控制器性能与作为前沿方法的LQR设计进行比较。我们证明了其在受扰快速驾驶场景中的有效性：能够以极低的计算成本抑制强外生扰动并满足施加的约束。