无模型车辆翻滚预防：数据驱动的预测控制方法
系统与控制
2025-03-27 v1 系统与控制
摘要
车辆翻滚构成重大的安全风险，并在道路事故中导致的死亡人数比例显著偏高。本文针对翻滚预防挑战，提出基于数据驱动预测控制（DeePC）的方法，该方法直接利用原始输入输出数据实现车辆稳定性控制，无需显式系统建模。为提升计算效率，我们采用基于奇异值分解的降维DeePC，显著降低计算复杂度而不损失控制性能。该优化使方法在高维数据场景下具备实时应用能力，更适用于实际车辆部署。方法通过CarSim高保真仿真验证，分别在轿车和皮卡 truck 场景中，展示了其灵活性和在挑战性驾驶条件下维持车辆稳定性的能力。与线性模型预测控制（LMPC）的比较结果表明，DeePC在预防翻滚同时保持操控性方面性能优越。研究表明，DeePC提供了一种稳健且可适应的翻滚预防解决方案，能够处理各种路面和车辆条件。
引用
@article{arxiv.2503.20705,
title = {Model-free Vehicle Rollover Prevention: A Data-driven Predictive Control Approach},
author = {Mohammad R. Hajidavalloo and Kaixiang Zhang and Vaibhav Srivastava and Zhaojian Li},
journal= {arXiv preprint arXiv:2503.20705},
year = {2025}
}