文献类型：期刊文献

中文题名：基于策略梯度的智能车辆模型预测运动控制算法

英文题名：Control Algorithm of Model Predictive Motion for Intelligent Vehicle Based on Policy Gradient

作者：孙浩[1,2,3];陈泽宇[1,2];吴思凡[1,2];潘峰[1,2]

第一作者：孙浩

机构：[1]北京联合大学,北京市信息服务工程重点实验室,北京100101;[2]北京联合大学机器人学院,北京100027;[3]清华大学,汽车安全与节能国家重点实验室,北京100084

第一机构：北京联合大学北京市信息服务工程重点实验室

年份：2021

期号：12

起止页码：10-15

中文期刊名：汽车技术

外文期刊名：Automobile Technology

收录：CSTPCD;;北大核心:【北大核心2020】；CSCD:【CSCD_E2021_2022】；

基金：国家自然科学基金面上项目(52072213);北京市教育委员会科技一般项目(KM202011417009);汽车安全与节能国家重点实验室开放基金课题(KF2012)。

语种：中文

中文关键词：智能车辆;运动控制;策略梯度;模型预测控制

外文关键词：Intelligent vehicle;Motion control;Policy gradient;Model predictive control

摘要：针对目前智能车辆模型预测运动控制算法在线求解效率低,以及线性参考模型引起的跟踪精度下降问题,提出一种基于策略梯度的模型预测控制算法。首先,建立车辆运动控制的非仿射非线性参考模型,并将模型预测运动控制转化为最优化问题;其次,提出一种基于模型的策略梯度求解方法,通过离线求解、在线应用的方式提高模型预测控制问题的求解效率;最后,搭建策略网络的训练及测试环境,完成网络设计及训练。与传统算法的仿真对比表明,在大曲率轨迹跟踪工况下,所提出算法的跟踪误差由152 mm下降到1.99 mm,单步求解耗时由15.72 ms下降到0.405 ms,在提高跟踪精度的同时也提高了求解效率。
For the problem of low online solution efficiency of predictive motion control algorithm of intelligent vehicle,and declined tracking accuracy caused by linear reference model,this article proposes a gradient-based model predictive control algorithm.Firstly,the non-affine nonlinear reference model of vehicle motion control is established,and the model predictive motion control is transformed into an optimization problem.Secondly,a model-based policy gradient solution method is proposed,which improves the solution efficiency of model predictive control by offline solution and online application.Finally,a training and testing environment of the policy network is built for design and training.The comparison with the simulation of traditional algorithm shows that,under the large curvature trajectory tracking condition,the tracking error of the proposed algorithm is reduced from 152 mm to 1.99 mm,and the single-step solution time is reduced from 15.72 ms to 0.405 ms,indicating tracking accuracy and solution efficiency are increased.