《Chinese Journal of Mechanical Engineering》：Trajectory tracking control of intelligent electric commercial vehicle considering driving behavior characteristics
编辑推荐：
本文针对智能电动商用车在复杂工况下轨迹跟踪精度与稳定性不足的问题，研究了一种融合驾驶行为特征的自适应预瞄距离协调控制策略。通过多目标模型预测控制与滑模控制相结合，实现了纵向速度与横向转角的协同优化。结果表明，该策略显著提升了轨迹跟踪精度（横向偏差降低53.8%）和乘坐舒适性（加权加速度均方根值降低10.76%），为高阶自动驾驶商用车控制提供了新思路。
随着智能网联技术的快速发展，商用车的自动驾驶技术成为提升物流效率和道路安全的关键突破口。然而，智能电动商用车在复杂道路环境下运行时，面临轨迹跟踪精度不足、乘坐舒适性差及能耗高等多重挑战。特别是在弯道行驶时，固定参数的控制器难以适应动态变化的道路曲率和车速，导致车辆稳定性下降。此外，传统控制方法未充分考虑驾驶员的预瞄行为特性，使得自动驾驶车辆难以模拟人类驾驶的平滑性和预见性。
为攻克这些难题，研究团队在《Chinese Journal of Mechanical Engineering》上发表论文，提出了一种基于驾驶行为特征的自适应预瞄距离轨迹跟踪协调控制方法。该方法通过分层控制架构，将纵向速度跟踪与横向路径跟踪有机结合，引入多目标模型预测控制（MPC）优化加速度调节，并设计滑模控制器（SMC）动态调整前轮转角。研究还创新性地构建了预瞄距离模糊推理模型，使系统能够根据实时车速和道路曲率自适应调整预瞄距离，模拟人类驾驶员的决策过程。
关键技术方法包括：
- 1.
基于多目标MPC的纵向速度控制器，以速度跟踪误差、控制量及其变化率为优化目标，结合反积分饱和PI算法提升响应速度；
- 2.
横向滑模控制器，以预瞄点的横向偏差和方向偏差为输入，通过指数趋近律抑制抖振；
- 3.
模糊逻辑驱动的预瞄距离自适应模块，以纵向速度和道路曲率为输入，输出动态预瞄距离；
- 4.
TruckSim与MATLAB/Simulink联合仿真平台，验证控制策略在双移线工况下的有效性。
纵向速度控制精度提升
通过对比传统PI控制与MPC-PI混合控制在新欧洲驾驶循环（NEDC）条件下的表现，发现MPC-PI控制器将速度跟踪均方根误差降低至0.15 km/h，较PI-PI控制器提升64%。加速度变化更平滑，加权加速度均方根值降低10.76%，显著改善乘坐舒适性。
横向轨迹跟踪稳定性分析
在双移线路径测试中，自适应预瞄距离控制器将横向位移偏差峰值降低53.8%，方向偏差峰值减少68%。车辆横摆角速度跟踪误差保持在0.0037 rad/s以内，且侧向加速度始终低于1.8 m/s2，满足ISO-2631标准对舒适性的要求。
协调控制综合性能
在复合工况仿真中，协调控制器通过动态调节预瞄距离（范围0-18米），使车辆在曲率突变路段的前轮转角动作减少23%。电池能耗分析表明，开启能量回收功能时，续航里程提升3.2%，体现了控制策略的经济性优势。
该研究通过仿生驾驶行为的设计思路，实现了智能电动商用车轨迹跟踪精度与稳定性的协同提升。自适应预瞄机制有效解决了固定参数控制器在变曲率路径下的适应性问题，而分层控制架构保证了系统在纵向和横向维度的动态解耦。研究成果为高阶自动驾驶商用车的控制系统设计提供了理论依据，尤其适用于物流运输等对经济性与安全性要求严苛的场景。未来工作可进一步融合数据驱动方法，以应对更复杂的多输入多输出控制挑战。
