基于分层MPC的实时车辆最优控制与避障 Hierarchical MPC for Real-Time Vehicle Optimal Control and Obstacle Avoidance

简介：
本文提出了一种基于分层模型预测控制（Hierarchical Model Predictive Control, HMPC）的方法，用于实现车辆在复杂环境下的实时最优控制及动态避障。通过构建多层级的决策架构，该方法能够有效地平衡路径规划与速度调节之间的关系，在保证安全性的前提下提高行驶效率和舒适度。实验结果表明，所提方案具备良好的鲁棒性和适应性，在各种驾驶场景中均能实现平稳且高效的车辆控制。 2017年秋季加州大学伯克利分校ME231A课程项目报告聚焦于分层模型预测控制（MPC）控制器在实时车辆最优控制与避障中的应用。该项目涵盖了分层MPC控制器的设计原理、车辆动力学模型的构建、实时最优控制算法开发以及避障策略实施等方面的内容。适用对象主要包括汽车工程和控制理论领域的学生及专业人士，应用场景包括自动驾驶汽车和智能交通系统等。项目旨在提高车辆在复杂环境下的安全性和效率。关键词标签为：分层MPC 实时控制 最优控制 避障策略。