کنترل پیش بینی مدل (MPC) یک استراتژی کنترل پیشرفته است که به طور گسترده در وسایل نقلیه مستقل استفاده می شود.این مدیریت دقیق و سازگار از پویایی خودرو را با پیش بینی دولت های آینده و بهینه سازی ورودی های کنترل بر اساس آن، ایمنی، راحتی و بهره وری در سیستم های رانندگی خودکار بهبود می بخشد.

اصول کنترل پیش بینی مدل

MPC با حل یک مشکل بهینه سازی در هر مرحله کنترل کار می کند، مدلی از وسیله نقلیه را در نظر می گیرد و رفتار آینده را در یک افق مشخص پیش بینی می کند. ورودی های کنترل برای به حداقل رساندن یک تابع هزینه انتخاب می شوند که به طور معمول شامل شرایط برای ردیابی دقت، کنترل تلاش و محدودیت های ایمنی می شود.

این فرآیند شامل سه مرحله اصلی است: پیش بینی، بهینه سازی و پیاده سازی. پیش بینی از مدل خودرو برای پیش بینی وضعیت های آینده استفاده می کند. بهینه سازی بهترین اقدامات کنترلی را تعیین می کند و تنها اولین ورودی قبل از تکرار چرخه اعمال می شود.

برنامه های کاربردی در وسایل نقلیه مستقل

MPC برای کنترل های مختلف در وسایل نقلیه مستقل، از جمله ردیابی مسیر، تنظیم سرعت و اجتناب از محدودیت استفاده می شود، آن را برای سناریوهای دنیای واقعی مناسب می کند که محدودیت های ایمنی و مرزهای فیزیکی حیاتی هستند.

به عنوان مثال، MPC می تواند فرمان و شتاب را برای پیگیری یک مسیر برنامه ریزی شده در حالی که حفظ ثبات و راحتی مسافر سازگار با شرایط در حال تغییر مانند جاده، ترافیک و آب و هوا.

مطالعات موردی و پیاده سازی های واقعی جهانی

چندین توسعه دهنده خودرو مستقل MPC را به سیستم های کنترل خود یکپارچه کرده اند.در یک مطالعه موردی، یک ماشین مستقل از MPC برای نگه داشتن خط و کنترل کروز سازگار استفاده می کند، که منجر به رانندگی صاف تر و بهبود حاشیه ایمنی می شود.

مثال دیگر شامل یک ناوگان از روبات های تحویل خودکار است که MPC را برای حرکت در محیط های پیچیده شهری استخدام می کنند.استراتژی کنترل اجازه می دهد تا مانع پویا و برنامه ریزی مسیر کارآمد شود.

  • افزایش ایمنی از طریق کنترل محدودیت
  • بهبود راحتی مسافر
  • پاسخ سازگار با تغییرات محیطی
  • مصرف انرژی کارآمد