考虑曲率扰动的车辆自适应预瞄路径跟踪算法

doi:10.3969/j.issn.1004-132X.2026.03.023

中国机械工程 ›› 2026, Vol. 37 ›› Issue (3): 735-742.DOI: 10.3969/j.issn.1004-132X.2026.03.023

• 工程前沿 • 上一篇

考虑曲率扰动的车辆自适应预瞄路径跟踪算法

张琳¹^,²(), 毕宇辰¹, 赵宁², 孙茗妍², 魏超³(), 严运兵¹

^1.武汉科技大学汽车与交通工程学院, 武汉, 430081
^2.内蒙古第一机械集团有限公司特种车辆设计制造集成技术全国重点实验室, 包头, 014030
^3.北京理工大学智能无人系统技术重点实验室, 北京, 100081

收稿日期:2024-09-23 修回日期:2025-12-12 出版日期:2026-03-25 发布日期:2026-04-08
通讯作者: 魏超
作者简介:张琳，女，1992年生，副教授、博士。主要研究方向为车辆动力学及其控制、智能车辆无人驾驶技术。E-mail：zhanglinbit@163.com
魏超^*（通信作者），男，1980年生，教授。主要研究方向为无人驾驶车辆总体设计、电动汽车总体设计与智能控制技术。E-mail：BIT_weichao1@163.com。
基金资助:
国家自然科学基金(52405070);特种车辆设计制造集成技术全国重点实验室开放课题(GZ2023KF004);教育部“春晖计划”合作科研项目(HZKY20220330)

Adaptive Preview Path Tracking Algorithm for Vehicles Considering Curvature Disturbance

ZHANG Lin¹^,²(), BI Yuchen¹, ZHAO Ning², SUN Mingyan², WEI Chao³(), YAN Yunbing¹

^1.School of Automotive and Traffic Engineering，Wuhan University of Science and Technology，Wuhan，430081
^2.National Key Laboratory of Special Vehicle Design and Manufacturing Integration Technology，Inner Mongolia First Machinery Group Co. ，Ltd. ，Baotou，Inner Mongolia，014030
^3.Key Laboratory of Intelligent Unmanned System Technology，Beijing Institute of Technology，Beijing，100081

Received:2024-09-23 Revised:2025-12-12 Online:2026-03-25 Published:2026-04-08
Contact: WEI Chao

摘要/Abstract

摘要：

路径跟踪控制在无人驾驶车辆运动控制中至关重要，其控制性能易受到道路曲率快速变化的干扰。提出了一种面向曲率扰动抑制的自适应预瞄路径跟踪控制方法以提高系统在复杂道路环境下的鲁棒性与精度。通过将扰动项嵌入状态向量构造增广线性二次调节问题，并采用高阶Riccati方程降维求解策略进行求解。随后，经频域响应分析验证预瞄控制器的可行性。依据车速和远端预瞄点曲率设计动态调整预瞄步数的自适应调节策略，实现对预瞄距离的在线优化。硬件在环仿真与实车测试验证了路径跟踪算法提高路径跟踪精度与改善行驶稳定性的有效性。

关键词: 无人驾驶车辆, 路径跟踪, 曲率扰动, 增广线性二次调节, 自适应预瞄

Abstract:

Path tracking control played a vital role in unmanned vehicle motion control， and the control performance was highly sensitive to road curvature rapid variations. Therefore， an adaptive preview path tracking control method was proposed with curvature disturbance suppression to enhance the robustness and accuracy of the systems under complex road conditions. By embedding curvature disturbances into the state vector， an augmented LQR problem was formulated and efficiently solved using a reduced-order Riccati equation. Subsequently， the feasibility of the preview controller was verified through frequency-domain response analyses. Furthermore， an adaptive strategy was designed for adjusting preview steps to dynamically optimize the preview distances based on vehicle speeds and the curvatures at the distant preview points. Hardware-in-the-loop simulations and real-vehicle tests confirm the method's effectiveness in improving tracking accuracy and driving stability.

Key words: unmanned vehicle, path tracking, curvature disturbance, augmented linear quadratic regulator（LQR）, adaptive preview

中图分类号:

TP273

张琳, 毕宇辰, 赵宁, 孙茗妍, 魏超, 严运兵. 考虑曲率扰动的车辆自适应预瞄路径跟踪算法[J]. 中国机械工程, 2026, 37(3): 735-742.

ZHANG Lin, BI Yuchen, ZHAO Ning, SUN Mingyan, WEI Chao, YAN Yunbing. Adaptive Preview Path Tracking Algorithm for Vehicles Considering Curvature Disturbance[J]. China Mechanical Engineering, 2026, 37(3): 735-742.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2026.03.023

https://www.cmemo.org.cn/CN/Y2026/V37/I3/735

图/表 11

图1 车辆单轨模型

Fig.1 Vehicle monorail model

图2 参考路径投影示意图

Fig.2 Schematic of reference path projection

图3 频域响应对比图

Fig.3 Comparison of frequency response

图4 硬件在环仿真

Fig.4 Hardware-in-the-loop simulation

表1 仿真车辆参数

Tab.1 Vehicle parameters for simulation

参数	数值
车辆质量m/kg	1317
车辆转动惯量I_z/（kg·m）²	1426.6
重心到前后轴距离a、b/m	1.01、1.815
前后车轮侧偏刚度C_f、C_r/（N·rad^-1）	146960、81104
行驶车速v/（m·s^-1）	10

图5 预瞄控制性能仿真结果

Fig.5 Simulation results of pre-scanning control performance

图6 自适应预瞄策略性能仿真结果

Fig.6 Simulation results of the performance of adaptive pre-scanning strategy

图7 实验车辆

Fig.7 The experimental vehicle

图8 实验道路

Fig.8 The experimental road

图9 道路曲率

Fig.9 Road curvature

图10 实车测试结果

Fig.10 Real vehicle test results

参考文献 14

[1]	彭育辉，江铭，马中原，等. 汽车自动驾驶关键技术研究进展［J］. 福州大学学报（自然科学版）， 2021， 49（5）： 691-703.
	PENG Yuhui， JIANG Ming， MA Zhongyuan， et al. Review on Development of Key Technology for Autonomous Vehicle［J］. Journal of Fuzhou University （Natural Science Edition）， 2021， 49（5）： 691-703.
[2]	陈冰. 无人驾驶，我们准备好了吗？［J］.新民周刊， 2025（14）：22-24.
	Chen Bing. Are We Ready for Autonomous Driving ［J］. Xinmin Weekly， 2025（14）： 22-24.
[3]	YURTSEVER E， LAMBERT J， CARBALLO A， et al. A Survey of Autonomous Driving： Common Practices and Emerging Technologies［J］. IEEE Access， 2020， 8： 58443-58469.
[4]	SEO J H， YOUN S H， KIM J， et al. An Accurate Path Tracking Algorithm for Autonomous Vehicles Based on Pure Pursuit with Systematically Designed Look-ahead Distance and Sideslip Compensation［C］∥2023 23rd International Conference on Control， Automation and Systems （ICCAS）. Yeosu， 2023： 931-936.
[5]	李文礼，易帆，封坤，等. 基于改进Stanley算法的目标假车路径跟踪控制［J］. 重庆理工大学学报（自然科学）， 2024， 38（2）： 20-31.
	LI Wenli， YI Fan， FENG Kun， et al. Path Tracking Control of Soft Target Vehicle Based on Improved Stanley Algorithm［J］. Journal of Chongqing University of Technology （Natural Science）， 2024， 38（2）： 20-31.
[6]	CHEN B S， LIU Haoting， WU R S. Robust-fault-tolerant Observer-based PID Path Tracking Control of Autonomous Ground Vehicle with Control Saturation［J］. IEEE Open Journal of Vehicular Technology， 2024， 5： 298-311.
[7]	JEONG Y. Path Tracking Control for Four-wheel-steering Autonomous Vehicles Based on Adaptive Sliding Mode Control with Control Allocation［C］∥2021 21st International Conference on Control， Automation and Systems （ICCAS）. Jeju， 2021： 1741-1746.
[8]	韩爱国，李志新. 基于PID-SMC方法的无人车轨迹跟踪横向控制策略［J］. 武汉理工大学学报， 2022， 44（3）： 40-45.
	HAN Aiguo， LI Zhixin. Trajectory Tracking Lateral Control Strategy of Unmanned Vehicles Based on PID-SMC Method［J］. Journal of Wuhan University of Technology， 2022， 44（3）： 40-45.
[9]	GUO Lie， TAN Zhenyu， ZHAO Yijie. Real-time Self-Ajusting LQR Method for Autonomous Vehicle Lateral Control［C］∥2023 7th CAA International Conference on Vehicular Control and Intelligence （CVCI）. Changsha， 2023： 1-6.
[10]	ZHANG Lanyong， CHUAI Tianyu. Model Predictive Control Based on Multi-objective Optimization in Multiple Scenarios［C］∥2023 China Automation Congress （CAC）. Chongqing， 2023： 7994-7999.
[11]	郭孔辉. 驾驶员-汽车闭环系统操纵运动的预瞄最优曲率模型［J］. 汽车工程， 1984， 6（3）： 1-16.
	GUO Konghui. Drivers-Vehicle Close-loop Simulation of Handling by “Preselect Optimal Curvature Method”［J］. Automotive Engineering， 1984， 6（3）： 1-16.
[12]	LIU Qin， ZHANG Xiaobo， XIE Jiachao， et al. Optimization Design of Vehicle Path Tracking Controller Based on High Accuracy Positioning［C］∥2023 7th International Conference on Transportation Information and Safety （ICTIS）. Xi'an， 2023： 1685-1691.
[13]	WERLING M， ZIEGLER J， KAMMEL S， et al. Optimal Trajectory Generation for Dynamic Street Scenarios in a Frenét Frame［C］∥2010 IEEE International Conference on Robotics and Automation. Anchorage， 2010： 987-993.
[14]	LI Haoran， LIU Kai， YANG Bo， et al. Path Tracking of Autonomous Vehicle Based on NMPC with Pre-steering［J］. IEEE Transactions on Consumer Electronics， 2024， 70（1）： 966-979.

考虑曲率扰动的车辆自适应预瞄路径跟踪算法

Adaptive Preview Path Tracking Algorithm for Vehicles Considering Curvature Disturbance

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 14

相关文章 10

编辑推荐

Metrics

[1]	何智成1, 王煜凡1, 韦宝侣1, 2, 李智1, 卜腾辰1. 基于优化动力学模型的路径跟踪控制研究[J]. 中国机械工程, 2024, 35(06): 1000-1009.
[2]	袁志群, 李曰瀚, 林立, 孙鹏飞, 张义, . 风车桥气动干扰作用下的汽车纵横向协调控制[J]. 中国机械工程, 2024, 35(04): 731-741.
[3]	石晴晴, 张润锋, 张连洪, 兰世泉, . 基于强化学习算法的水下滑翔机路径跟踪研究[J]. 中国机械工程, 2023, 34(09): 1100-1110.
[4]	王姝, 张海川, 赵轩, 宋函锟. 融合稳定性的分布式驱动电动汽车路径跟踪控制策略研究[J]. 中国机械工程, 2023, 34(09): 1035-1044.
[5]	武星, 余文康, 楼佩煌, 楼航飞, 翟晶晶, 胡子寒. 大型部件的多机器人合作搬运协同导引控制[J]. 中国机械工程, 2022, 33(13): 1586-1595.
[6]	白国星1;孟宇1,2;刘立1;顾青1;罗维东1;甘鑫1. 基于可变预测时域及速度的车辆路径跟踪控制[J]. 中国机械工程, 2020, 31(11): 1277-1284.
[7]	蔡英凤1;李健2;孙晓强1;陈龙1;江浩斌2;何友国1;陈小波1. 智能汽车路径跟踪混合控制策略研究[J]. 中国机械工程, 2020, 31(03): 289-298.
[8]	刁勤晴;张雅妮;朱凌云. 双预瞄点智能车大曲率路径的横纵向模糊控制[J]. 中国机械工程, 2019, 30(12): 1445-1452.
[9]	赵林峰, 徐磊, 陈无畏. 基于自抗扰控制的自动泊车路径跟踪[J]. 中国机械工程, 2017, 28(08): 966-973.
[10]	汪伟, 赵又群, 许健雄, 刘文婷. 基于模糊控制的汽车路径跟踪研究[J]. 中国机械工程, 2014, 25(18): 2532-2538.