基于二阶自抗扰ADRC和MPC的路径跟踪控制，使用ADRC对前轮转角进行补偿，对车辆的不确定性和外界干扰具有一定抗干扰性，有参考lunwen，Carsim版本为2019，Matlab版本为2021 ,基于二阶自抗扰ADRC; MPC路径跟踪控制; 车辆不确定性抗干扰性; 外界干扰补偿; 参考lunwen; Carsim 2019版本; Matlab 2021版本,基于二阶自抗扰ADRC与MPC的车辆路径跟踪控制研究 在现代汽车电子控制系统中，路径跟踪控制是实现车辆自动驾驶的关键技术之一。随着自动驾驶技术的不断发展，对车辆路径跟踪控制系统的性能要求也愈来愈高，尤其是在面对车辆自身不确定性和复杂多变的外部环境时，如何确保车辆能够准确、稳定地跟踪预定路径成为了一项重要课题。为了提高车辆在真实道路条件下的行驶稳定性和安全性能，研究者们开始探索将二阶自抗扰控制（ADRC）与模型预测控制（MPC）相结合的先进控制策略。 自抗扰控制（ADRC）是一种基于对象动态模型的控制技术，它通过实时估计和补偿系统的不确定性和外部干扰来提高系统的鲁棒性。在路径跟踪控制中，ADRC可以有效地补偿由车辆的动态特性不一致以及复杂外部环境引起的不确定性，从而提高车辆路径跟踪的精确性和稳定性。 模型预测控制（MPC）是一种基于优化控制理论的先进控制策略，它通过预测未来一段时间内系统的动态行为，然后在线求解最优控制序列以实现对系统未来行为的指导。MPC具有良好的处理约束能力和优化多目标问题的能力，适用于处理复杂的路径跟踪任务。 将ADRC和MPC相结合，可以充分发挥两者的优势。ADRC的强鲁棒性能可以处理车辆在复杂环境下的不确定性，而MPC的预测和优化能力则有助于实现对车辆未来路径的精确控制。这种结合使用的方法不仅能够保证车辆在受到不确定性和外部干扰时仍能保持稳定跟踪预定路径，而且还可以在满足各种约束条件的前提下优化车辆的行驶性能。 为了验证和分析所提出的控制策略的实际效果，研究中使用了Carsim软件进行车辆模型的搭建和仿真实验。Carsim作为一个被广泛认可的车辆动力学仿真平台，能够提供精确和高保真的车辆模型和环境模拟。同时，实验中的控制算法实现则是通过Matlab软件及其相应的控制系统工具箱来完成的。Matlab作为一个功能强大的数学计算和仿真平台，为控制算法的开发和测试提供了便利。 在所提供的压缩包文件中，包含了多个与基于二阶自抗扰ADRC和MPC路径跟踪控制相关的文档，这些文档涵盖了研究的引言、车辆稳定性与抗干扰性分析、以及具体的控制策略研究等内容。通过这些文档，研究人员可以深入理解该控制策略的设计理念、实现方法和仿真实验结果，为未来该领域的进一步研究和应用提供了宝贵的资料和参考。 基于二阶自抗扰ADRC和MPC的路径跟踪控制为车辆自动驾驶提供了新的解决方案，它不仅提升了车辆路径跟踪的稳定性和精确性，还增强了系统对外界干扰的抵抗能力。随着相关技术的不断完善和成熟，我们有理由相信，这一控制策略将在未来的自动驾驶技术中扮演重要的角色。

先把这里面的地址换成你自己的 fin.open("/home/~/point.txt"); fine.open("/home/~/point.txt"); 然后编译，catkin_make 运行rosrun follow follow

压缩包中包含4个文件，所以文件都需要放在同一目录下，且最好不要有中文路径，文件采用的是matlab 2018b版本，低于此版本可能打不开，解压后直接用simulink打开.slx文件就能运行，plot_1主要是车位尺寸和道路边界信息，可以在运行simulink文件前先在matlab运行plot_1，不要关闭绘图窗口，然后运行simulink文件，可以更直观的观察到车辆的运动，plot_2主要是绘图代码，具体内容可参考我写的文章《平行泊车系统路径跟踪控制（2）》

全自动泊车系统的车位智能识别与泊车路径跟踪控制.caj

矿用铰接式车辆路径跟踪控制研究现状与进展.docx

人机共驾系统驾驶员扭矩估计和路径跟踪控制.pdf

龚建伟第二版书中可行的程序，遇到问题大家一起留言讨论进步学习。

路径跟踪问题是智能车辆研究的一项关键技术，其重点在于寻找一种合适的控制算法去控制车辆精确的跟随规划好的路径。文章主要研究了线性二次型最优控制（LQR）在智能车路径跟踪方面的应用，包括智能车辆模型搭建、算法应用、路径工况选择的具体过程，指出了 LQR 控制算法在该领域应用的优缺点。

为了降低泊车系统对驾驶人车速控制要求，针对泊车过程中驾驶人车速控制失误致使车辆偏离泊车路径最终导致泊车失败的问题，提出了结合定点跟踪的非时间参考的路径跟踪控制策略（ Ｎｏｎ － Ｔｉｍｅ　Ｂａｓｅｄ　Ｐａｔｈ　Ｔｒａｃｋｉｎｇ ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　Ｐｏｉｎｔ　Ｔｒａｃｋｉｎｇ ， ＮＴＢＰＴｃｗＰＴ ）。设计了定点跟踪控制律，建立了 ＮＴＢＰＴｃｗＰＴ 控制模型，并进行了泊车路径跟踪仿真。结果表明：基于 ＮＴＢ －ＰＴｃｗＰＴ 的泊车控制策略降低了控制器对驾驶人速度控制的要求； ＮＴＢＰＴｃｗＰＴ 策略的位姿调整功能提高了泊车成功率；基于 ＮＴＢＰＴｃｗＰＴ策略的控制器可实现车辆规范停放。

基于CarSim与Matlab的泊车路径跟踪控制模型设计，硕士毕业论文，可参考作为入门的学习文件。全自动泊车，路径规划，车辆控制