强扰动下仍稳定
通过深度神经网络补偿模型失配并利用包络稳定区约束，在保证车辆稳定性的同时显著提升路径跟踪精度。
Wu, Xitao · 魏超 · Hao, Zhang · Jiang, Chaoyang · Hu, Chuan
IEEE Transactions on Vehicular Technology 2024
在严重不确定性和扰动下，实车实验表明路径跟踪性能提升，说明控制器能有效补偿模型失配和外部干扰。
通过将轮胎摩擦极限定义的包络稳定区作为安全约束，控制器在跟随路径的同时将车辆状态限制在稳定域内，避免失稳。
DNN模型估计预测误差，降低名义模型与实际车辆之间的失配，使得MPC在不确定条件下仍能生成适度的转向动作，不因过度保守而牺牲跟踪。