在本视频中，将会展示如何在Simulink中实现基于模型预测控制的传感器融合自适应巡航控制，我们先来看看在Simulink中是如何完成的？

​

视频加载中...

在图中可以看到整个控制系统的模型，右边的子系统展示了车辆以及其周围的环境，它由车辆动力学，驾驶员驾驶模型，以及定义了道路及周边车辆的驾驶情境组成，子系统还模拟了视觉和雷达传感器，左边的子系统包含传感器融合自适应巡航控制的算法，它模拟了传感器的融合，并控制车辆的纵向加速度。

现在单击播放按钮开始模拟，这张图展示了目标车辆的行为表现，以及道路周围的汽车情况，图中标黄的车辆，目前认为是先导车，在这个图中我们可以看到视觉和雷达传感器的探测和跟踪范围，道路情况及周边汽车运动轨迹已经在模拟之前设定好了，目标车辆由模型预测控制系统控制，保持恒定的纵向速度，同时与先导车保持安全距离。

另一方面，车辆驾驶由驾驶员模型控制，绕曲线行驶，在模拟数据查看器查看模拟结果时，从上面开始，这个图展示了车速，目标车和先导车之间的相对距离，以及模型预测控制系统计算出来的加速度，模型预测控制系统能进行一些约束设置。

比如限速，安全距离设定和加速度限制，回到模型，这个子系统由传感器融合与和模型预测控制系统组成，通过使用自动驾驶系统工具箱，传感器融合算法检测到离目标车辆最近，且在它前面的先导车，然后通过融合视觉和雷达传感器的数据，计算出目标车与先导车的相对位置和相对速度，模型预测控制系统使用模型预测控制工具箱中的自适应巡航控制系统模块。

我们可以指定预测模型并控制一些参数，比如预测范围，成本函数的权重，以及加速度的上下限，车辆与环境子系统，由三自由度车辆动力模型和控制转向角度，使车辆按照既定路线行驶的驾驶员驾驶模型，以及一个模拟传感器与周边道路车辆交互的子系统组成。

我们可以设定场景，规定道路与周围车辆，并设定周围车辆的运动轨迹，该场景可以在Matlab中创建，使用自动驾驶系统工具箱中的驾驶场景类别，也可以像这样可视化驾驶场景，探索道路纵断面的变化，以及车辆行为如何，最后 可以根据开发的算法模型，自动生成C代码。

例如，我们可以用模型预测控制系统生成C代码，并将其用于软件循环测试和硬件实现，在这段视频中 我们讨论了模型预测控制的应用 并演示了传感器融合自适应巡航控制的实现，Simulink中可以开发算法，如模型预测控制系统与传感器融合，闭环测控系统，并在这个开发平台上，用算法生成C代码，此演示可在模型预测控制工具箱，及自动驾驶系统工具箱中查看。

这就是本期视频的部分内容，如果想要获取更多的详细内容，请观看完整视频，也欢迎关注我们获取更多行业知识。

视频著作权来源于视频创作者，字幕著作权属于四川凤涅科技。如需转发或下载用于个人学习请后台留言。