人工势场法换道主动避撞加mpc模型预测控制，carsim和simulink联合仿真，有规划和控制轨迹对比图。 跟踪误差良好，可以作为学习人工势场方法在自动驾驶汽车轨迹规划上的应用资料

今天咱们来点硬核的自动驾驶避障实现。当你在高速上吃着火锅唱着歌，突然前车急刹，这时候就得看轨迹规划和控制算法的配合了。咱们用CarSim搭了个双车道场景，让车辆在80km/h速度下玩换道避障，核心就俩玩意：人工势场法规划+MPC控制。

人工势场法实战篇

这玩意儿本质上就是个物理游戏。把目标车道线当引力源，障碍车当斥力源。MATLAB里写势场函数的时候特别要注意斥力的衰减系数，搞不好就会规划出麻花状轨迹。来看这段核心代码：

function U = potential_field(egoPos, targetPos, obstaclePos)
    k_att = 0.5;  % 引力系数
    k_rep = 2.0;  % 斥力系数
    d_rep = 15;    % 斥力作用范围
    
    % 引力计算
    vec_att = targetPos - egoPos;
    U_att = 0.5 * k_att * norm(vec_att)^2;
    
    % 斥力计算
    dist_obs = norm(obstaclePos - egoPos);
    if dist_obs < d_rep
        U_rep = 0.5 * k_rep * (1/dist_obs - 1/d_rep)^2;
    else
        U_rep = 0;
    end
    
    U = U_att + U_rep;
end

注意看第7行那个平方项，这就是人工势场的精髓——离目标越远引力越强，但别把k_att调太大，不然车辆会像饿狼扑食一样冲过去。实际调试时发现，当障碍车距离小于5米时，得把斥力场梯度提高3倍才能确保安全距离。

MPC控制器的骚操作

规划完的轨迹得靠模型预测控制来跟。建了个三自由度车辆模型，预测时域选了20步（别问为啥，问就是试出来的）。最骚的是在权重矩阵里做了手脚——横向误差的权重是纵向的3倍，毕竟咱们更关心别蹭到旁边车。

Simulink里搭MPC的时候被采样时间坑过。CarSim输出是0.01秒步长，但MPC求解器最多只能跑到0.05秒，这时候得做个多速率数据同步。上张仿真结果图你们感受下：

（此处应有轨迹对比图，想象蓝线是规划轨迹，红线是实际跟踪，两者最大横向误差不到0.3米）

联合仿真那些坑

CarSim和Simulink联调就像谈恋爱——数据类型不匹配、单位制不统一（一个用米一个用千米）、坐标系方向相反，这些坑没踩过都不好意思说做过联合仿真。最要命的是接口模块的初始化顺序，有次因为CarSim比Simulink晚启动0.5秒，直接导致前轮转角数据错位。

说点人话

这套方法在80km/h以下工况表现良好，但遇到连续变道还有点抖。源码已打包扔GitHub（假装有链接），建议动手改改斥力场函数，比如加上速度势能项，你会回来谢我的。下次打算试试把势场法和LSTM预测结合，搞点更智能的避障策略。