دانشگاه تربیت مدرس مهندسی مکانیک مدرس 2476-6909 26 7 2026 06 22 Integrated Longitudinal and Lateral Control for Path Tracking of Autonomous Vehicles Based on NMPC and MHE Under Network Delay and Uncertainty کنترل یکپارچه طولی و عرضی برای ردیابی مسیر خودروی خودران مبتنی بر کنترل‌کننده پیش‌بین مدل غیرخطی و تخمین‌گر افق لغزان در شرایط تاخیر و عدم قطعیت شبکه 583 597 28291 10.48311/mme.2026.118574.82920 FA شهرام آزادی دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران 0000-0002-5817-9838 سیدشامیر شجاعی دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران Journal Article 2026 01 01 Autonomous vehicles require a precise control system capable of handling nonlinear vehicle dynamics safely perform agile maneuvers, such as lane changes. However, in real-world operating conditions, factors such as sensor measurement noise, process noise, time delays, and data packet loss can compromise the stability of the control system. In this research, an integrated control framework based on Nonlinear Model Predictive Control (NMPC) and Moving Horizon Estimation (MHE) is proposed. In the proposed method, the MHE filters out noise effects and reconstructs the system states during periods of data loss and time delays by incorporating physical constraints and the dynamic model. Subsequently, the NMPC receives the corrected states and calculates optimal commands aimed at minimizing the tracking error and maintaining passenger comfort. Simulation results of a double lane change maneuver at a speed of 108 km/h demonstrate that in a critical scenario (comprising a 100 ms network delay, 20% data packet loss, sensor noise, and uncertainties arising from employing a twin-track model with the Pacejka tire formula in the simulation plant), the proposed approach exhibits superior performance compared to the Extended Kalman Filter (EKF) algorithm. This structure fully maintains the vehicle's stability while preventing undesirable oscillations in the steering angle and traction force. Recording a maximum lateral error of 0.1 m and a Root Mean Square Error (RMSE) of 0.044 m demonstrates the outstanding performance of this system in ensuring safety and stability. خودروهای خودران به منظور انجام ایمن مانورهای سریع نظیر تغییر خط، نیازمند سیستم کنترلی دقیقی هستند که قادر به مدیریت دینامیک غیرخطی خودرو باشد. با این حال، در شرایط عملیاتی واقعی، عواملی نظیر نویز اندازه‌گیری سنسورها، نویز فرآیند، تاخیرهای زمانی و از دست رفتن داده‌ها می‌توانند پایداری سیستم کنترل را به مخاطره بیندازند. در این پژوهش، یک ساختار کنترلی یکپارچه مبتنی بر کنترل پیش‌بین مدل غیرخطی (Nonlinear Model Predictive Control) و تخمین‌گر افق لغزان (Moving Horizon Estimation) ارائه شده است. در روش پیشنهادی، تخمین‌گر افق لغزان با در نظر گرفتن قیود فیزیکی و مدل دینامیکی، اثر نویز را فیلتر کرده و وضعیت‌های سیستم را در زمان‌های از دست رفتن داده و تاخیر در دریافت اطلاعات بازسازی می‌کند. سپس کنترل‌کننده پیش‌بین مدل غیرخطی با دریافت وضعیت‌های اصلاح‌شده، فرامین بهینه را با هدف کمینه‌سازی خطای ردیابی و حفظ راحتی سرنشین محاسبه می‌نماید. نتایج شبیه‌سازی مانور تغییر خط دوگانه در محدوده سرعت ۱۰۸ کیلومتر بر ساعت نشان می‌دهد که در یک سناریوی بحرانی (شامل ۱۰۰ میلی‌ثانیه تاخیر شبکه، ۲۰ درصد ریزش داده، نویز سنسورها و عدم قطعیت ناشی از استفاده از مدل چهارچرخ با تایر پژکا در شبیه‌ساز)، رویکرد پیشنهادی در مقایسه با الگوریتم فیلتر کالمن توسعه‌یافته (EKF) عملکرد برتری دارد. این ساختار ضمن جلوگیری از نوسانات نامطلوب در زاویه فرمان و نیروی کشش، پایداری خودرو را کاملا حفظ می‌کند. ثبت ماکزیمم خطای جانبی ۰.۱ متر و جذر میانگین مربعات خطا (RMSE) برابر با ۰.۰۴۴ متر، نشان‌دهنده عملکرد مناسب این سیستم در تضمین ایمنی و پایداری است. https://mme.modares.ac.ir/article_28291_18e3edde68ba02d261c04c136b08484c.pdf