无人驾驶汽车技术与应用 课件 第5章 无人驾驶汽车控制

第五章无人驾驶汽车控制导读

无人驾驶汽车控制系统的探讨无人驾驶汽车控制系统是实现自动驾驶的核心组成部分之一，负责将规划与决策结果转化为具体的车辆运动指令。控制系统的设计和实现直接关系到自动驾驶的安全性、稳定性与舒适性。本章将深入探讨无人驾驶汽车的控制系统，包括运动控制理论、汽车模型、汽车运动控制等学习目标

了解汽车运动控制理论

掌握无人驾驶汽车动力学模型、运动学模型

掌握无人驾驶汽车常用控制方法5.1汽车运动控制理论：5.1.1经典控制理论

PID控制基本内容在实际工程问题中，比例-积分-微分（PID）控制方法得到了广泛应用。PID控制包含三个基本环节：比例（P）、积分（I）和微分（D）。这些环节相互协作，作用于控制系统，确保被控对象实现稳定和精确的控制。5.1汽车运动控制理论：5.1.1经典控制理论

（1）比例控制

比例控制是PID控制中最基本的一种控制方式，其输出与输入误差值成正比关系。（2）积分控制

积分控制器的输出与输入误差的积分成正比。在控制系统中，如果系统在稳定状态下仍存在稳态误差，则称该系统为“有差系统”。为消除稳态误差，控制器中需引入“积分项”。通过对误差进行时间积分，积分项的值会随时间逐渐增加，即使误差很小，积分项也会不断积累，最终使控制器输出增大，逐渐将稳态误差减小至零。5.1汽车运动控制理论：5.1.1经典控制理论

（3）微分控制

微分控制器的输出与输入误差的变化率（即误差的微分）成正比。在控制系统中，频繁的振荡或系统失稳现象往往是由于系统中存在较大的惯性或滞后，导致误差的变化总是滞后于控制器的响应。为解决这一问题，可以通过使控制器的反应“超前”来应对，即当误差接近零时，控制器提前调整输出为零。5.1汽车运动控制理论：5.1.1经典控制理论

PID参数的调整在调整PID参数时，理论计算是理想方法，但在实际应用中，通常采用试凑法来确定PID参数。增加积分时间则有助于减小超调量和振荡，增强系统稳定性，但也会延长稳态误差的消除时间。增加微分时间可以加快系统响应速度，减少超调并提高稳定性，但可能削弱系统的抗扰能力5.1汽车运动控制理论：5.1.1经典控制理论

PID参数的调整1）调整比例部分：首先增大比例参数，并观察系统的响应，直到获得响应迅速且超调量较小的曲线。

2）引入积分部分：如果仅调整比例系数不能满足稳态误差要求，则需要引入积分环节。初始时将积分时间设为较大值，并适当缩小比例系数（通常缩小至原值的80%）。3）引入微分部分：如果经过多次调整仍无法达到满意的控制效果，则考虑引入微分环节。先将微分时间系数设为0，在已调整好的基础上，缓慢增加微分时间，同时调整比例和积分参数，反复试凑，直到获得预期的控制效果5.1汽车运动控制理论：5.1.2现代控制理论

线性二次型最优控制（1）基本内容

线性二次型最优控制，亦称为线性二次型调节器（LinearQuadraticRegulator，LQR），是基于线性二次型最优控制原理设计的控制器。它的作用是当系统状态因为某种原因导致偏离了平衡点时，在不消耗多余能量的情况下，使系统状态仍然保持在平衡点附近。线性二次型最优控制的控制对象是具有线性或可线性化特性的系统，其性能指标为状态变量和控制变量的二次型函数的积分。5.1汽车运动控制理论：5.1.2现代控制理论

（2）无限时间状态的LQR调节器的设计过程

设线性系统的状态空间描述为 &x(t)=Ax(t)+Bu(t)&y=Cx(t) 最优控制的关键是如何求得一组反馈控制序列u，在时间段。[t0，∞)内，该控制序列作为控制系统的输人，可以将控制系统由非平衡状态调节到零点(平衡状态)附近，同时能够使性能指标函数的值最小。性能指标函数表示为J，则 J=12−∞+∞ xTQx+uTRudt5.1汽车运动控制理论：5.1.2现代控制理论

2．模糊控制（1）基本内容

模糊控制器(FuzzyController，FC)也称为模糊逻辑控制器(FuzzyLogicController，FLC)。模糊控制器所使用的控制规则是基于模糊集合论中的模糊条件语句构建的。因此，模糊控制器被归类为语言型控制器，通常称为模糊语言控制器（FuzzyLanguageController，FLC）。5.1汽车运动控制理论：5.1.2现代控制理论

（2）模糊控制器各主要环节的功能

模糊化阶段的主要功能是将系统中的所有精确量（如外部参考输入、系统输出以及系统状态等）转换为模糊量，使之符合模糊控制器的输入要求。接着，通过尺度变换将这些量调整到各自的论域范围内，再进行模糊化处理，将原本的精确输入量变为模糊量，并用对应的模糊集合进行表示。需要注意的是，有时模糊化部分可能被视为模糊控制器的外部环节。5.1汽车运动控制理论：5.1.2现代控制理论

3．自适应控制（1）基本内容

自适应控制系统需要不断地测量系统本身的状态、性能、参数，并对系统当前数据和期望数据进行比较，再做出改变控制器结构、参数或控制方法等的最优决策。系统不断地测量输入和扰动，与参考输人对比，根据需要不断地调节自适应机构，既要保证系统输出满足要求，还要保证系统的稳定。（2）自适应控制系统的设计过程

设可控系统的受控对象数学模型为

5.1汽车运动控制理论：5.1.2现代控制理论

4．模型预测控制（1）基本内容

模型预测控制（ModelPredictiveControl，MPC）是一种独特的控制方法。每个采样周期内，它通过求解一个有限时间范围的开环最优控制问题来生成当前的控制序列。5.1汽车运动控制理论：5.1.2现代控制理论

模型预测控制的三个组成部分1）预测模型预测模型的作用是根据当前的控制输入和历史信息，预测系统未来的输出。因此，需要一个能够描述系统动态行为的模型作为预测工具。在预测控制的不同算法中，常见的预测模型有两种：模型算法控制（MAC）使用系统的单位脉冲响应曲线，动态矩阵控制（DMC）则使用阶跃响应曲线。5.1汽车运动控制理论：5.1.2现代控制理论

模型预测控制的三个组成部分2）反馈校正虽然预测模型能够预估系统的输出，但由于模型失配和外界干扰等不确定因素，预测结果往往与实际情况有所偏差。因此，需要通过测量系统实际输出值，并与模型的预测值进行比较，得出误差。5.1汽车运动控制理论：5.1.2现代控制理论

模型预测控制的三个组成部分3）滚动优化预测控制通过优化某一性能指标来确定未来的控制动作，这一指标与系统未来的行为有关，由控制策略决定。然而，与传统的离散最优控制算法不同，预测控制采用滚动优化策略，而非全局优化。5.1汽车运动控制理论：5.1.2现代控制理论

5．神经网络控制神经网络控制是指利用神经网络技术来处理控制系统中难以精确建模的复杂非线性对象。神经网络可以用作模型辨识工具、控制器，或用于优化参数设计、推理和故障诊断，甚至同时具备多种功能。5.1汽车运动控制理论：5.1.2现代控制理论5．神经网络控制

１）参数估计自适应控制系统

２）内模控制系统

３）预测控制系统

４）模型参考自适应系统

５）变结构控制系统5.1汽车运动控制理论：5.1.2现代控制理论

6．

滑模控制滑模控制（SlidingModeControl，SMC），也称为滑模变结构控制，本质上是一种特殊的非线性控制方法，其非线性体现在控制序列的不连续性。与传统控制方法不同，滑模控制的系统结构并非固定不变，而是能够根据系统的当前状态（如偏差及其导数等）在动态过程中有目的地变化，从而使系统沿着预设的滑动模态轨迹运动。5.1汽车运动控制理论：5.1.2现代控制理论

滑模控制的主要特点是控制的不连续性，即系统结构随时间变化，导致系统在一定条件下沿着预设的轨迹以小幅度和高频率进行滑动模态运动。5.1汽车运动控制理论：5.1.2现代控制理论6．滑模控制

1）

位于切换面s(x)=0之外的运动点会在规定的时间内到达切换面；2）

满足滑模控制系统对动态性能的要求；3）确保了滑模控制运动过程的稳定性5.1汽车运动控制理论：5.1.2现代控制理论

7．鲁棒控制鲁棒性指的是控制系统在面对一定的参数摄动时，仍能维持某些性能特性的能力。根据不同的性能要求，鲁棒性可以分为稳定鲁棒性和性能鲁棒性。以闭环系统鲁棒性为目标设计出的固定控制器，称为鲁棒控制器。鲁棒性又称为系统的健壮性，是系统在面对异常扰动时保持稳定性的关键。鲁棒控制特别适用于那些以稳定性和可靠性为首要目标的应用场景，尤其是动态特性已知且不确定因素变化可预估的系统。5.2汽车模型优化汽车轨迹规划与控制建立汽车动力学模型与运动学模型的目的是为了满足汽车运动规划与控制的需求。在自动驾驶场景中，车辆通常沿规划轨迹行驶，而控制模块的任务是确保车辆尽可能精确地跟随该轨迹。因此，规划的轨迹应尽量接近实际情况。5.2汽车模型：5.2.1汽车动力学

在自动驾驶汽车的运动控制研究中，分析汽车侧向运动的动力学模型非常重要。常用的是考虑二自由度的“自行车”模型5.2汽车模型：5.2.1汽车动力学

5.2汽车模型：5.2.1汽车动力学

5.2汽车模型：5.2.1汽车动力学

5.2汽车模型：5.2.1汽车动力学

5.2汽车模型：5.2.1汽车动力学

车速影响侧向动力学控制由此转向控制问题的跟踪目标可转化为动力学稳定性问题。需要注意的是，当车速Vx不再是常数时，上述的侧向动力学模型将成为纵向车速Vx的函数。换句话说，车速的变化会直接影响侧向动力学模型的行为，导致系统的动力学特性与车速Vx相关联。因此，在这种情况下，侧向运动的分析和控制需要考虑纵向速度的动态变化，以确保模型能够准确描述汽车的运动状态5.2汽车模型：5.2.2汽车运动学

汽车运动模型是指用数学方式描述汽车运动而不考虑影响汽车运动的力。运动方程是基于控制对象的几何关系而建立的。建立汽车的运动学模型需要以下假设作为前提：1）不考虑汽车在Z轴方向的运动，只考虑XY水平面的运动；2）左右侧车轮转角一致，这样可将左右侧轮胎合并为一个轮胎；3）汽车行驶速度变化缓慢，忽略前后轴载荷的转移；4）车身及悬架系统是刚性的。5.2汽车模型：5.2.2汽车运动学5.2汽车模型：5.2.2汽车运动学5.2汽车模型：5.2.2汽车运动学5.2汽车模型：5.2.2汽车运动学5.3汽车运动控制：5.3.1汽车运动控制概述

01自动驾驶运动控制研究运动控制是自动驾驶汽车研究中的核心问题之一，指的是根据车辆周围环境、车体位置、姿态、车速等信息，按照特定逻辑做出决策，并向油门、制动和转向等执行系统发出控制指令。

02横纵协同控制关键研究横向控制的重点是研究汽车的路径跟踪能力，即如何使汽车沿着规划的路径行驶，并确保行驶的安全性、平稳性和乘坐的舒适性；纵向控制则侧重于速度跟踪，控制汽车按照设定速度巡航或与前方动态目标保持适当距离。

03一般来说，横向控制系统的实现主要依赖于预瞄跟随控制、前馈控制和反馈控制等方法单击此处添加项正文5.3汽车运动控制：5.3.2预瞄跟随控制

预瞄跟随控制原理是基于驾驶员的操纵特征（驾驶员模型）提出的，驾驶员模型是导航技术的重要组成部分。基于偏差调节的期望路径跟随控制系统可以视为一种简化的驾驶员模型。驾驶员通过感知外部环境、道路信息以及当前车辆的运动状态，预测车辆当前位置与道路中心线之间的侧向位移偏差和航向偏差。随后，驾驶员通过转动方向盘来修正这些偏差，使其趋于零。这些预测的偏差被称为预瞄侧向位移偏差和预瞄航向偏差。5.3汽车运动控制：5.3.3前馈控制

前馈控制系统是一种根据扰动或设定值的变化，依照补偿原理进行工作的控制系统。其特点在于，在扰动发生时，还未对被控变量产生影响之前，系统就根据扰动的大小进行控制，提前补偿扰动对被控变量可能带来的影响。5.3汽车运动控制：5.3.4反馈控制

反馈控制原理及应用概述反馈控制是指将系统的输出信息返回至输入端，与输入信息进行比较，并通过二者的偏差来实现控制的过程。实际上，反馈控制利用过去的状态来指导当前和未来的操作。在控制系统中，如果返回的信息作用于抵消输入信息，称为负反馈，负反馈可以使系统趋于稳定；如果增强输入信息，则称为正反馈，正反馈可强化信号。

u=−Kx单击此处添加项正文5.3汽车运动控制：5.3.5横向控制

自动驾驶汽车作为一个高度非线性的系统，具有非完整运动约束，其模型和外界环境存在不确定性以及测量不精确性，因此运动控制面临一定难度。横向控制主要负责调节汽车的航向，通过改变方向盘的扭矩或角度，使汽车沿预定航向行驶。根据人类驾驶经验，驾驶员通常会提前观察前方道路，预估前方情况，计算预瞄点与当前车辆位置之间的距离。如果前方道路右转，驾驶员会根据道路的曲率和行驶速度右转方向盘以适应转弯。为了平稳完成转弯，驾驶员会不断观察汽车实际位置与道路中心线之间的横向位移偏差及航向角偏差，并通过调整方向盘角度来减小这些偏差，以确保快速、精准地跟踪期望路径。5.3汽车运动控制：5.3.5横向控制

在建立自动驾驶汽车横向控制系统时，首先需要构建道路-汽车动力学控制模型，依据最优预瞄驾驶员原理设计侧向加速度最优跟踪PID控制器，形成汽车横向控制系统。接着，以汽车纵向速度和道路曲率为控制器输入，预瞄距离为控制器输出，设计预瞄距离自动选择的最优控制器，从而实现汽车横向运动的自适应预瞄最优控制5.3汽车运动控制：5.3.6纵向控制

5.3.6纵向控制

自动驾驶汽车的纵向控制系统主要分为两种模式：直接式控制和分层式控制。直接式控制是通过设计控制器直接调节控制参数，而分层式控制将系统划分为两个或多个控制器，分别处理不同的控制任务

自动驾驶汽车的纵向控制原理基于油门踏板和制动踏板的协调切换，来实现车辆的加速和减速，从而达到对纵向期望速度的跟踪与控制。