PID控制

PID控制又稱比例-積分-微分控制器。在自動駕駛汽車跟蹤控制中，該算法主要是對車輛反饋的車輛位姿等信息做偏差處理，并通過比例、積分、微分進行線性組合構(gòu)成控制量，從而對被控對象進行控制。

該算法由于無需建立精確模型，算法簡單易實現(xiàn)，廣泛應(yīng)用于各工業(yè)領(lǐng)域，但其參數(shù)調(diào)整比較困難，因此有許多學(xué)者將現(xiàn)代智能化算法如模糊控制、神經(jīng)網(wǎng)絡(luò)控制等算法與
PID算法進行結(jié)合，簡化了控制器參數(shù)調(diào)整過程。

通過計算期望車速與實際車速的偏差，
模糊免疫PID速度跟蹤控制器控制制動/油門機械腿分別操縱制動/油門踏板。通過引入車速反饋不斷更新汽車的側(cè)向加速度增益，
實現(xiàn)了車輛轉(zhuǎn)向控制與縱向車速控制的解耦。

仿真實驗表明該算法能使平衡小車在保持動態(tài)平衡的前提下對指定軌跡進行的良好跟蹤，具有較快的動態(tài)響應(yīng)速度，對干擾具有良好的魯棒性。

對于縱向控制，總車輪扭矩由嵌入MPC框架中的PID速度控制器產(chǎn)生。仿真試驗結(jié)果表明，該控制器對車輛橫向和縱向位置的跟蹤誤差較小，對軌跡和速度的跟蹤性能良好。

LQR控制

LQR控制器是一種多目標最優(yōu)控制，能夠使系統(tǒng)在被控時間內(nèi)，尋求最優(yōu)控制率減小目標函數(shù)以達到最優(yōu)控制效果，即以較小的控制量和代價使系統(tǒng)穩(wěn)定達到目標狀態(tài)。

該控制算法易于設(shè)計，但在曲率變化較大的路段進行跟蹤控制時，會使得跟蹤誤差變大而導(dǎo)致跟蹤失敗，因此往往需要結(jié)合其他控制算法如前饋控制來進行無誤差跟蹤。

結(jié)果表明，所提出的控制方法可有效提高控制精度，實現(xiàn)鉸接式車輛的精確、穩(wěn)定路徑跟蹤。

圖2-7 對于基于鉸鏈車模型的路徑跟蹤控制系統(tǒng)

其次，利用LQR最優(yōu)控制實現(xiàn)該線性系統(tǒng)的閉環(huán)控制，以保證其穩(wěn)定性和快速收斂性。在此過程中，通過矩陣Q和r平衡狀態(tài)變量和輸入的權(quán)重，可以得到LQR的最優(yōu)二次型性能指標，因此可以方便地調(diào)整和標定控制參數(shù)。

2.6 滑模控制

滑模控制（SMC）又稱滑模變結(jié)構(gòu)控制，是一種典型的非線性反饋控制方法，具有很強的抗不確定性擾動能力。通過設(shè)計合適的滑動模態(tài)，可以迫使系統(tǒng)快速按照預(yù)定的狀態(tài)軌跡運行，具有魯棒閉環(huán)性能。

滑模控制的缺點主要是其不連續(xù)的開關(guān)特性將會引起抖動，降低控制系統(tǒng)抖動是目前該領(lǐng)域的研究熱點與難點。

首先，對車輛的運動過程進行研究，建立車輛的運動學(xué)模型。

其次，基于B樣條曲線理論建立非線性約束平行泊車路徑優(yōu)化函數(shù)，并分析車輛運動學(xué)約束條件。

然后，結(jié)合非時間參考路徑跟蹤控制和終端滑模控制方法，提出基于趨近律的非時間參考終端滑模路徑跟蹤控制方法。