自動(dòng)駕駛汽車(chē)路徑跟蹤控制*

張栩源 李軍化 祖旭

（重慶交通大學(xué)機(jī)電與汽車(chē)工程學(xué)院；重慶市軌道交通汽車(chē)系統(tǒng)集成與控制重慶市重點(diǎn)實(shí)驗(yàn)室）

隨著現(xiàn)代汽車(chē)工業(yè)和計(jì)算機(jī)技術(shù)的快速發(fā)展，人們對(duì)自動(dòng)駕駛汽車(chē)的智能化控制的要求越來(lái)越高。然而，傳統(tǒng)的智能化控制已經(jīng)不能滿足這種需求。為了解決這一問(wèn)題，更精確的路徑跟蹤控制技術(shù)受到了越來(lái)越多的關(guān)注[1]。路徑跟蹤是自動(dòng)駕駛汽車(chē)的重要組成部分，其目的是通過(guò)控制汽車(chē)的橫向和縱向運(yùn)動(dòng)來(lái)跟蹤期望的路徑或軌跡[2]。因此，文章就近年來(lái)國(guó)內(nèi)外學(xué)者基于路徑跟蹤技術(shù)的最新研究展開(kāi)了系統(tǒng)的介紹，分別從運(yùn)動(dòng)控制的分類，實(shí)現(xiàn)自動(dòng)駕駛汽車(chē)在復(fù)雜環(huán)境下精準(zhǔn)跟蹤路徑并保持平穩(wěn)性、安全性的最新研究方法進(jìn)行了歸納總結(jié)。最后，對(duì)某些路徑跟蹤控制方法在跟蹤期望路徑過(guò)程中存在的一些問(wèn)題提出了改進(jìn)建議，希望為今后的進(jìn)一步深入研究提供一定的參考。

1 路徑跟蹤控制分類

針對(duì)自動(dòng)駕駛汽車(chē)的路徑跟蹤控制問(wèn)題，基于控制目標(biāo)的不同，通常將路徑跟蹤控制分為3類，即橫向控制、縱向控制、橫縱向耦合控制。橫向控制是通過(guò)控制汽車(chē)的轉(zhuǎn)向系統(tǒng)，使汽車(chē)沿著期望的參考路徑行駛，盡可能地減少跟蹤誤差，并保證汽車(chē)在行駛過(guò)程中具有一定的安全性、舒適性和平穩(wěn)性。當(dāng)前研究熱點(diǎn)以路徑跟蹤精度和車(chē)身穩(wěn)定性為主要方向，并通過(guò)橫向誤差、航向誤差以及其增量的變化率等參數(shù)評(píng)價(jià)跟蹤性能的好壞[3]。縱向控制主要是通過(guò)對(duì)驅(qū)動(dòng)和制動(dòng)執(zhí)行器的協(xié)調(diào)，實(shí)現(xiàn)對(duì)縱向車(chē)速以及期望距離的精確跟隨。縱向控制采用分層控制策略，上層控制器主要基于距離或速度閉環(huán)得到期望加速度或期望轉(zhuǎn)矩，下層控制器會(huì)將驅(qū)動(dòng)與制動(dòng)命令協(xié)調(diào)起來(lái)以此跟蹤上層控制器給出的期望值[4]。橫縱向耦合控制就是將橫向控制與縱向控制放在一起同時(shí)控制。該控制通常設(shè)計(jì)兩層控制器，上層控制器一般用于控制轉(zhuǎn)向盤(pán)轉(zhuǎn)角，以此減少橫向與航向偏差，確保汽車(chē)可以精準(zhǔn)跟蹤期望路徑，下層控制器一般用于控制油門(mén)或制動(dòng)踏板從而實(shí)現(xiàn)縱向車(chē)速的合理控制，耦合的控制不僅改善了路徑跟蹤精度，而且對(duì)汽車(chē)的穩(wěn)定性和安全性也有較大提升[5-6]。

2 路徑跟蹤控制方法

2.1 線性二次最優(yōu)控制方法

線性二次型最優(yōu)控制（LQR）是一種穩(wěn)定的控制方法，可利用較小的控制能量使系統(tǒng)狀態(tài)變量維持在零值附近，且同時(shí)可以對(duì)不穩(wěn)定系統(tǒng)進(jìn)行整定。

文獻(xiàn)[7]針對(duì)傳統(tǒng)路徑跟蹤橫向控制的LQR控制器大多采用固定加權(quán)矩陣，從而導(dǎo)致控制器的適應(yīng)性和控制精度大幅受限的問(wèn)題，提出了一種結(jié)合前饋控制且加權(quán)矩陣可自調(diào)整的改進(jìn)LQR橫向運(yùn)動(dòng)控制方法。該方法在較好跟蹤目標(biāo)路徑的同時(shí)可以將距離偏差以及航向偏差控制在較小范圍內(nèi)。文獻(xiàn)[8]針對(duì)智能駕駛汽車(chē)在大曲率高速工況下進(jìn)行路徑跟蹤時(shí)，容易出現(xiàn)跟蹤精度差、發(fā)生側(cè)滑等現(xiàn)象，提出了一種基于最優(yōu)前輪側(cè)偏力的智能汽車(chē)LQR橫向控制方法，該方法不僅有效保持了汽車(chē)模型以及刷子輪胎模型的非線性特性，還巧妙結(jié)合前饋與反饋控制構(gòu)建LQR控制器，實(shí)現(xiàn)了對(duì)前輪側(cè)偏力的實(shí)時(shí)在線求解，結(jié)果表明，該方法既降低了跟蹤誤差，還有效提升了汽車(chē)的橫向穩(wěn)定性和操縱性。文獻(xiàn)[9]針對(duì)4WIS電動(dòng)汽車(chē)的軌跡跟蹤問(wèn)題，設(shè)計(jì)了基于最優(yōu)控制的路徑跟蹤控制器，所設(shè)計(jì)的LQR控制器能夠很好地跟蹤不同條件下的目標(biāo)軌跡，具有較強(qiáng)的穩(wěn)定性，并針對(duì)該控制器存在較小跟蹤誤差做出了改進(jìn)，即引入前輪和后輪轉(zhuǎn)角的前饋量，構(gòu)成狀態(tài)反饋前饋控制系統(tǒng)，進(jìn)一步減少了跟蹤誤差。

2.2 模型預(yù)測(cè)控制方法

模型預(yù)測(cè)控制（MPC）也稱滾動(dòng)時(shí)域最優(yōu)控制，該控制器考慮控制系統(tǒng)的非線性動(dòng)力學(xué)模型并預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)系統(tǒng)的輸出行為，通過(guò)解決帶約束的最優(yōu)控制問(wèn)題使得系統(tǒng)在未來(lái)一段時(shí)間內(nèi)的跟蹤誤差最小。

文獻(xiàn)[10]針對(duì)自主四輪馬達(dá)獨(dú)立驅(qū)動(dòng)電動(dòng)汽車(chē)（AMIDEV）所建立的模型具有參數(shù)不確定性、外部干擾、時(shí)變和非線性等特點(diǎn)，提出了基于有限時(shí)間域的魯棒模型預(yù)測(cè)控制（MPC）來(lái)實(shí)現(xiàn)AMIDEV的協(xié)調(diào)路徑跟蹤和直接橫擺力矩控制（DYC）。該方法避免了傳統(tǒng)控制行為的保守性，使得跟蹤精度更高，且提升了電動(dòng)汽車(chē)的操縱性。文獻(xiàn)[11]針對(duì)自主汽車(chē)在路徑跟蹤過(guò)程中存在的問(wèn)題，提出了一種基于模糊自適應(yīng)權(quán)值控制的改進(jìn)MPC控制器。該控制器在保證跟蹤精度的同時(shí)，還考慮了跟蹤過(guò)程中汽車(chē)的動(dòng)態(tài)穩(wěn)定性，即采用汽車(chē)動(dòng)力學(xué)模型作為控制器模型。此外，解決了經(jīng)典MPC控制器在汽車(chē)偏離目標(biāo)路徑時(shí)所帶來(lái)的駕駛舒適性問(wèn)題。文獻(xiàn)[12]針對(duì)自主駕駛汽車(chē)的緊急避障研究，設(shè)計(jì)了雙層MPC緊急避障控制器。在規(guī)劃層引入避障功能函數(shù)，綜合考慮避障函數(shù)權(quán)重和臨時(shí)路徑與全局路徑的偏差權(quán)重，規(guī)劃出緊急避障軌跡。在軌跡跟蹤層，以參考軌跡和航向偏差作為控制量，采用線性時(shí)變MPC求解滿足汽車(chē)動(dòng)力學(xué)約束的最優(yōu)前輪轉(zhuǎn)角。

2.3 滑?？刂品椒?/h3>

滑?？刂剖且环N變結(jié)構(gòu)控制方法，它產(chǎn)生不連續(xù)的控制信號(hào)，迫使系統(tǒng)沿預(yù)定的滑動(dòng)面滑動(dòng)，從而獲得收斂特性和控制魯棒性?；？刂朴捎谄滹@著的優(yōu)點(diǎn)，在各種機(jī)電一體化以及輪式移動(dòng)機(jī)器人中得到了廣泛的應(yīng)用。

文獻(xiàn)[13]針對(duì)機(jī)械輪式全向移動(dòng)機(jī)器人（MWOMR）的路徑跟蹤問(wèn)題，提出了一個(gè)四輸入三輸出的二階狀態(tài)空間方程作為描述MWOMR路徑跟蹤運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)的被控對(duì)象模型。在此模型的基礎(chǔ)上，設(shè)計(jì)了MWOMR的非奇異終端滑模（NTSM）控制器，并對(duì)其穩(wěn)定性進(jìn)行了嚴(yán)格細(xì)致的證明。并提出了一種基于Runge-Kutta公式的航位推算算法來(lái)推導(dǎo)MWOMR的位置和姿態(tài)信息。文獻(xiàn)[14]利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)逼近一個(gè)依賴于轉(zhuǎn)向剛度（與前后輪胎有關(guān)）、橫擺率變化和橫向速度的非線性函數(shù)，以此設(shè)計(jì)一種保證汽車(chē)橫向穩(wěn)定性的基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（SMC_RBNN）的改進(jìn)滑?？刂破?，對(duì)于正弦參考路徑，所提出的SMC_RBNN控制策略在橫向跟蹤誤差方面比傳統(tǒng)滑?？刂破鳎⊿MC）具有更好的控制效果。文獻(xiàn)[15]針對(duì)傳統(tǒng)依賴精確數(shù)學(xué)模型的路徑跟蹤方法難以適應(yīng)復(fù)雜多變的駕駛環(huán)境的問(wèn)題，提出了一種基于終端滑?？刂婆c自抗擾控制相結(jié)合的路徑跟蹤控制方法。使用非奇異終端滑模和指數(shù)趨近律來(lái)設(shè)計(jì)自抗擾控制器結(jié)構(gòu)中的非線性狀態(tài)誤差反饋控制律，其中非奇異終端滑?？梢源_保系統(tǒng)狀態(tài)遠(yuǎn)離平衡點(diǎn)時(shí)能夠快速響應(yīng)，指數(shù)趨近律可以保證系統(tǒng)全局漸近穩(wěn)定，從而進(jìn)一步優(yōu)化控制效果。

2.4 PID控制方法

比例-積分-微分（PID）控制方法具有結(jié)構(gòu)簡(jiǎn)單、調(diào)整方便、參數(shù)調(diào)整與工程指標(biāo)緊密接觸等優(yōu)點(diǎn)。在測(cè)試設(shè)置中運(yùn)行系統(tǒng)并修改PID值以獲得最佳響應(yīng)，但傳統(tǒng)PID控制器參數(shù)的選擇主要依賴反復(fù)的試驗(yàn)和經(jīng)驗(yàn)，無(wú)法根據(jù)狀態(tài)的變化適時(shí)地改變控制參數(shù)。

文獻(xiàn)[16]基于上述問(wèn)題，提出了一種新型的四輪獨(dú)立轉(zhuǎn)向的電動(dòng)汽車(chē)（4WIS），并對(duì)其四輪轉(zhuǎn)向策略進(jìn)行了分析。其次，基于自適應(yīng)模糊PID控制算法，結(jié)合單步航向預(yù)測(cè)方法，研究了4WIS電動(dòng)汽車(chē)的路徑跟蹤控制問(wèn)題。最后，以蛇形軌跡和雙線變道軌跡為參考軌跡，在開(kāi)放道路上驗(yàn)證了所設(shè)計(jì)的自適應(yīng)模糊PID控制算法的可靠性和魯棒性。文獻(xiàn)[17]為了使四旋翼飛行器能夠在精確的路徑上自主飛行，并減小四旋翼動(dòng)態(tài)模型誤差的影響，提出了一種基于非線性自抗擾控制（NLADRC）和PID控制的混合軌跡跟蹤控制器?？刂平Y(jié)構(gòu)采用了內(nèi)環(huán)和外環(huán)相結(jié)合的方式。外環(huán)采用PID控制，通過(guò)計(jì)算期望位置信息獲得期望姿態(tài)角信息；內(nèi)環(huán)采用NLADRC跟蹤期望姿態(tài)，克服外界因素對(duì)姿態(tài)控制的干擾。文獻(xiàn)[18]基于農(nóng)業(yè)機(jī)器人的精確模型建立復(fù)雜，難以完成復(fù)雜環(huán)境的路徑跟蹤問(wèn)題，提出了基于模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID的路徑跟蹤控制方法。利用LQR解耦位姿偏差，使用模糊神經(jīng)網(wǎng)絡(luò)PID作為主控制器具有非線性補(bǔ)償作用。

2.5 模糊控制方法

模糊控制是以模糊合論、模糊語(yǔ)言變量及模糊邏輯推理等作為理論基礎(chǔ)，以傳感器技術(shù)、計(jì)算機(jī)技術(shù)和自動(dòng)控制理論作為技術(shù)基礎(chǔ)的一種新型自動(dòng)控制理論和方法。其不依賴精確數(shù)學(xué)模型，且魯棒性較好。

文獻(xiàn)[19]針對(duì)無(wú)人車(chē)在大曲率彎道行駛中轉(zhuǎn)向機(jī)構(gòu)易過(guò)早響應(yīng)且駛?cè)霃澋儡?chē)速過(guò)高而造成危險(xiǎn)交通事故的現(xiàn)象，提出了一種基于動(dòng)態(tài)雙點(diǎn)預(yù)瞄策略的智能車(chē)橫縱向模糊控制方法。該方法能根據(jù)道路曲率和實(shí)時(shí)車(chē)速調(diào)節(jié)預(yù)瞄距離，確保了跟蹤精度的同時(shí)，也使得在駛?cè)霃澋狼败?chē)速控制在安全范圍內(nèi)。文獻(xiàn)[20]針對(duì)實(shí)際應(yīng)用中自主汽車(chē)路徑跟蹤的轉(zhuǎn)向控制存在參數(shù)（質(zhì)量和車(chē)速）不確定性和因輪胎或路面作用導(dǎo)致的汽車(chē)動(dòng)力學(xué)非線性的情況，利用模糊建模方法，首先將原參數(shù)變化的非線性路徑跟蹤系統(tǒng)表示為具有加性范數(shù)有界不確定性的T-S模糊模型，然后在模糊Lyapunov函數(shù)框架下提出了一種基于模糊觀測(cè)器的汽車(chē)動(dòng)力學(xué)輸出反饋轉(zhuǎn)向控制方法。文獻(xiàn)[21]為了解決汽車(chē)車(chē)速時(shí)變和輪胎側(cè)向力不確定的問(wèn)題，提出了一種新的自主汽車(chē)路徑跟蹤控制方法，即采用Takagi-Sugeno模糊控制來(lái)解決上述問(wèn)題。此外，為了在保持簡(jiǎn)單控制結(jié)構(gòu)的同時(shí)避免使用昂貴的汽車(chē)傳感器，提出了一種新的模糊靜態(tài)輸出反饋（SOF）方案。在控制設(shè)計(jì)中利用穩(wěn)健集不變性來(lái)考慮轉(zhuǎn)向輸入的物理限制和汽車(chē)狀態(tài)，以提高安全性和舒適性，并采用模糊Lyapunov函數(shù)和非并行分布補(bǔ)償（Non-PDC）方案，進(jìn)一步降低了設(shè)計(jì)的保守性。

2.6 自適應(yīng)控制方法

自適應(yīng)控制是指隨時(shí)辨識(shí)系統(tǒng)的數(shù)學(xué)模型并按此模型去調(diào)整最優(yōu)控制規(guī)律。其建立于模糊控制基礎(chǔ)上，具有自適應(yīng)學(xué)習(xí)的模糊邏輯算法，該算法依據(jù)數(shù)據(jù)信息來(lái)實(shí)時(shí)調(diào)整控制系統(tǒng)的自適應(yīng)律。

文獻(xiàn)[22]針對(duì)路徑跟蹤控制不能有效滿足智能汽車(chē)在大曲率條件下的穩(wěn)定性要求。提出了一種具有分層結(jié)構(gòu)和方向誤差補(bǔ)償?shù)淖赃m應(yīng)預(yù)瞄距離路徑跟蹤控制器，其上層控制器為遺傳算法（GA）優(yōu)化的模糊控制器，下層控制器由RBF神經(jīng)網(wǎng)絡(luò)滑?？刂破骱偷鷮W(xué)習(xí)控制器并行組成。將汽車(chē)質(zhì)心橫向加速度和預(yù)覽點(diǎn)橫向誤差作為上位控制器的輸入，基于模糊推理得到最優(yōu)預(yù)瞄距離。并通過(guò)迭代學(xué)習(xí)來(lái)補(bǔ)償方向誤差。文獻(xiàn)[23]為了解決無(wú)人船在各種干擾環(huán)境下快速實(shí)現(xiàn)精確、可靠跟蹤期望路徑的問(wèn)題，提出基于自適應(yīng)視距制導(dǎo)（LOS）、擴(kuò)張狀態(tài)觀測(cè)器（ESO）和MPC的自適應(yīng)路徑跟蹤控制方法，設(shè)計(jì)并實(shí)現(xiàn)無(wú)人船自適應(yīng)路徑跟蹤控制。

2.7 自抗擾控制方法

自抗擾控制（ADRC）是一種非線性魯棒控制方法，是在經(jīng)典PID控制的基礎(chǔ)上引入了現(xiàn)代控制理論中狀態(tài)觀測(cè)器的思想。自抗擾的優(yōu)勢(shì)在于設(shè)計(jì)簡(jiǎn)單，可以實(shí)時(shí)估計(jì)并補(bǔ)償系統(tǒng)運(yùn)行過(guò)程中的“內(nèi)擾”和“外擾”。

文獻(xiàn)[24]基于智能車(chē)在路徑跟蹤過(guò)程中因自身“內(nèi)擾”和“外擾”的干預(yù)影響導(dǎo)致汽車(chē)本身具有較強(qiáng)的非線性和不確定性，提出了一種對(duì)汽車(chē)不確定性和外部干擾具有較強(qiáng)魯棒性的ADRC控制算法，并通過(guò)粒子群優(yōu)化算法來(lái)優(yōu)化控制器參數(shù)，實(shí)現(xiàn)了精確跟蹤的同時(shí)保證了穩(wěn)定性。文獻(xiàn)[25]基于使用參數(shù)固定的自抗擾控制器的汽車(chē)在高速情況下緊急避障時(shí)，由于外界不確定干擾因素，導(dǎo)致控制器的控制精度及效果較差的問(wèn)題，提出了一種基于神經(jīng)網(wǎng)絡(luò)的自抗擾控制方法，該方法在干擾因素作用下不僅提升了控制精度而且魯棒性也較好。

3 結(jié)論

文章基于路徑跟蹤控制目標(biāo)的不同，對(duì)運(yùn)動(dòng)控制進(jìn)行了分類介紹。對(duì)路徑跟蹤當(dāng)下研究較多的控制方法進(jìn)行了系統(tǒng)的闡述。針對(duì)自動(dòng)駕駛汽車(chē)進(jìn)行路徑跟蹤的控制方法尚存在的一些問(wèn)題提出如下建議：

1）國(guó)內(nèi)大量學(xué)者在進(jìn)行路徑跟蹤研究中，通常是將運(yùn)動(dòng)學(xué)模型以及輪胎模型進(jìn)行簡(jiǎn)化處理，簡(jiǎn)化處理后的運(yùn)動(dòng)控制僅適合在常規(guī)工況下進(jìn)行路徑跟蹤，很難完成高速極限工況下的路徑跟蹤控制。因此自動(dòng)駕駛汽車(chē)的運(yùn)動(dòng)控制研究須從常規(guī)工況向極限工況拓展[26]。

2）由于汽車(chē)的轉(zhuǎn)向系統(tǒng)和電機(jī)特性對(duì)汽車(chē)控制的影響較大，現(xiàn)有研究方法很少考慮汽車(chē)的轉(zhuǎn)向系統(tǒng)，因此在以后的研究中可以將轉(zhuǎn)向系統(tǒng)和電機(jī)的作用因素考慮到路徑跟蹤的控制中。其次，當(dāng)前無(wú)人駕駛存在安全性和可靠性無(wú)法保障的問(wèn)題時(shí)，共享駕駛在目前汽車(chē)行業(yè)發(fā)展過(guò)程中能夠發(fā)揮其積極的作用。因此在保證汽車(chē)安全行駛的基礎(chǔ)上，也應(yīng)該多研究一下如何合理分配二者的駕駛權(quán)重及優(yōu)化共享系統(tǒng)的性能[27]。

3）針對(duì)當(dāng)前智能汽車(chē)的路徑跟蹤控制必須處理模型不確定性和非線性的困難，而強(qiáng)化學(xué)習(xí)（RL）作為一類自適應(yīng)最優(yōu)控制方法，在解決復(fù)雜控制問(wèn)題中受到越來(lái)越多的關(guān)注，且隨著機(jī)器學(xué)習(xí)理論和自動(dòng)駕駛汽車(chē)路徑跟蹤方法計(jì)算能力的并行發(fā)展，可以將強(qiáng)化學(xué)習(xí)方法運(yùn)用到自動(dòng)駕駛汽車(chē)的路徑跟蹤控制中去[28]。