无人驾驶汽车的运动控制系统

无人驾驶汽车运动控制分为纵向控制和横向控制。纵向控制是指通过对油门和制动的协调，实现对期望车速的精确跟随。横向控制实现无人驾驶汽车的路径跟踪。其目的是在保证车辆 *** 纵稳定性的前提下，不仅使车辆精确跟踪期望道路，同时使车辆具有良好的动力性和乘坐舒适性。在无人驾驶汽车的行驶过程中，车辆的横向运动和纵向运动存在耦合关系。通常将纵向运动和横向运动进行讲解，设计两个独立互补关系的控制器，对其分别进行控制。

首先介绍无人驾驶汽车的纵向控制，包括对油门和制动的控制，以及对油门和制动控制的切换规则。在横向控制的过程中，通常需要考虑车辆纵向速度、道路曲率以及未知干扰等诸多因素的影响。其次介绍考虑车辆纵向速度的横向控制，通过航向预估竹法解决无人驾驶汽车在纵向速度发生变化时的横向稳定性较差的问题，提高无人驾驶汽车对纵向速度的自适应能力。

再次介绍考虑已知道路曲率和未知环境干扰时的横向控制，通过滑模变结构控制理论建立自动转向控制系统，采用前馈控制解决道路曲率对横向控制的影响，进一步添加反馈控制解决横向控制过程中由于未知干扰造成的航向偏差。最后介绍考虑环境信息与车辆约束的无人驾驶汽车路径跟踪。

本节首先介绍纵向速度控制模型。然后，分别介绍无人驾驶汽车的油门控制以及基于模糊分档的制动控制。最后，阐述具体的切换规则，协调油门控制与制动控制。无人驾驶汽车采用油门和制动综合控制方法实现对预定速度的跟踪。根据预定速度和无人驾驶汽车实测速度的偏差，油门控制器和制动控制器根据各自的算法分别得到油门控制量和制动控制量。切换规则根据油门控制量、速度控制量和速度偏差选择油门控制还是制动控制:，未选择的控制系统回到初始位置，如按切换规则选择了油门控制，则制动控制执行机构将回到零初始位置。

7M油门控制增量PID控制算法在油门控制中，采用增量PID控制算法。增量PID算法为：Au-u,(k)-ut(k-l)=kp[e(k)-e(/c-l)]+/c,e(A:)+kd[e(k)-2e(k-l)+e(k-2)](7-1)其中，分别为比例、积分和微分系数；u,(A)表示第一=0,1，2,…）个采样时刻的控制量；e(幻表示第A个采样时刻的速度输入偏差。从式（7-1)得到控制量后，根据传动比、伺服电机每转一圈所需的驱动脉冲数确定一个比例系数将控制量乘上该系数发送给伺服电机驱动器。坡道速度跟踪油门控制的纯延迟较小，在算法中可以不考虑。

利用这种固定系数的P1D控制方法，对平坦路面的速度跟踪性能是可以达到要求的，但当道路情况变化时，跟踪效果误差较大。如上坡时，速度明显低于期望速度，需要较长时间才能调整到期望速度，且稳态误差较大；而下坡时，速度高于期望速度。无人驾驶汽车在坡道上时由重力产生的加速度为：=土gsina,—! (7-2)下坡时受到与前进方向相同的力，符号为正；上坡受到与前进方向相反的力，符号为负。无人驾驶汽车行驶过程中，坡道倾斜角可以用无人驾驶汽车俯、仰角代替。

再用期望速度减去该速度增量，得到新的速度偏差:e=Vj-Avslope-vt (1-4)这实质上是改变了无人驾驶汽车在坡道上的期望速度。人工驾驶车辆进行制动时，往往踩住制动踏板至一定行程并保持一段时间，估计车辆可在要求的距离内达到需要的速度，就松开制动踏板。如果没有达到需要的速度，还可重新踩下制动踏板。若不是紧急制动，司机一般会根据当前车辆速度与减速距离判断制动踏板的行程。减速过程中车辆行驶一般相当平稳，即制动踏板不会频繁抖动；但在pn)算法作为制动控制器时，制动时制动踏板出现抖动。