張栩源 李軍化 祖旭

（重慶交通大學(xué)機(jī)電與汽車工程學(xué)院；重慶市軌道交通汽車系統(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)駕駛汽車的智能化控制的要求越來越高。然而，傳統(tǒng)的智能化控制已經(jīng)不能滿足這種需求。為了解決這一問題，更精確的路徑跟蹤控制技術(shù)受到了越來越多的關(guān)注[1]。路徑跟蹤是自動(dòng)駕駛汽車的重要組成部分，其目的是通過控制汽車的橫向和縱向運(yùn)動(dòng)來跟蹤期望的路徑或軌跡[2]。因此，文章就近年來國(guó)內(nèi)外學(xué)者基于路徑跟蹤技術(shù)的最新研究展開了系統(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程中存在的一些問題提出了改進(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)駕駛汽車的路徑跟蹤控制問題，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。橫向控制是通過控制汽車的轉(zhuǎn)向系統(tǒng)，使汽車沿著期望的參考路徑行駛，盡可能地減少跟蹤誤差，并保證汽車在行駛過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身穩(wěn)定性為主要方向，并通過橫向誤差、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]?？v向控制主要是通過對(duì)驅(qū)動(dòng)和制動(dòng)執(zhí)行器的協(xié)調(diào)，實(shí)現(xiàn)對(duì)縱向車速以及期望距離的精確跟隨?？v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)向盤轉(zhuǎn)角，以此減少橫向與航向偏差，確保汽車可以精準(zhǔn)跟蹤期望路徑，下層控制器一般用于控制油門或制動(dòng)踏板從而實(shí)現(xiàn)縱向車速的合理控制，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LQR橫向控制方法，該方法不僅有效保持了汽車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，還有效提升了汽車的橫向穩(wěn)定性和操縱性。文獻(xiàn)[9]針對(duì)4WIS電動(dòng)汽車的軌跡跟蹤問題，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)未來一段時(shí)間內(nèi)系統(tǒng)的輸出行為，通過解決帶約束的最優(yōu)控制問題使得系統(tǒng)在未來一段時(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（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)汽車的操縱性。文獻(xiàn)[11]針對(duì)自主汽車在路徑跟蹤過程中存在的問題，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)，還考慮了跟蹤過程中汽車的動(dòng)態(tài)穩(wěn)定性，即采用汽車動(dòng)力學(xué)模型作為控制器模型。此外，解決了經(jīng)典MPC控制器在汽車偏離目標(biāo)路徑時(shí)所帶來的駕駛舒適性問題。文獻(xiàn)[12]針對(duì)自主駕駛汽車的緊急避障研究，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。滑?？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?？刂破鳎瑢?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)滑模控制器（SMC）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，其中非奇異終端滑模可以確保系統(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]基于上述問題，提出了一種新型的四輪獨(dú)立轉(zhuǎn)向的電動(dòng)汽車（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)汽車的路徑跟蹤控制問題。最后，以蛇形軌跡和雙線變道軌跡為參考軌跡，在開放道路上驗(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。控制結(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)無人車在大曲率彎道行駛中轉(zhuǎn)向機(jī)構(gòu)易過早響應(yīng)且駛?cè)霃澋儡囁龠^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)霃澋狼败囁倏刂圃诎踩秶鷥?nèi)。文獻(xiàn)[20]針對(duì)實(shí)際應(yīng)用中自主汽車路徑跟蹤的轉(zhuǎn)向控制存在參數(shù)（質(zhì)量和車速）不確定性和因輪胎或路面作用導(dǎo)致的汽車動(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]為了解決汽車車速時(shí)變和輪胎側(cè)向力不確定的問題，提出了一種新的自主汽車路徑跟蹤控制方法，即采用Takagi-Sugeno模糊控制來解決上述問題。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)健集不變性來考慮轉(zhuǎn)向輸入的物理限制和汽車狀態(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。并通過迭代學(xué)習(xí)來補(bǔ)償方向誤差。文獻(xiàn)[23]為了解決無人船在各種干擾環(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)行過程中的“內(nèi)擾”和“外擾”。

文獻(xiàn)[24]基于智能車在路徑跟蹤過程中因自身“內(nèi)擾”和“外擾”的干預(yù)影響導(dǎo)致汽車本身具有較強(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，并通過粒子群優(yōu)化算法來優(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)駕駛汽車進(jìn)行路徑跟蹤的控制方法尚存在的一些問題提出如下建議：

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）由于汽車的轉(zhuǎn)向系統(tǒng)和電機(jī)特性對(duì)汽車控制的影響較大，現(xiàn)有研究方法很少考慮汽車的轉(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)前無人駕駛存在安全性和可靠性無法保障的問題時(shí)，共享駕駛在目前汽車行業(yè)發(fā)展過程中能夠發(fā)揮其積極的作用。因此在保證汽車安全行駛的基礎(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)雜控制問題中受到越來越多的關(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)駕駛汽車的路徑跟蹤控制中去[28]。