自动驾驶控制算法第八讲2

自动驾驶控制算法是实现智能汽车自主行驶的关键技术，它涉及到车辆动力学、路径规划、感知决策等多个领域。在“自动驾驶控制算法第八讲2”中，主要讨论的是一个完整的自动驾驶控制算法，该算法综合了多讲中的内容，特别是关于车辆状态估计、轨迹规划和控制输出的优化方法。 算法的输入包括整车参数（如车辆的长度、宽度、质心位置等，用a、b、CA等表示），以及车辆的位置和状态（x、y、y'、N、g等）。这些参数用于描述车辆在三维空间中的状态，并且在规划轨迹点的计算中起到关键作用。轨迹规划点的确定，通常需要考虑到车辆的动态特性，例如车辆的转弯半径、加速度限制等因素。 算法中提到了Kart-Sf算法，这是一种用于控制输出的过程，它将规划轨迹点投影到车辆的坐标系中。这一过程涉及到轨迹点的曲率计算，曲率是衡量曲线弯曲程度的重要指标，对于自动驾驶控制来说，确保车辆能够平滑地沿着规划路径行驶至关重要。Kart-Sf算法可能使用了QR分解方法，这在优化控制问题中很常见，因为它可以快速求解线性方程组。 在控制算法中，LQR（Linear Quadratic Regulator）是一种广泛应用的控制器设计方法，它基于最小化二次性能指标来寻找最优控制输入。在本讲中，LQR模块仅与整车参数和车辆速度有关，而这些参数通常被认为是常数。然而，当车辆速度改变时，自驾车模型的侧偏刚度会发生变化，但FZF（Front Wheel Slip Angle）和FFZ（Front Wheel Steer Angle）仍然可以用传统的自行车模型来近似。LQR的优势在于计算速度快，但需要预先计算并存储大量的控制参数，这种方法被称为离线查表法，牺牲了一些存储空间以换取实时控制的效率。 控制算法的执行流程包括：首先通过AB计算模块计算车辆的当前状态，接着使用LQR模块生成控制输入，然后通过遍历找到最近的规划轨迹点，计算相应的控制输出。这个过程中，预测模块的作用是预测未来一段时间内的车辆状态，以便提前进行控制决策，减少控制的滞后性。 预测模块预测的时间间隔记为ts，它基于当前车辆状态xt、速度vt等，通过数学模型预测未来Nts个时间步长的状态，包括位置、速度和方向等。预测结果有助于实现更加平滑和精确的转向控制，使车辆能够适应不断变化的道路环境。 “自动驾驶控制算法第八讲2”涉及的知识点主要包括车辆状态估计、轨迹规划、LQR控制、离线查表法以及预测控制，这些都是构建高效自动驾驶系统的核心技术。这些技术的优化和组合使用，旨在确保自动驾驶车辆能够在复杂环境中安全、稳定地行驶。