自动驾驶控制算法第六讲1

自动驾驶控制算法是实现智能汽车自主行驶的关键技术，其中包含了多种控制策略。第六讲主要讨论了两种重要的控制方法：反馈控制和前馈控制。 反馈控制在自动驾驶系统中扮演着核心角色，它基于车辆的实际状态（如位置、速度）与期望状态之间的偏差（即误差e）进行调整。在本讲中，描述提到了“反馈当kx时”，这里的k通常代表控制器的增益参数，x是系统状态。第四讲进一步指出，无论k取什么值，误差err和eir都不可能同时为零。这是因为反馈控制无法完全消除所有类型的误差，特别是对于非线性系统或存在不确定性的情况。 前馈控制则是一种补偿策略，用于抵消系统中的不可逆或难以通过反馈控制校正的扰动。例如，由于车辆参数的不精确性或环境因素，可能会出现稳态误差。引入前馈控制的目的是通过预测这些扰动并提前施加相应的控制输入，以减少或消除稳态误差。在LQR（线性二次最优控制）算法中，可以计算出一个最佳的前馈控制信号，结合反馈控制，以达到最小化误差的效果。 LQR算法是一种优化方法，它寻找控制器参数K，使系统的性能指标（通常是一个二次函数）达到最小。在这个过程中，LQR会生成一个反馈矩阵K，用于更新控制输入，以减小误差err。当LQR应用到系统中时，最终的目标是使稳态误差eir趋于零。然而，反馈控制可能无法完全消除所有类型的误差，特别是航向误差。为了解决这个问题，可以引入前馈控制Sf，通过适当选择Sf的值，使航向误差pe尽可能接近零。 在实际应用中，使用软件如Mathematica来计算反馈控制K和前馈控制Sf的值。对于K，先计算反馈部分，然后根据系统的特性计算前馈部分。描述中的“1点”和“5点”可能指的是不同的计算方法或者系统模型的离散化节点。此外，还提到了曲率K和飘移等概念，它们是影响车辆动态行为的关键因素，必须在设计控制算法时考虑。 总结来说，自动驾驶控制算法第六讲主要探讨了反馈控制与前馈控制的联合应用，特别是在LQR框架下的策略，以优化控制性能，减少或消除稳态误差，确保车辆能够准确地按照预定路径行驶。同时，也强调了在实际操作中，需要通过数学工具和方法来计算和选择合适的控制参数，以应对各种复杂情况。