BigDavid123的博客

本文详细讲解了双环PID的实现和原理

PID控制参数整定非常麻烦对于小车的速度控制系统（时变非线性系统）而言，在不同时刻需要选用不同的PID参数，采用传统的PID控制器，很难使整个运行过程有较好的运行效果。

然后返回到和参考轨迹相减得到future error，将future error、代价函数、约束输入到优化器得到当前输入。经典控制理论没有系统解决控制约束问题，MPC就是比较系统解决控制约束的一种方法。（2）将控制序列的第一个元素u(k)到这个控制器里。（1）不断更新周围环境的信息，得到一个控制序列。（2）设置目标点在有效远离约束的地方。（3）在低于最高标准的条件下运作。（1）一开始就把约束放到设计里。（2）设置的目标不用放的很远。最优的控制量往往接近约束。（3）能够整体优化系统。（3）不断重复这个过程。

pure pursuit只能用于一些简单的场景，如直线道路上的循迹；对于一些复杂的路径如U型/S型等曲线路径跟踪效果较差。根据pure pursuit的原理可以知道，其跟踪效果很大程度上取决于前视距离LdL_{d}Ld​的选择，设置固定的前视距离和路径曲率肯定无法适应不同的路径，因此就需要对前视距离的计算方法进行研究改进。Pure Pursuit 纯追踪法在Autoware中，绿色的球体即为计算的跟踪预瞄点；红色的点为规划好的路径点；白色的轨迹为轨迹跟踪算法计算出的车辆将要运行的轨迹。

介绍了几何自行车模型、纯追踪法的理论推导以及预瞄距离的确定

横纵向协同控制：独立的横纵向控制不能满足实际要求，因此复杂场景下的横纵向协同控制研究很重要。纵向控制：研究汽车的速度跟踪能力(Speed Control/Space Control)横向控制：研究汽车的路径跟踪能力。

获取结果的速度越快，越能快速地将控制输入应用到实际车辆上，下一步是将模型发送到搜索最佳控制输入的优化引擎，优化引擎的工作原理是通过搜索密集数学空间来寻求最佳解决方案，为缩小范围，优化引擎依赖于车辆模型的约束条件，可间接评估控制输入。例如，转向可能失准，可能造成恒定的转向偏移，在这种情况下，需要向一侧转向以保持直行，为了解决整个问题，控制器对系统的累积误差进行惩罚，将P、I、D结合构成PID控制器。无人驾驶的纵向控制就是控制汽车的纵向运动，控制输入是油门和刹车，控制的状态量有车速、加速度和跟车距离。

高频的噪声信号会产生大的控制信号。应用最广的是在低频的时候，系统很稳定。不断提高增益，系统就会发生一些小的振荡，甚至超调，系统unstable,这时候就比较适用这种方法。"Longitudinal controller"纵向控制器：用于控制车辆的纵向运动。def- 输出(响应函数)到输入(驱动函数)的拉普拉斯变换 假设所有初始条件为零。误差将随着增益的增加而减小， 但是振荡的趋势也会增加。在标准的巡航控制系统中，车辆的速度被控制在由油门控制输入的期望值。def- 根据接受的输入信号产生输出信号的装置。

目标：通过理解车辆的动态信息准确执行规划器的路径要求，并且开动汽车(油门、刹车、转向、档位)。设计特定的运行场景运作基于给定的自动驾驶系统不限于环境、地理和时间的限制，还有交通和道路。输入：Planner、localization、Map、交通规则、人类驾驶经验。一般方法：PID、Stanley、Pure pursuit、LQR、MPC。目标：提供给控制器controller最安全、准确、可预测和舒适的导航。输入：感知、Map、localization。输入：起始点、目标地、graph、代价函数。