#汽车纵向和横向控制本项目涉及在全自动驾驶框架内进行汽车纵向和横向控制。汽车是一个具有非线...

#汽车纵向和横向控制本项目涉及在全自动驾驶框架内进行汽车纵向和横向控制。汽车是一个具有非线性纵向和横向耦合动力学的复杂系统。因此，自动驾驶必须与纵向和横向控制相结合。我们研究了一种基于模型预测控制的自动转向技术。为了解决纵向速度跟踪问题，还提出了一种纵向控制技术。最后，统一的纵向和横向控制策略有助于提高组合控制性能。通过仿真对整个控制策略进行了测试，表明了本方法对使用**Pure Pursuit算法**的路径跟踪任务的有效性。 ##注意： ###：red_circle：包含的PDF包含所使用的动态模型、控制器的设计及其评估和不同情况/条件下的性能分析的全部细节。 ##该项目包括： ###纵向控制：PI控制器 ###横向控制：MPC控制器 ###完全非线性动力学控制：PI+MPC ##该项目运行步骤 -运行Init.m初始化simulink模型 -运行simulink模拟 -再次运行Init.m以显示相对于参考轨迹的模拟轨迹，并重新初始化simulink模型 ##包含的Simulink模型： -Full_control_with_fixed_reference_velocity：用于测试控制器的恒定参考线速度 -Full_control_with_variable_reference_velocity：根据轨迹形状使用分段参考速度 -MPC：用于后期控制的独立MPC控制器 ##该项目模型 -完整的控制方案： 1.（图片/combined_controller.PNG） -在50km/h的恒定参考速度、干燥、平坦的道路上，使用PurevPursuit算法评估控制器的路径跟踪任务性能： 2.（图片/50km.PNG） -在90km/h的恒定参考速度、干燥、平坦的道路下，使用PurevPursuit算法评估控制器的路径跟踪任务性能： 3.（图片/90km.PNG） -使用自适应（可变/分段）参考速度解决问题：（Images/traj_and_vel_track.PNG）

方向盘握在手里的时代快过去了，现在得让代码教会钢铁猛兽怎么自己跑。自动驾驶控制的核心在于让车既跑得稳（纵向）又跑得准（横向），但这两个方向的控制就像跷跷板------油门刹车和方向盘一动，车身的姿态立马牵一发动全身。

先看纵向控制怎么玩。工程团队选择了经典的PI控制器，简单粗暴有效。打开Init.m文件能看到这样的参数设定：

matlab 复制代码

Kp = 1.2;  % 比例增益
Ki = 0.05; % 积分增益
max_throttle = 0.8; % 防止加速过猛

这段代码藏着玄机：比例项负责快速响应速度偏差，积分项专门收拾轮胎打滑这类持续误差。但实测时发现，当车速提到90km/h，单纯PI控制会让车辆像醉汉一样在目标速度附近晃悠。解决办法是在Simulink的纵向控制模块里加了速度前馈补偿，相当于提前预判需要多少马力。

横向控制就得搬出MPC（模型预测控制）这种高端武器了。在MPC_Design.m里有个关键配置：

matlab 复制代码

prediction_horizon = 20;  % 预测未来20个步长
control_horizon = 5;     % 只执行前5步的控制
Q = diag([10, 1]);       % 状态权重：路径跟踪优先
R = 0.1;                 % 控制量权重

这个配置让控制器像下围棋一样算好几步：预测未来2秒内的车辆轨迹，但只执行前0.5秒的方向盘指令。权重矩阵Q把路径跟踪误差的优先级调得比航向角偏差高十倍，结果就是过急弯时宁可车身有点偏也要死死咬住路径。

当PI遇上MPC，在Full_control模型里发生了奇妙的化学反应。联合仿真时出现过一个经典问题：高速过弯时纵向控制器突然降速，导致横向动力学模型参数突变。解决办法是在车速变化超过10%时触发MPC模型重配置，就像老司机换挡一样自然。联合控制的精髓在这段逻辑：

simulink 复制代码

If (Vx_ref - Vx_actual) > Threshold
   Switch to emergency deceleration mode
Else
   Maintain MPC lateral control
End

跑仿真时遇到最刺激的情况是50km/h和90km/h的对比测试。在干燥路面上，50km/h时车辆轨迹与参考路径的偏差不到10cm，但飙到90km/h后前轮时不时出现5度的滑移角。这时候Pure Pursuit算法里的look-ahead distance参数就成了救命稻草------从默认的3米调整到5米后，方向盘动作明显变柔和，虽然路径跟踪精度降了15%，但乘客的咖啡杯终于不会洒出来了。

分段速度控制更是展现了这套系统的智慧。遇到S弯时系统自动把参考速度切成三截：入弯前80km/h，过弯时降到65km/h，出弯又弹回90km/h。这背后的速度规划算法藏在trajectory_processor.m里：

matlab 复制代码

curvature = compute_curvature(reference_path);
speed_profile = min(90, 25./sqrt(abs(curvature)+0.1));

用曲率反推安全车速，简单到令人发指却有效。不过实测中发现这套逻辑在连续急弯时会频繁加减速，后来给曲率计算加了滑动平均滤波才让车速变化顺滑起来。

折腾完这一大圈，最大的感悟是：控制算法不是越复杂越好，关键要让纵向和横向控制器说同一种语言。就像跳探戈，PI控制踩准节奏，MPC控制优雅转身，两者配合好了才能在没有驾驶座的车里，让乘客安心刷手机。

#汽车纵向和横向控制 本项目涉及在全自动驾驶框架内进行汽车纵向和横向控制。 汽车是一个具有非线...

#汽车纵向和横向控制本项目涉及在全自动驾驶框架内进行汽车纵向和横向控制。汽车是一个具有非线...