自动驾驶汽车路径跟踪控制技术仿真研究文献综述
引言
随着新一轮科技革命和产业变革的蓬勃兴起，智能汽车己经成为汽车产业发展的重要战略方向之一。我国也一直十分重视智能汽车的发展,各项智能汽车的相关工作均在有条不紊的进行中。除了国家的高度重视和大力扶持，各大汽车企业、互联网公司以及零部件供应商也在不断加大对相关技术和产品的研究开发力度，积极布局智能汽车产业，并提出了自己的自动驾驶解决方案和技术平台，如英特尔和Mobileye提出的“视觉优先”解决方案, Waymo和Uber等公司采用的“激光雷达”方案、百度的Apollo自动驾驶系统、伟世通的Drive Core自动驾驶平台、NVIDIA的Drive Xavier芯片等等。由此可以看出，汽车智能驾驶领域己经成为各大汽车厂商和互联网企业进行激烈角逐，以争取领先地位的新战场。路径跟踪控制技术是智能车辆研究领域中的核心问题之一，指根据当前周围环境和车体位移、姿态、车速等信息按照一定的逻辑做出决策，并分别向油门、制动及转向等执行系统发出控制指令。智能汽车的行驶控制主要包括纵向控制和横向控制。纵向控制是指调整车速使车辆间保持足够的空间，使用最少的制动保持相对恒定的车速，并在紧急情况下尽可能快的制动; 横向控制是指路径跟踪，即通过自动转向控制使车辆始终沿着期望路径行驶，同时保证车辆的行驶安全性和乘坐舒适性。通过对路径跟踪控制技术进行深入系统的研究不仅能够提高智能汽车本身的自主行驶能力和智能化水平，而且在一定程度上也有助于构建和完善我国的智能汽车技术体系，更好的推动我国智能汽车的发展。
国内外研究现状
路径跟踪控制是智能汽车研究领域的核心控制问题之一，其性能的好坏直接影响到智能汽车自主驾驶行为的执行效果。由于汽车本身不仅具有强耦合、非线性、时变等复杂的动力学特征，而且其行驶工况也比较多变，因此，要想使智能汽车具有较好的路径跟踪控制性能仍然面临着不小的挑战。目前，在路径跟踪控制方面的研究大致可以分为以下几种类型。下面就分别对这几类控制算法的基本思想和优缺点等内容进行介绍:
- 基于预瞄理论的路径跟踪控制[1]
这类控制算法主要是在MACADAM [2]和我国郭孔辉[3-4]院士等人提出的最优预瞄控制理论基础上进行设计的，其基本原理是在车辆前方一定距离处设置一个或多个预瞄点，并获得预瞄点处的位姿偏差、期望路径曲率等信息，然后根据这些信息和车辆当前的运动状态对智能汽车进行控制，以实现对期望路径的有效跟踪。由于该理论比较准确的反映了驾驶员对车辆的控制过程且实际验证效果较好，因此己经得到了广泛的应用。不过，它是一种无约束的优化控制方法，较少考虑车辆本身以及环境中的约束问题，因而无法保证智能汽车在任何工况下都能够具有良好的适应性[1]。基于预瞄理论的路径跟踪控制又可以大致分为以车辆运动学模型或动力学模型为基础的预瞄跟踪控制和基于模糊控制理论的预瞄跟踪控制两种。
以车辆运动学模型或动力学模型为基础的预瞄跟踪控制目前主要采用以下两种实施方案:一是直接将预瞄偏差作为控制量对智能汽车进行跟踪控制[5-8];二是根据车辆当前位置和预瞄点之间规划的期望行驶路径求解出与其相对应的期望运动学或动力学参数，从而将路径的跟踪控制问题转化为运动学或动力学参数的跟踪控制问题。目前国内外的研究成果中普遍采用的运动学或动力学参数主要包括车辆横摆角速度[9-11]、侧向加速度[12]、质心侧偏角 [13-14]等。在具体的控制算法上，较为常用的是PID控制[8]、自适应控制[15]、最优控制[16]、滑模控制[10]等。基于运动学模型或动力学模型的预瞄跟踪控制器对车辆模型的依赖程度较高。当所建模型与车辆的实际行驶特性存在差异时，往往难以获得令人满意的跟踪控制效果。
模糊控制是一种以模糊集合、模糊语言变量及模糊逻辑推理等作为理论基础的智能控制技术，其核心思想是将专家或熟练工人的控制经验和知识表示成语言规则，从而实现对被控对象的有效控制[17]。由于模糊控制不依赖于被控对象的数学模型，因此基于该理论的预瞄跟踪控制方法能够有效的弥补因所建车辆数学模型不够精确而导致的路径跟踪效果变差的问题。与基于车辆运动学模型或动力学模型的路径跟踪控制方法类似，基于模糊控制理论的路径跟踪控制方法也有“跟踪期望路径本身” [18-20]和“跟踪运动学或动力学参数” [14]两种实施方案，但目前比较常用的方案还是第一种，即将路径跟踪偏差及其变化率作为模糊控制器的输入，以前轮偏角或前轮偏角增量作为模糊控制器的输出。
2011 年, Onieva E[24]等提出一种自动调节的模糊控制器来控制无人驾驶车辆的转向，为达到这个目的，实施了带约束的迭代遗传算法，该算法能够迭代调整模糊控制器的隶属函数和规则库。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
