自動(dòng)駕駛汽車的最終控制模塊分析

本文介紹的控制模塊，則負(fù)責(zé)汽車的最終控制，通過控制汽車的方向盤轉(zhuǎn)角和加速度來真正的駕駛車輛。

自動(dòng)駕駛汽車先使用感知模塊了解其環(huán)境，并通過定位模塊了解其在環(huán)境中的位置，然后使用規(guī)劃模塊進(jìn)行決策并生成軌跡。

航路點(diǎn)

控制過程包括遵循盡可能忠實(shí)生成的軌跡。路徑是一系列航路點(diǎn)，每個(gè)航路點(diǎn)包含位置（x, y），角度（偏航角）和速度（v）。

控制器也稱為控制算法?？刂破鞯哪康氖菫檐囕v生成指令，例如方向盤角度或加速度水平，同時(shí)考慮實(shí)際約束（道路，風(fēng)，車輪滑移等），從而產(chǎn)生實(shí)際行駛軌跡。

機(jī)器人和車輛中存在大量的控制器。它們的復(fù)雜程度，取決于我們想要解決的問題。

PID - (比例-積分-微分控制器)

控制器有很多種類，最簡單的是比例-積分-微分控制器（或PID）。

PID控制器是根據(jù)偏差估計(jì)計(jì)算值（例如方向盤角度）的算法。偏差是指計(jì)劃的行車軌跡與實(shí)際的軌跡之間的差異。

在PID控制器中有三個(gè)元素：

P：比例單元—對(duì)方向盤應(yīng)用與誤差成比例的校正。如果我們離目標(biāo)太遠(yuǎn)，我們會(huì)轉(zhuǎn)向另一個(gè)方向。

單個(gè)P控制器的缺點(diǎn)是它會(huì)引起恒定的振蕩。根據(jù)計(jì)算偏差的頻率，振蕩某種程度上也是必要的。系數(shù)Kp表征所需的振蕩程度。

D：微分單元—目的是通過在公式中加入阻尼項(xiàng)來抑制振蕩效應(yīng)，表征偏差的變化。PD控制器評(píng)估誤差的減小情況，并逐漸縮小其接近平滑路徑所采用的角度。

I：積分單元—?最后一項(xiàng)用于糾正機(jī)械誤差，通過I參數(shù)來減小積累誤差，從而保證車輛按要求的軌跡行駛。旋轉(zhuǎn)PID曲線對(duì)應(yīng)于使用算法來更快地找到系數(shù)，并因此更快地朝向參考軌跡收斂。

因此，我們需要綜合應(yīng)用三個(gè)參數(shù)，以確保車輛實(shí)時(shí)有效地跟蹤軌跡。我們必須找到不同的Kp，Ki，Kd系數(shù)，以優(yōu)化駕駛路徑。

PID控制器是世界上最簡單和最常見的控制器。它具有快速實(shí)施和在操作簡單的優(yōu)點(diǎn)。對(duì)于單個(gè)汽車，PID控制器可用于計(jì)算角度，另一個(gè)用于計(jì)算加速度。

但橫向和縱向控制很難結(jié)合，而且不可能對(duì)車輛的物理進(jìn)行建模。當(dāng)我們開車時(shí)，我們會(huì)根據(jù)車輛的大小，質(zhì)量和動(dòng)力自然地調(diào)整機(jī)動(dòng)，PID控制器無法做到這一點(diǎn)。

MPC - 模型預(yù)測控制

預(yù)測控制，包括工業(yè)控制、自適應(yīng)控制及內(nèi)?？刂频榷喾矫嫜芯砍晒y(tǒng)稱為模型預(yù)測控制(MPC,Model Predictive Control)，或基于模型的控制(Model-based Control)。

模型預(yù)測控制是一種基于模型的閉環(huán)優(yōu)化控制策略,表述為內(nèi)部（預(yù)測）模型、滾動(dòng)優(yōu)化、反饋控制。

預(yù)測控制最大的吸引力在于它具有顯式處理約束的能力, 這種能力來自其基于模型對(duì)系統(tǒng)未來動(dòng)態(tài)行為的預(yù)測, 通過把約束加到未來的輸入、輸出或狀態(tài)變量上, 可以把約束顯式表示在一個(gè)在線求解的二次規(guī)劃或非線性規(guī)劃問題中。

模型預(yù)測控制具有控制效果好、魯棒性強(qiáng)等優(yōu)點(diǎn)，可有效地克服過程的不確定性、非線性和并聯(lián)性，并能方便的處理過程被控變量和操縱變量中的各種約束。

經(jīng)典MPC的控制流程如下圖所示：

圖中，ysp表示系統(tǒng)的設(shè)定輸出，yr表示參考軌跡，u為輸入，y為實(shí)際輸出值，ym為模型輸出，yc為預(yù)測輸出。

在自動(dòng)駕駛中應(yīng)用MPC，首先需要定義執(zhí)行器，以表征移動(dòng)車輛的元素。汽車有三個(gè)執(zhí)行器：方向盤，加速踏板和制動(dòng)踏板。MPC的目的是通過改變上這些致動(dòng)器發(fā)揮方向盤的角度，則在加速器踏板壓力或制動(dòng)踏板。

制約因素和外力

我們?cè)谝粋€(gè)叫做非完整的環(huán)境中進(jìn)化。這意味著，例如，車輪在物理上不能達(dá)到90°，它們通常只是在-30°和30°之間?？紤]到這一點(diǎn)，可以獲得更真實(shí)的參考軌跡以逼近真實(shí)軌跡。我們還可以將加速度定義為-1（制動(dòng)）和1（最大加速度）之間的值。

我們還有兩種可應(yīng)用的模型：運(yùn)動(dòng)學(xué)和動(dòng)態(tài)學(xué)。

運(yùn)動(dòng)學(xué)模型意味著我們的車輛按照數(shù)學(xué)公式的描述進(jìn)行駕駛，形成車輛的運(yùn)動(dòng)和軌跡。

動(dòng)態(tài)模型考慮了動(dòng)力學(xué)的基本原理，并以此決定對(duì)車輛施加的力。這些力可以是空氣阻力，車輛重量，重力，車輪在地面上的摩擦力等。比如，離心力可以使車輛在轉(zhuǎn)彎時(shí)離開其軌跡，而運(yùn)動(dòng)模型則無法表征這個(gè)因素。

優(yōu) 化

MPC控制器可以解決優(yōu)化問題。其方法是計(jì)算幾個(gè)不同的“轉(zhuǎn)角-加速度”參數(shù)對(duì)，并選擇誤差最低的一對(duì)。

算法如下：首先，我們通過里程計(jì)、位置等參數(shù)， 計(jì)算當(dāng)前狀態(tài)。

然后，分三部分完成解算器：

約束非完整世界（non-holonomic world）參數(shù)；

運(yùn)動(dòng)學(xué)或動(dòng)力學(xué)模型執(zhí)行t+1狀態(tài);

計(jì)算t+1狀態(tài)的代價(jià)函數(shù)（Cost），也就是行車軌跡的代價(jià)函數(shù)。

因此，我們可以測試幾種角度和加速度組合（δ，a）。每種組合都與代價(jià)函數(shù)相關(guān)聯(lián)，然后算法選擇代價(jià)最低的參數(shù)對(duì)。

一旦執(zhí)行了第一個(gè)動(dòng)作，我們將重新計(jì)算未來狀態(tài)并預(yù)測新角度。

MPC控制器雖然非常強(qiáng)大，但很難實(shí)現(xiàn)。但開發(fā)這種調(diào)節(jié)器所花費(fèi)的時(shí)間是值得的。MPC控制器可以允許車輛在保持安全的同時(shí)達(dá)到更快的速度，使自動(dòng)駕駛更有樂趣。

結(jié) 語

對(duì)于我們想要自主的機(jī)器人和無人機(jī)，控制階段是強(qiáng)制性的。然而，這一步必須依賴于前期完美開發(fā)的所有模塊（感知、定和規(guī)劃）。