百度Apollo智能驾驶入门课程——控制

1 控制简介

1.1 Basic control input

1. steering
2. acceleration
3. brake

1.2 Requirement of the control strategy

1.Accuracy

2.Feasible to car

3.Smoothness

Jerking：剧烈摇晃

1.3 Three control strategies

1. PID(proportional-integral-derivative control)比例积分微分控制
2. LQR(linear quadratic regulator)线性二次型调节器
3. MPC(model predictive control)模型预测控制

2 控制流程

2.1 Two inputs that controller expects

1. Target trajectory（目标轨迹）
   来自规划模块，规划模块指定路径上的每一个点都有一个位置和参考速度。
   

2. Vehicle state（车辆状态）
   包括位置信息（来自定位模块），以及速度，方向盘转角以及加速度（来自车上传感器）。
   

利用这两个输入来计算预期轨迹与实际轨迹的偏差。

2.2 Outputs of the controller

• Steering
• Acceleration
• Brake

3 PID control

3.1 P(proportional) term 比例项

顾名思义，车偏的越厉害，控制器操作的越猛。

3.2 D(derivative) term 微分项

1.比例控制的缺点
比例控制很容易超出参考轨迹。
2.微分控制
保证运动的稳定。
3.PD controller
在比例控制的基础之上添加了一个阻尼项。

3.3 I(integral) term 积分项

This term is responsible for correcting any systematic bias（系统误差） of the vehicle, for example: constant steering offset（恒定的转向偏移）

3.4 优劣对比

advantages：

• simple
• all you need to know is the deviation between your vehicle and the target trajectory

disadvantages：

• linear algorithm，not sufficient for a complicated system
• hard to combine a latitudinal(横向) and longitudinal(纵向) control
• depend on real time error measurement，subject to measurement delays

4 LQR(linear quadratic regulator)线性二次型调节器

• model based controller
• use the state of the vehicle to minimize the error
• Apollo uses LQR for lateral control

4.1 Lateral Control(横向控制)

Four components

1. The lateral error(横向误差)
2. The rate of the change of the lateral error(横向误差变化率)
3. The heading error(朝向误差)
4. The rate the change of the heading error(朝向误差变化率)

This collection X captures the state of the vehicle.

4.2 Liner term(线性项)

1. Three control inputs
   
2. 控制模型等式
   $$\dot{x}=Ax+Bu$$
   

等式左端是x向量的导数，所以x点的每个分量只是x相应分量的导数。
该等式表明x点是如何受当前状态(集合x)和控制输入(集合u)的影响的。

该等式是线性的，所以可以得到以下结论：

4.3 Quadratic term(二次项)

5 MPC(model predictive control)模型预测控制

4.1 Features

• more complex controller
• rely heavil on mathematical optimization

4.2 Three steps of MPC

1. Build the model of the vehicle
2. Use the optimization engine to calculate the control input over a comfined time horizon（使用优化引擎计算有限时间范围内的控制输入）
3. Implement the first set of control inputs（执行第一组控制输入）

4.3 Time horizon（时间范围）

时间范围越大，预测结果越精确，但是耗费的时间也越长。