Apollo车辆控制模块::框架与流程

self_drive car_学习笔记--第11课：控制理论_鸿_H的博客-CSDN博客 

智能驾驶进阶8——控制_次言的博客-CSDN博客

一、框架图

1. 控制输入：主要来源于规划模块以及反馈阶段信息（如localization和HD Map）
   1.  ----轨迹线reference【速度、加速度、位置】
   2. ----定位信息【自身位置状态】
   3. ----地图信息【环境信息，自身在环境位置信息】
   4. ----车辆反馈信息
2. 控制输出：控制指令（油门、刹车、方向盘），与canbus进行交互
   1. canbus 车辆交互：（交互标准）
      1. ----Chassis（底盘）
      2. ----速度、四轮转速
      3. ----底盘健康状况
      4. ----底盘报错
      5. ----自动驾驶状态
3. 控制模块也会从底层车辆得到反馈信号（车辆本身in vehicle reference frame：速度信息、四轮转速信息、车辆健康状况信息、底盘是否报错信息、危险信息）
4. simulated model，车辆的运动学和动力学模型，控制模块如果是基于模型的控制算法的话，需要首先对车辆建模，同时仿真中需要车辆在环。
   1. ----运动学模型【车，根据轨迹以及运动方向，判断该车下一时刻会出现在哪里】
   2. ----动力学模型【车，在整个环境中的受力情况，包括干扰、风力、摩擦系数等造成的力学信息】

二、控制模块细分流程图

控制流程：预处理——控制器——后处理

1. 预处理

   1. ----数据清洗：不正常信号、planning异常值【对于异常数据，去除或者报错】
   2. ----合理性检查：定位信息、车辆底盘信号
   3. ----紧急处理：前方突然出现障碍物（emergency stop）【例如无人车前侧安装的超声传感器，直接连接到control模块，应付紧急障碍物】
   4. 做一些滤波操作，例如信号的平滑等。----信号smooth：去除信号噪声【传感器的信号都是带有噪声】，lag Compensation【滞后信号补偿，这是由于信号传递过程中，信号传递过程中有些滞后，需要做一些补偿，消除一些传递误差】

2. 控制器

   1. ----建模【建立一个车辆模型，目的提供一个控制对象】
   2. ----系统参数辨识【控制可修复一些细微细小的错误，而这些错误对应的值是无法精确得到，这时候就需要系统辨识，利用一些方法，猜算出这些值也就是对应的系统参数】
   3. ----控制观测器设计【观测器，指的是有些控制方法在反馈的基础上，要添加更多观测信息，才能确定其反馈值是否符合控制输入；控制观测器可理解为整个控制器的一套方法；其设计非常重要，决定控制器性能】
   4. ----参数Fine Tuning【参数调节，与深度学习的超参的调差方式（一般是试验试错方式）不一样，而其一般是依据一些数学原理对参数调整进行指导，但也有试错试验方式来调整的

3. 后处理

   1. 将信号发送给执行器（限制处理（饱和受限）以及信号滤波）
      1. 油门、刹车、转向这种执行器本身有上下限、滞后（回滞曲线），所以需要对信号进行一些相关处理。

4. 控制：在车辆允许的条件下让车辆尽可能按照规划的技术路径走，弥补数学模型和物理世界执行之间的不一致性。

   1. 稳定性，包括所有场景下的车辆行为稳定和安全（稳）
   2. 稳定状态的行为，减少或消除规划和实际车辆行为的差别（稳态性能（准）：静态误差）
   3. 瞬时状态的行为，避免超调过大或者不收敛。（动态性能：快（ts、超调））
   4. 其它问题（控制问题、规控一体化）：振动（超调大、鲁棒差、）、漂移（速度大）、柔性控制。

三、控制器设计

• 步骤
  • 滤波器设计
    • 线性与非线性
    • 数字滤波与模拟信号滤波
    • 离散滤波和连续滤波
    • 对频域信号细分为低通滤波和高通滤波
    • 根据实现方式，分为高斯滤波、卡尔曼滤波、贝叶斯滤波（预测、跟踪）
  • 控制器设计
  • 观察器设计