張海亮　張娟萍　池榮虎

摘 要：自動(dòng)控制系統(tǒng)是自動(dòng)駕駛汽車(chē)的大腦與核心，控制理論和控制算法的研究決定了自動(dòng)駕駛控制系統(tǒng)的發(fā)展與應(yīng)用。本文以智能自動(dòng)駕駛車(chē)輛為研究對(duì)象，簡(jiǎn)要介紹了經(jīng)典PID控制方法和自抗擾控制方法等常用控制算法;針對(duì)智能汽車(chē)系統(tǒng)，分別利用PID和ADRC的控制方法設(shè)計(jì)控制器，并進(jìn)行分析;最后，在MATLAB環(huán)境對(duì)路徑跟蹤進(jìn)行了仿真，驗(yàn)證了所提出的兩種算法的有效性。

關(guān)鍵詞：智能汽車(chē)自動(dòng)駕駛 PID控制 自抗擾控制（ADRC） 路徑跟蹤

Research on PID Control Method of Automobile Intelligent Autopilot

Zhang Hailiang，Zhang Juanping，Chi Ronghu

Abstract：The automatic control system is the brain and core of the self-driving car. The research of control theory and control algorithm determines the development and application of the automatic driving control system. This article takes the intelligent autonomous vehicle as the research object， briefly introduces the classic PID control method and the auto disturbance rejection control method and other common control algorithms; for the intelligent car system， the paper uses the PID and ADRC control methods to design and analyze the controller; finally the path tracking is simulated in the MATLAB environment to verify the effectiveness of the two proposed algorithms.

Key words：smart car autonomous driving， PID control， active disturbance rejection control （ADRC）， path following

伴隨基礎(chǔ)設(shè)施的智能化升級(jí)、新能源快速發(fā)展、人工智能技術(shù)進(jìn)步、互聯(lián)網(wǎng)技術(shù)和共享經(jīng)濟(jì)的普及，自動(dòng)駕駛技術(shù)迎來(lái)了新的發(fā)展機(jī)遇。與傳統(tǒng)汽車(chē)相比，自動(dòng)駕駛汽車(chē)在保障交通安全、緩解交通堵塞、降低燃油消耗、便捷公眾出行、改善出行體驗(yàn)等方面有著非常明顯的優(yōu)勢(shì)。國(guó)際汽車(chē)制造商如Ford、Audi、Tesla等，以及Google、Baidu等互聯(lián)網(wǎng)企業(yè)，都在積極推進(jìn)自動(dòng)駕駛技術(shù)研發(fā)與應(yīng)用?？刂评碚摵涂刂扑惴ǖ难芯繘Q定了自動(dòng)駕駛控制系統(tǒng)的發(fā)展與應(yīng)用。

1 控制算法

自動(dòng)駕駛汽車(chē)的控制算法決定了控制系統(tǒng)是否可以完成控制任務(wù)。從自動(dòng)駕駛概念提出發(fā)展到現(xiàn)在，應(yīng)用于自動(dòng)汽車(chē)駕駛的控制方法不斷發(fā)展，許多算法被廣泛應(yīng)用，例如：無(wú)模型自適應(yīng)控制，人工神經(jīng)網(wǎng)絡(luò)控制，模型預(yù)測(cè)控制，模糊自適應(yīng)控制。

1.1 無(wú)模型自適應(yīng)控制

無(wú)模型自適應(yīng)控制是一種不需要完成繁瑣和耗時(shí)的建模工作的自適應(yīng)控制方法，由總部位于美國(guó)加州的Bosoft研發(fā)。迭代學(xué)習(xí)控制（ILC）是一種針對(duì)重復(fù)運(yùn)行的系統(tǒng)而設(shè)計(jì)的控制技術(shù)，主要應(yīng)用于非線(xiàn)性系統(tǒng)的路徑跟蹤過(guò)程中。由于迭代學(xué)習(xí)控制方法基本采用固定學(xué)習(xí)增益法，池榮虎[1]等學(xué)者提出了通過(guò)在迭代域中使用動(dòng)態(tài)線(xiàn)性化技術(shù)的無(wú)模型自適應(yīng)迭代學(xué)習(xí)控制法（MFAILC）。

1.2 模型預(yù)測(cè)控制

模型預(yù)測(cè)控制是一種專(zhuān)注于研究過(guò)程控制的方法，廣泛應(yīng)用在機(jī)器人、飛行器、網(wǎng)絡(luò)系統(tǒng)領(lǐng)域中。模型預(yù)測(cè)控制是依靠于過(guò)程的動(dòng)態(tài)模型，通常情況下利用系統(tǒng)識(shí)別來(lái)獲得線(xiàn)性經(jīng)驗(yàn)?zāi)Ｐ?，具備其他控制方法沒(méi)有的預(yù)測(cè)將來(lái)事件的能力，因而它可以提前針對(duì)即將發(fā)生的事件采取相應(yīng)的調(diào)控行為。R Lenain， B Thuilot等采用了模型預(yù)測(cè)控制策略[2]，解決了驅(qū)動(dòng)延遲和車(chē)輛慣性對(duì)汽車(chē)自動(dòng)駕駛路徑跟蹤的影響，通過(guò)實(shí)例驗(yàn)證了控制策略的有效性。

1.3 人工神經(jīng)網(wǎng)絡(luò)控制

人工神經(jīng)網(wǎng)絡(luò)控制是一種由大量人工神經(jīng)元聯(lián)結(jié)計(jì)算，能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)的自適應(yīng)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)通過(guò)訓(xùn)練樣本學(xué)習(xí)，對(duì)各個(gè)層的權(quán)重進(jìn)行校正，通過(guò)創(chuàng)建模型的自動(dòng)學(xué)習(xí)過(guò)程達(dá)到控制目的。在S Baluja[3]提出了一種基于ANN的自動(dòng)駕駛汽車(chē)控制器設(shè)計(jì)方法，探討了利用進(jìn)化算法訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)高階計(jì)算的方法。

1.4 模糊自適應(yīng)控制

模糊自適應(yīng)控制融合了模糊控制和自適應(yīng)控制兩種控制方法，是一種具備自適應(yīng)能力的新型控制方法。模糊邏輯可以通過(guò)操作人員可以理解的方式來(lái)解決問(wèn)題，可以利用經(jīng)驗(yàn)實(shí)現(xiàn)控制器的設(shè)計(jì)，大量應(yīng)用于機(jī)器控制。

2 控制系統(tǒng)的設(shè)計(jì)及分析

隨著人工智能和自動(dòng)控制控制技術(shù)等控制領(lǐng)域相關(guān)技術(shù)和理論的發(fā)展，許多新型有效的智能控制算法被設(shè)計(jì)出來(lái)了，它們不斷的推進(jìn)著自動(dòng)駕駛汽車(chē)的全自動(dòng)化控制能力，使得自動(dòng)駕駛汽車(chē)由遙控控制到半自動(dòng)控制再到全自動(dòng)控制的不斷發(fā)展。

2.1 PID控制

如圖1所示，PID控制器由Proportional，Integral，Differential三部分組成，通過(guò)三個(gè)參數(shù)的設(shè)定來(lái)實(shí)現(xiàn)控制任務(wù)。PID控制器使用連續(xù)計(jì)算錯(cuò)誤值的作為期望的設(shè)定點(diǎn)（SP）和測(cè)量的過(guò)程變量（PV）之間的差值，并且基于給出控制器名稱(chēng)的比例，積分和微分項(xiàng)（分別表示為P，I和D）應(yīng)用校正。因此，PID控制的三部分可以看作是對(duì)當(dāng)前誤差、過(guò)去累計(jì)誤差和未來(lái)誤差的處理。

2.2 ADRC控制器

自抗擾控制技術(shù)[4]是韓京清于上世紀(jì)80年代提出的一種新型控制方法。ADRC控制器基于系統(tǒng)模型的擴(kuò)展，并附加一個(gè)虛擬的狀態(tài)變量。虛擬狀態(tài)通過(guò)狀態(tài)觀察器在線(xiàn)估計(jì)并用于控制信號(hào)以便將系統(tǒng)與作用于工廠的實(shí)際擾動(dòng)分離。這種干擾抑制功能允許用戶(hù)使用更簡(jiǎn)單的模型處理所考慮的系統(tǒng)，因?yàn)榻２淮_定性的負(fù)面影響將得到實(shí)時(shí)補(bǔ)償。ADRC控制器由安排過(guò)度過(guò)程、擴(kuò)張狀態(tài)觀測(cè)器和狀態(tài)反饋控制律三部分組成，如圖2所示。

自抗擾控制器的核心在于它的狀態(tài)擴(kuò)張觀測(cè)器，相比較于PID控制器，ADRC控制器能夠更好的完成控制任務(wù)。但在實(shí)際的設(shè)計(jì)中，ADRC控制器的參數(shù)數(shù)量繁多且比較復(fù)雜難以調(diào)節(jié)。紀(jì)恩慶，肖維榮[5]通過(guò)線(xiàn)性簡(jiǎn)化和參數(shù)整合建立了簡(jiǎn)化的線(xiàn)性自抗擾控制器，為本文的ADRC控制器設(shè)計(jì)啟發(fā)了建設(shè)性的思想。

3 控制系統(tǒng)的仿真

雖然在真實(shí)環(huán)境下自動(dòng)駕駛汽車(chē)實(shí)際的行駛過(guò)程中路徑復(fù)雜且具有不確定性，直線(xiàn)行走和變換車(chē)道進(jìn)行正弦函數(shù)曲線(xiàn)下的路徑跟蹤是自動(dòng)駕駛汽車(chē)駕駛過(guò)程中的兩個(gè)基本行為。如果在以上兩種情況下，路徑跟蹤控制能夠取得良好的控制效果，那么在復(fù)雜環(huán)境下曲線(xiàn)路徑跟蹤控制也是有效的。為了驗(yàn)證控制方法的有效性，在MATLAB平臺(tái)下對(duì)兩種自動(dòng)駕駛汽車(chē)控制模型進(jìn)行仿真研究。

3.1 PID控制器的路徑跟蹤仿真

自動(dòng)駕駛汽車(chē)在期望路徑為橢圓和直線(xiàn)時(shí)設(shè)初始期望條件分別為xt（0）=2，yt（0）=0，θt（0）=0和xt（0）=0，yt（0）=0，θt （0）=actan2，控制輸入為u0 （t）=0，即vc=0，ωc=0。仿真過(guò)程中的采樣時(shí)間ts取0.001s。根據(jù)以上條件在MATLAB仿真程序中得到如圖3的仿真結(jié)果：

3.2 ADRC控制器的路徑跟蹤仿真

自動(dòng)駕駛汽車(chē)在期望路徑為橢圓和直線(xiàn)時(shí)設(shè)初始期望條件分別為xt（0）=0，yt（0）=0，θt（0）=0和xt（0）=0，yt（0）=0，θt（0）=actan2控制輸入為u0 （t）=0，即vc=0，ωc=0。仿真過(guò)程中的采樣時(shí)間ts取0.001s. 由此我們可以得到以下仿真結(jié)果，如圖4所示。

3.3 仿真結(jié)論

ADRC控制器與PID控制器沒(méi)有本質(zhì)或者機(jī)構(gòu)上的區(qū)別，它是PID控制技術(shù)的繼承與延伸，或者說(shuō)ADRC控制器本身就是PID控制器與狀態(tài)觀測(cè)器前饋補(bǔ)償結(jié)合的結(jié)果。從仿真結(jié)果可以看出：ADRC控制器完全能夠應(yīng)對(duì)對(duì)控制精度相對(duì)較高的被控對(duì)象模型，提出通過(guò)觀測(cè)緩慢變化的未知項(xiàng)來(lái)對(duì)其提供前饋補(bǔ)償?shù)男滦吞岣呖刂破餍阅艿乃悸?，為控制器的發(fā)展起到了積極借鑒作用。

4 結(jié)語(yǔ)

目前，國(guó)內(nèi)外相關(guān)研究機(jī)構(gòu)和汽車(chē)生產(chǎn)商都在圍繞自動(dòng)駕駛、車(chē)聯(lián)網(wǎng)、人機(jī)交互技術(shù)開(kāi)展廣泛的研發(fā)。隨著科學(xué)技術(shù)的發(fā)展與市場(chǎng)需求的拓展，自動(dòng)駕駛的發(fā)展趨勢(shì)已成必然。復(fù)雜性和極度不確定性是自動(dòng)駕駛汽車(chē)駕駛過(guò)程最明顯的特性，過(guò)程控制理論與算法的研究對(duì)自動(dòng)駕駛的發(fā)展具有極其重要的影響。在未來(lái)，人車(chē)交互（V2H）、車(chē)與車(chē)交互（V2V）和車(chē)與基礎(chǔ)設(shè)施交互（V2I）技術(shù)的發(fā)展將提供更全面、更實(shí)時(shí)、更精準(zhǔn)的信息，基于大數(shù)據(jù)、人工智能算法和深度學(xué)習(xí)的控制過(guò)程模型將迎來(lái)新的發(fā)展。

參考文獻(xiàn)：

[1]池榮虎，侯忠生，于鐳，隋樹(shù)林.高階無(wú)模型自適應(yīng)迭代學(xué)習(xí)控制.控制與決策，2017，23（7）：795-798.

[2]R Lenain，B Thuilot，C Cariou.Model predictive control for vehicle guidance in presence of sliding：application to farm vehicles path tracking[J].IEEE International Conference on Robotics & Automation， 2005：885-890.

[3]S Baluja.Evolution of an artificial neural network based autonomous land vehicle controller IEEE Transactions on Systems[J]. IEEE International Conference on Robotics & Automation，1996，26（3）：450-463.

[4]李杰，齊曉慧，萬(wàn)慧，夏元清.自抗擾控制：研究成果總結(jié)與展望.控制理論與應(yīng)用，2017，34（3）：281-295.

[5]紀(jì)恩慶，肖維榮.二階自抗擾控制器的參數(shù)簡(jiǎn)化.自動(dòng)化儀表，2007，28（5）：27.