jianmo的博客

半挂牵引车在倒车时，由于鞍座主销的连接限制，其运动方式与乘用车有显著差异。例如，乘用车在右侧倒车入库时，只需确定泊车起点并将方向盘向右打死。相反，牵引车在倒车时需要先向左转方向盘，当铰接角达到防折叠的临界值时，再将方向盘向右转回，以调整牵引车与挂车至直线状态，完成泊车入库。本研究旨在建立一个基于牵引车带挂车倒车运动学模型，该模型基于以下假设： 道路在车辆行驶过程中保持平坦，无凹凸不平； 车辆以低速行驶，且在运行过程中车身不发生侧倾或俯仰； 行驶过程中，轮胎无变形，无侧向滑动，且不产

牵引车-半挂车的车辆结构与普通的车辆相比增加了一个半挂车，它们之间通过鞍座相连接，为了分析半挂牵引车运动过程中的位姿和状态，本文将基于车辆的机械结构建立对应的运动学模型，该模型基于以下假设： 车辆行驶过程中，道路平坦且无凸凹； 车辆低速行驶，且运行过程中车身无侧倾和俯仰运动； 车辆行驶过程中，轮胎无形变，无侧向滑动，且无侧向力； 牵引车和半挂车均满足阿克曼转向几何原理； 牵引车与半挂车不会发现折叠。

Pure Pursuit是一种几何跟踪控制算法，也被称为纯跟踪控制算法。他的思想就是基于当前车辆的后轮中心的位置，在参考路径上寻找一个预瞄点，假设车辆可按照一定转弯半径下行驶到该目标点，然后根据车辆当前位置到预瞄点距离、转弯半径和预瞄点与车头朝向夹角的几何关系来计算车辆的前轮转角，进而得到车辆的横向输入。其中，预瞄点的选取对跟踪效果至关重要，选择合适的预瞄点可以提高车辆的行驶稳定性和路径跟踪精度。

模型预测控制（Model Predictive Control, MPC）作为一种先进的控制策略，因其在处理多变量系统、非线性系统以及约束条件下的优越性能，被广泛应用于车辆横向控制领域。

在现代控制理论的领域中，线性二次型调节器（Linear Quadratic Regulator，简称LQR）被广泛认可为一种高效的优化控制方法。LQR的核心优势在于其能力，通过最小化一个定义良好的二次型代价函数，来设计出能够引导系统达到预定性能指标的控制策略。通过将连续时间模型转换为离散时间模型，我们可以有效地利用LQR算法进行控制设计，实现对车辆横向运动的精确控制。为状态误差，在控制过程中，我们期望状态误差逐渐稳定趋近为0，因此，定义代价函数。即为最终的最优反馈矩阵，否则继续循环。为该系统的控制矩阵，

考虑一个离散线性二次型系统的状态空间方程为xk+1=Axk+Buk(1)x_{k+1}=Ax_k+Bu_k \tag{1}xk+1​=Axk​+Buk​(1)其中，uku_kuk​为n×1n \times 1n×1的控制向量，xkx_kxk​为m×1m \times 1m×1的状态向量，状态矩阵A∈Rm×mA\in R^{m\times m}A∈Rm×m ，输入矩阵B∈Rm×nB \in R^{m\times n}B∈Rm×n，离散LQR（Linear Quadratic Regulator）是针对

后轮位置反馈控制与算法仿真实现

frenet坐标与cartesian坐标相互转换与代码实现（第二部分）

frenet坐标与cartesian坐标相互转换与代码实现

车辆动力学模型是描述汽车运动规律的微分方程，一般用于分析汽车的平顺性和操纵稳定性。二自由度的车辆动力学模型基于单车模型假设，只考虑轮胎侧偏特性，其应用前提是 忽略轮胎力的纵横向耦合关系。 不考虑载荷的左右转移。 忽略悬架运动、路面坡度和横纵向空气动力学等非线性效应。

Stanley横向控制就是我们常说的也叫做**前轮反馈控制**(Front wheel feedback)，是一种基于横向跟踪误差的非线性反馈控制算法，其核心思想是根据车辆位姿与给定路径的相对几何关系来控制车辆方向盘转角。具体来说，Stanley横向控制算法将车辆的横向跟踪误差和航向跟踪误差作为反馈信号，通过非线性比例函数计算出前轮转向角，以减小横向跟踪误差并提高车辆的横向跟踪性能。

Pure Pursuit是一种几何跟踪控制算法，也被称为纯跟踪控制算法。他的思想就是基于当前车辆的后轮中心的位置，在参考路径上寻找一个预瞄点，假设车辆可按照一定转弯半径下行驶到该目标点，然后根据车辆当前位置到预瞄点距离、转弯半径和预瞄点与车头朝向夹角的几何关系来计算车辆的前轮转角，即控制车辆的横向跟踪误差。

PID是一种常见的控制算法，全称为Proportional-Integral-Derivative，即比例-积分-微分控制器。PID控制器是一种线性控制器，它将设定值与实际值进行比较，根据误差的大小，控制器会相应地调整系统的比例、积分和微分系数，以减小误差。

自行车模型（Bicycle Model）是车辆数字化模型中最常见的一种运动学模型。其除了可以反映车辆的一些基础特性外，更重要的是简单易用。通常情况下我们会把车辆模型简化为二自由度的自行车模型。由于低速条件下，我们可以假设车辆不会发生侧向滑动（漂移），此时我们可以将。又由于大部分车辆不具备后轮转向的功能，因此我们可以假设后轮转角。：一个刚体的角速度 = 线速度/线速度到速度瞬心的距离。，因此基于我们假设的前提下的运动学微分方程化简为。由此得到单车模型下的车辆运动学微分模型为。是不变的，因此由式子。