自动驾驶控制算法 - 横向LQR控制+前馈控制

自动驾驶控制算法 - 横向LQR控制+前馈控制

本文将介绍自动驾驶车辆横向控制中常用的LQR控制+前馈控制方法。LQR是线性二次最优控制,该控制器设计依赖于被控对象的模型方程,在之前的文章中,我们已经建立了车辆的动力学模型在道路坐标系的方程,LQR控制器也将基于该模型进行设计。

附赠自动驾驶最全的学习资料和量产经验以及1000T的资源分享:链接

我们再次把车辆动力学模型写出来,如下,其中各变量的含义参见上面的链接。

image

1. 横向控制的LQR控制

image

2. 横向控制的前馈项

当前轮转角的控制律如上述所示时,整个闭环系统的方程变为:

image

image

3. 总结

image

  • 3
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
自动驾驶决策和控制算法自动驾驶系统中的重要组成部分。它们负责根据感知到的环境信息,进行实时的决策和控制,以实现安全、高效的驾驶行为。 决策算法主要负责根据车辆周围的感知信息,如传感器数据、地图数据等,进行场景理解、目标识别和行为预测。常见的决策算法包括基于规则的算法和基于机器学习的算法。其中,基于规则的算法使用预定义的规则和逻辑来进行决策,例如优先让行、避让障碍物等。而基于机器学习的算法则通过训练模型来学习从感知数据到决策行为的映射关系,如深度学习算法和强化学习算法。 控制算法主要负责根据决策结果,生成车辆的控制命令,如油门、刹车、转向等。常见的控制算法包括经典的PID算法、LQR算法和MPC算法。PID算法是一种基于误差和误差变化率的反馈控制算法,用于实现车辆的稳定行驶。而LQR算法则通过优化控制理论来设计最优的控制器。MPC算法则通过对未来的状态和控制命令进行优化,以实现车辆的轨迹跟踪和动态规划。 总结起来,自动驾驶决策和控制算法是通过对感知信息进行分析和处理,实现对车辆行为的决策和控制的关键算法。这些算法包括决策算法和控制算法,其中决策算法负责根据感知信息进行场景理解和行为预测,控制算法负责根据决策结果生成车辆的控制命令。这些算法的设计和优化是实现安全、高效自动驾驶的关键。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值