控制方法笔记

基于模型的控制：LQR，模型建立如果不准确，会给控制带来不确定性。

运动学和动力学？

大货车很多参数不了解的话，有时候不如用运动学。所以说，建模不精准不如用运动学。

LQR

模型是状态空间线性的。目标函数是输入和对象状态的二次型函数

二次型问题是在线性系统的约束下，选择适当的控制输入使得目标函数最小。

重点却不重要

LQR公式推导

https://blog.csdn.net/heyijia0327

LQR 的直观推导及简单应用_白巧克力亦唯心的博客-CSDN博客

LQR最优设计：设计出状态反馈控制器K使得目标函数最小。

LQR的优缺点

全状态反馈、控制率设计简单、多变量系统

缺点：适用于线性系统；需要全状态反馈；需要精确的模型；多次迭代对实时性要求高

纵向控制 位置、速度串级PID

L2++是由规划的，控制是跟踪轨迹，预瞄点（目标点）。

不需要：车道线的拟合、转换。

元素很丰富，时间t，x,y,v,a

并联PID不好的原因？

位置环 ：加速

速度环：减速

参数调节不好的话，如场景

位置500m,本车100.前车50。

期望先加速度后减速。

上边例子很牵强。

横向控制

纵向控制算法从154行开始

 主要作用：判断轨迹是不是合理，转换下格式，

设置一个预瞄的时间

 这个函数很重要，计算error的过程，查询匹配点的过程

 设置位置误差和速度误差

 存一下匹配点的速度和加速度

 做一次限制和做一次滤波

 做很多次限制和滤波

 加速度的结果是

 qa:

Apollo filter的解析

巴特沃斯低通滤波

【运动控制】Apollo6.0的LpfCoefficients解析

发动机很肉，延迟很大。

很好的博客

Apollo代码学习(五)—横纵向控制_apollo纵向控制 论文_follow轻尘的博客-CSDN博客

侧向控制的代码

二自由度车辆运动学模型

ADAS对于拐弯比较大的时候，是可以出错的。横向控制有边界。

横纵向是没办法真正解耦的。

Lattice是糅合在一起的。EM是解耦的。

横向是依赖于纵向的，速度变化的，LQR也要变化。

航向角：质心速度与x轴的夹角。

横摆角：车身纵轴线与x轴的夹角。

质心侧偏角：质心速度与车身纵轴线的夹角。

车辆横摆角=车辆航向角-质心侧偏角

横摆角==航向角。工程上

做工程，有的东西，过去就过了，不理解也可以使用。

基于车-路偏差的动力学模型

公式推导，面试之前推最好。

K=dlqr(A,B,Q,R)

Apollo控制算法LQR分析（一） - 知乎


https://www.zhihu.com/people/dkmp

在线求解、动态规划思想，迭代求解黎卡题方程。

1.令P等于最终状态权重矩阵

2.迭代黎卡提方程求出新的P

3.当两次P的插值足够小，计算反馈矩阵K

4.根据反馈矩阵K获取最优控制量u

ACC和LKA都可以使用。

还需要有前馈？为什么

告诉你的目标是80分，你可以达到81，去反馈。

如果你没有标准，只靠反馈，就会很突然，先到到10，再达到20，在到80。

横向的代码

纵向代码

C语言基础不好的可以先看控制代码

L2是没有规划的，把前车当我的目标。

控制不是对规划负责，是对车负责。

ACC、LKA 弯道很小。城区道路右转。城市NOA

可以借鉴Autoware的代码；

LQR的求解器，LQR的矩阵结构、Apollo的一些参数。

越底层越依赖于实体，控制实车调试。影响到控制效果。

控制工程师，在车上参数调整，将参数个数变少。