控制:利用车上的装置,让车的行驶尽可能地贴合规划
控制方法:PID LQR MPC
控制流程
输入:规划路线、车当前的状态
输出:转向(steering)、加速(accelcration)、制动(brake)
PID
输入:实际和预期的偏差
P:开环,比如让一辆车5s中到达10m的地方,P控制会让车以2m/s的速度过去,但会超过那个地方。为什么会有稳态误差?(“把它拉回来”,但容易过头)
只考虑当前情况,解决当前误差就行。就是上面那个开车的意思。
I:积分,处理累计的错误,消除历史误差。(但这种消除,比较慢)
D:微分,监控未来。比如“预测到这样调整会过调,那么就会在中途减速,停在指定位置”
“好像PD就足够了?要I干嘛?”
线性二次调节器(LQR)
模型预测控制(MPC)
分三步:
- 建立车辆模型
- 使用优化引擎,计算有限时间范围内的控制输入(得到最优的控制序列)
- 执行第一次控制输入
这个控制控制序列,是指将一组组控制输入重新排序,还是指每一组控制中每个设备的控制顺序进行调整?
车辆模型:它会预测执行一组控制操作后会发生什么
将这一个预测结果给到优化引擎进行优化
优化引擎会根据控制序列,对行驶轨迹进行建模(预测),并计算每种预测结果的成本(对其进行评估)选择最好的
MPC和PID
前者比后者更为精确(考虑了车辆模型),而且前者包含了成本函数,可以适应更多的情况
但前者也比后者更为复杂一些,却拥有着更好的可拓展性