朱林峰 楊家富 施楊洋 方朋朋

（南京林業(yè)大學(xué)機(jī)械電子工程學(xué)院，南京210037）

1 引言

人工智能的迅速發(fā)展正在深刻改變?nèi)祟惿鐣睿淖兪澜纭閾屪ミ@一重大戰(zhàn)略機(jī)遇，構(gòu)筑我國人工智能發(fā)展的先發(fā)優(yōu)勢，加快建設(shè)創(chuàng)新型國家和世界科技強(qiáng)國，2017年7月國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，其中自主無人系統(tǒng)的智能技術(shù)、智能運(yùn)載工具是發(fā)展規(guī)劃的重點任務(wù)，重點發(fā)展無人駕駛汽車和軌道交通系統(tǒng)，加強(qiáng)車載感知、自動駕駛、車聯(lián)網(wǎng)、物聯(lián)網(wǎng)等技術(shù)集成和配套，開發(fā)交通智能感知系統(tǒng)，形成我國自主的無人駕駛平臺技術(shù)體系和產(chǎn)品總成能力，探索無人駕駛汽車共享模式。2017年12月阿爾法巴智能公交已在深圳試運(yùn)行，2018年4月美團(tuán)和百度在雄安試驗無人駕駛送餐，無人駕駛無疑已成為廣大研究者高度關(guān)注的熱點。

無人駕駛車輛是在沒有駕駛員主動控制但有連續(xù)監(jiān)測下行駛的車輛，主要依靠計算機(jī)、傳感器技術(shù)和設(shè)備來感知車輛行駛環(huán)境，并根據(jù)感知所獲得的道路環(huán)境和障礙物信息對車輛進(jìn)行運(yùn)動控制，從而在保障行駛穩(wěn)定性、動力性和乘坐舒適性的同時，保證車輛能夠精確跟蹤期望路徑［1］。無人駕駛車輛具有參數(shù)不確定性及高度非線性動態(tài)特性等特點，是一種典型的多輸入-多輸出復(fù)雜動力學(xué)系統(tǒng)，如何構(gòu)建這一復(fù)雜動力學(xué)系統(tǒng)的運(yùn)動控制方法是實現(xiàn)無人駕駛車輛自主行駛的重點。

運(yùn)動控制分縱向控制和橫向控制，前者是指對油門和制動的協(xié)調(diào)，實現(xiàn)對期望車速的精確跟隨，后者是指車輛的自動轉(zhuǎn)向，即控制車輛沿規(guī)劃的路徑行駛。其中橫向控制是無人駕駛車輛運(yùn)動控制研究領(lǐng)域中的核心問題之一。本文簡要闡述了近年來國內(nèi)外橫向控制研究的發(fā)展歷程，分析了橫向控制的經(jīng)典控制策略、現(xiàn)代控制策略、智能控制策略及橫縱向綜合控制，提出了無人駕駛車輛橫向控制的未來研究方向。

2 無人駕駛車輛橫向控制發(fā)展歷程

無人駕駛車輛的智能行為反映了自然環(huán)境感知、智能行為決策和車輛運(yùn)動控制能力的關(guān)鍵技術(shù)。根據(jù)環(huán)境感知所用傳感器系統(tǒng)的不同，無人駕駛車輛橫向控制可分預(yù)瞄-跟隨式和非預(yù)瞄-跟隨式參考系統(tǒng)。前者通過計算車輛前方期望路徑和車輛之間的位置偏差來車實現(xiàn)自動轉(zhuǎn)向［2］，例如 Lydie等［3］提到的激光雷達(dá)和 Hernandez等［4］提到的全球定位系統(tǒng)（GPS）；后者通過計算期望航向和當(dāng)前航向的偏差來控制車輛實現(xiàn)路徑跟蹤［5］，例如加利福尼亞大學(xué) PATH項目中的磁鐵跟隨轉(zhuǎn)向控制系統(tǒng)［6］。

橫向控制最早是1980年俄亥俄州立大學(xué)的學(xué)者為PATH項目提出［7］。從1988年開始，加利福尼亞大學(xué) Shladover等［6］在橫向控制問題上開始建立模型，推導(dǎo)傳感器系統(tǒng)控制規(guī)律。20世紀(jì)90年代，Peng等［8，9］利用頻率線性二次型（FSLQ）最優(yōu)控制理論設(shè)計橫向反饋和前饋控制器，還測試了前饋-PID反饋控制算法和最優(yōu)控制算法，但路徑跟蹤未到達(dá)系統(tǒng)性能要求。因此，1997年P(guān)ATH展示了一種預(yù)瞄-跟隨式的自動轉(zhuǎn)向系統(tǒng)［10］，通過預(yù)瞄車輛周圍的道路曲率信息來計算前饋控制量。

21世紀(jì)初，Hernandez等［4，11］通過 GPS準(zhǔn)確預(yù)估了車輛相對于道路的橫向位移。2005年之前，無人駕駛車輛的方向控制結(jié)構(gòu)多是PID控制，之后，文獻(xiàn)［12］提出了一種雙閉環(huán)控制結(jié)構(gòu)，外環(huán)控制基于模糊控制計算方向盤的目標(biāo)位置，內(nèi)環(huán)控制通過執(zhí)行機(jī)構(gòu)移動轉(zhuǎn)向桿來達(dá)到這一目標(biāo)位置。近年來，智能控制理論受到控制理論界的關(guān)注，Onieva等［13］獲取駕駛員的車輛操作信息，并通過遺傳算法訓(xùn)練，將之作為模糊控制器的輸入?yún)?shù)來完成無人駕駛車輛的自動轉(zhuǎn)向。Lombard等［14］提出了基于 GNSS定位的橫向控制策略，利用線性二次調(diào)節(jié)器作為控制器來設(shè)定方向角。

我國無人駕駛車輛興起于20世紀(jì)80年代，1980年開始研制“遙控駕駛的防核化偵探車”，在20世紀(jì)末和21世紀(jì)初，多所高校聯(lián)合研制ATB、THMR-V、CA7460等。2007年，付其軍等［15］引入了一種結(jié)構(gòu)簡單、易于實現(xiàn)且工作可靠的雙閉環(huán)PID調(diào)節(jié)的轉(zhuǎn)向控制策略，滿足轉(zhuǎn)向系統(tǒng)對準(zhǔn)確性、快速性、平穩(wěn)性的要求。隨著控制理論與方法的發(fā)展，針對無人駕駛車輛泊車時自動轉(zhuǎn)向問題，將車輛橫向運(yùn)動學(xué)模型簡化成一種線性時變模型，且制定出相應(yīng)的橫向位置最優(yōu)跟蹤控制方案［16］。針對環(huán)境模型未知或半知，無人車難以準(zhǔn)確獲得動態(tài)參數(shù)的情況，文獻(xiàn)［17］基于行為融合采用模糊邏輯的思路對無人駕駛車輛進(jìn)行智能控制。

獨立的橫向控制系統(tǒng)并不能體現(xiàn)無人駕駛車輛實際運(yùn)行時的特性，且很多橫向控制研究在實際工程中并沒有考慮橫縱向動力學(xué)的相互影響。同時考慮橫縱向控制的綜合性策略是未來發(fā)展方向。對此，Attia等［18］基于非線性模型預(yù)測控制設(shè)計了整車控制系統(tǒng)，提高了車輛橫向控制精度?；祀s系統(tǒng)適合具有邏輯切換的不連續(xù)動態(tài)過程，為了保證無人車安全可靠運(yùn)行并快速響應(yīng)上層指令，文獻(xiàn)［19］利用混雜系統(tǒng)理論設(shè)計無人駕駛車輛整車控制策略，而文獻(xiàn)［20］利用有限狀態(tài)機(jī)理論，采用分層決策的思路設(shè)計差動轉(zhuǎn)向無人車整車控制策略。

分析近年來國內(nèi)外橫向控制研究工作，可以清晰地看到，一方面，橫向控制已由駕駛輔助系統(tǒng)經(jīng)部分自動化系統(tǒng)、高度自動化系統(tǒng)、完全自動化系統(tǒng)，發(fā)展到現(xiàn)在的智能化系統(tǒng)。另一方面，橫向控制策略的不足和行駛環(huán)境外界因素的干擾，使人們在解決路徑跟蹤的準(zhǔn)確性時不能很好地應(yīng)用控制策略和控制理論。這種需求和現(xiàn)狀的矛盾構(gòu)成了無人駕駛車輛發(fā)展的強(qiáng)大動力，同時也是人們不斷的研究橫向控制的主要原因之一。

3 無人駕駛車輛橫向控制策略

無人駕駛車輛是一個高度非線性和參數(shù)不確定性的復(fù)雜系統(tǒng)，導(dǎo)致對其橫向控制具有一定難度，尤其在一些復(fù)雜路況下，因此前期只能單獨設(shè)計。但如果不能把橫、縱向控制有機(jī)地結(jié)合為一個整體，而是單獨設(shè)計互不關(guān)聯(lián)，那么將削弱甚至不能達(dá)到預(yù)期的系統(tǒng)性能。從控制理論與方法的發(fā)展歷史角度來看，無人駕駛車輛橫向控制的發(fā)展過程是螺旋式的，從簡單的調(diào)節(jié)裝置、PID控制，發(fā)展到基于傳遞函數(shù)模型的經(jīng)典控制，之后是基于受控系統(tǒng)狀態(tài)空間模型的現(xiàn)代控制，再到基于復(fù)雜系統(tǒng)和擺脫受控系統(tǒng)數(shù)學(xué)模型的智能控制（目前的最新應(yīng)用），最后到橫縱向結(jié)合為一個整體的綜合控制（未來發(fā)展方向）。

幾種控制策略的主要特點如表1所示。

表1 控制策略的主要特點Tab.1 The main features of the control strategy

3.1 經(jīng)典控制策略

經(jīng)典控制以傳遞函數(shù)為數(shù)學(xué)模型，以頻率響應(yīng)法和根軌跡法為主要分析和設(shè)計工具，使用拉普拉斯變換求解系統(tǒng)的輸入輸出關(guān)系，主要研究系統(tǒng)的動態(tài)性能，常見的經(jīng)典控制有反饋控制和PID控制。1992年，為了解決無人駕駛車輛在彎曲道路的跟蹤路徑的問題，Peng等［9］開始嘗試使用帶有前饋控制的PID控制器來進(jìn)行橫向控制，而Marino等［21］為了解決如何在曲率不確定的路況下，根據(jù)陀螺儀測量的橫擺角速度和視覺系統(tǒng)測量的橫向誤差來跟蹤路徑的問題，研制了一種基于視覺的車道保持嵌套PID自動轉(zhuǎn)向控制策略。理論分析時常用的自動轉(zhuǎn)向控制方法是通過橫擺角速度反饋將橫擺運(yùn)動和橫向運(yùn)動解耦，建立3自由度的動力學(xué)模型，對路徑跟蹤PID控制器仿真［22］。

盡管經(jīng)典控制在國內(nèi)外工程上得到了廣泛應(yīng)用，但對于高度非線性系統(tǒng)和多變量系統(tǒng)仍有局限性，難以滿足復(fù)雜系統(tǒng)對穩(wěn)定性的要求。

3.2 現(xiàn)代控制策略

現(xiàn)代控制理論是在20世紀(jì)50年代中期迅速興起的空間技術(shù)推動下發(fā)展起來的。最優(yōu)控制是對一個受控的動力學(xué)系統(tǒng)或運(yùn)動過程，從一類允許的控制方案中找出最優(yōu)方案，使系統(tǒng)的運(yùn)動在由某個初始狀態(tài)轉(zhuǎn)移到指定目標(biāo)狀態(tài)時，其性能指標(biāo)值為最優(yōu)。無人駕駛車輛在彎曲道路行駛時，最優(yōu)控制與經(jīng)典控制相比控制精度更高，Kise等［23］通過引入 Fiala公式［24］提出一種車輛的自主轉(zhuǎn)向最優(yōu)控制算法，建立2自由度“自行車”模型來補(bǔ)償輪胎的滑移角與輪胎在地面上產(chǎn)生轉(zhuǎn)彎力的非線性。針對自動駕駛拖拉機(jī)一類具有大延遲、高度非線性特征的復(fù)雜系統(tǒng)，采用橫向偏差和航向角作為輸出反饋控制系數(shù)，減少了整定輸出反饋控制參數(shù)的時間［25］。為了保證無人駕駛車輛準(zhǔn)確穩(wěn)定地跟蹤路徑并有較強(qiáng)的魯棒性，文獻(xiàn)［26］基于預(yù)瞄-跟隨式參考系統(tǒng)（圖1），采用最優(yōu)控制理論設(shè)計的導(dǎo)航控制器由狀態(tài)反饋控制律和用于補(bǔ)償參考路徑曲率擾動的前饋控制律組成。

圖1 控制器結(jié)構(gòu)圖［26］Fig.1 Controller structure diagram［26］

上述最優(yōu)控制能在橫向控制模型參數(shù)不確定且存在干擾的條件下取得最優(yōu)效果，主要依賴于精確的數(shù)學(xué)模型，模型參數(shù)時變和外界干擾將會影響無人駕駛車輛系統(tǒng)的魯棒性。為減小不確定性對系統(tǒng)的影響，研究人員又發(fā)展了智能控制策略。

3.3 智能控制策略

所謂智能控制，即設(shè)計一個控制器或系統(tǒng)，使之具有學(xué)習(xí)、抽象、推理、決策等功能，并對環(huán)境（包括被控對象或被控過程）信息的變化有適應(yīng)性，從而實現(xiàn)由人來完成的任務(wù)。目前，國內(nèi)外已存在的無人駕駛車輛橫向智能控制策略有：模糊控制、自適應(yīng)控制、模型預(yù)測控制、神經(jīng)網(wǎng)絡(luò)控制、滑模控制、魯棒控制。

模糊控制是在人工經(jīng)驗基礎(chǔ)上，將操作人員熟練的實踐經(jīng)驗加以總結(jié)和描述，模仿人的思維方式進(jìn)行推理和決策。由于系統(tǒng)存在延時性，文獻(xiàn)［27］結(jié)合模糊控制理論和模型匹配法設(shè)計了模糊上位控制器和模型匹配下位控制器，能精確控制節(jié)氣門和制動盤踏板。鑒于與其他智能算法結(jié)合可減小設(shè)計控制器過程中隸屬度函數(shù)參數(shù)和控制規(guī)則帶來的誤差，郭景華等［28］通過遺傳算法自動優(yōu)化橫向模糊控制器的隸屬度函數(shù)參數(shù)和控制規(guī)則，張長龍［29］通過其設(shè)計的參數(shù)自整定模糊PID控制器來提高自動轉(zhuǎn)向的性能。

自適應(yīng)控制的研究對象是具有一定程度不確定性（被控對象內(nèi)部模型的結(jié)構(gòu)和參數(shù)、外部環(huán)境，以及測量時產(chǎn)生的不確定因素）的系統(tǒng)。Marino等［30］建立的車輛動力學(xué)模型考慮了未知風(fēng)阻和道路曲率引起的擾動，Netto等［31］在此基礎(chǔ)上提出一種基于視覺系統(tǒng)的橫向自適應(yīng)控制器。為了消除建立模型時滑動效應(yīng)的干擾，F(xiàn)ang［32］利用反推法、自適應(yīng)學(xué)習(xí)和補(bǔ)償時不變滑動效應(yīng)，通過滑模變結(jié)構(gòu)控制器（VSC）來改進(jìn)自適應(yīng)控制器，進(jìn)而提高魯棒性。無人駕駛車輛在行駛過程中隨著車速和轉(zhuǎn)向阻力矩的不同，PID控制器會導(dǎo)致超調(diào)、響應(yīng)時間慢、跟蹤角度不準(zhǔn)，結(jié)合自適應(yīng)控制設(shè)計的自適應(yīng)模糊PID控制器能滿足無人駕駛車輛轉(zhuǎn)向準(zhǔn)、響應(yīng)快、性能穩(wěn)［33］。而田濤濤［34］為了避免無人駕駛車輛的復(fù)雜激勵建模，基于橫向控制系統(tǒng)的動態(tài)線性化數(shù)據(jù)模型設(shè)計無模型自適應(yīng)控制算法，并分別利用增量式PID和無模型自適應(yīng)方法進(jìn)行實驗（圖2），發(fā)現(xiàn)后者更具自適應(yīng)性，在直線道路和不同曲率彎道能很好地適應(yīng)系統(tǒng)變化，而增量PID方法只能在小曲率彎道和直線道路上很好地跟蹤期望路徑。2015屆清華大學(xué)“睿龍”號無人駕駛汽車?yán)脽o模型自適應(yīng)控制算法作為核心控制算法，在城郊、道路直行、道路轉(zhuǎn)彎等復(fù)雜路況下完成任務(wù)考驗，沒有出現(xiàn)任何故障。

圖2 兩種方法的跟蹤控制對比圖［34］Fig.2 Tracking effect comparison between two control methods［34］

模型預(yù)測控制（MPC）是一種將更長時間跨度、甚至無窮時間分解為若干個更短時間跨度或有限時間跨度的最優(yōu)控制問題，并在一定程度上仍然追求最優(yōu)解。由于期望的軌跡在有限的時域內(nèi)是已知的，F(xiàn)alcone等［35］采用“自行車”模型和Pacejka HB提出的半經(jīng)驗輪胎模型，針對自主車輛的轉(zhuǎn)向系統(tǒng)提出非線性模型預(yù)測控制方法（NMPC）和線性時變模型預(yù)測控制方法（LVTMPC），其設(shè)計的MPC控制器在非線性車輛模型的基礎(chǔ)上解決了跟蹤路徑轉(zhuǎn)向速度問題。此外，針對模型預(yù)測控制求解約束優(yōu)化問題計算量大這一瓶頸，文獻(xiàn)［36，37］結(jié)合模型預(yù)測控制和車輛動力學(xué)模型展開研究。Du等［38］提到，在模型預(yù)測的滾動優(yōu)化策略中采用遺傳算法與其他滾動優(yōu)化策略相比更精確。

神經(jīng)網(wǎng)絡(luò)控制是一種不依靠定量模型的控制方法，有較強(qiáng)的自適應(yīng)能力、自學(xué)習(xí)能力和對非線性系統(tǒng)的映射能力。利用神經(jīng)網(wǎng)絡(luò)較強(qiáng)的自學(xué)習(xí)能力辨識車輛方向盤的轉(zhuǎn)角，通過給定方向盤轉(zhuǎn)角輸入求得用于廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）的車輛狀態(tài)參數(shù)，運(yùn)用 GRNN網(wǎng)絡(luò)建立識別方向盤轉(zhuǎn)角的映射模型［39］。但模糊控制器的隸屬函數(shù)和控制規(guī)則一旦確定便無法修改，控制規(guī)則還需要專家經(jīng)驗總結(jié)，為此，王宏旭［40］采用誤差反向傳播算法對整個網(wǎng)絡(luò)中的參數(shù)進(jìn)行調(diào)整，使模糊神經(jīng)網(wǎng)絡(luò)的隸屬函數(shù)以及控制規(guī)則得到優(yōu)化。在這里特別要提到的是 Tang等［41］結(jié)合自適應(yīng)控制提出基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)（AFFN）的車道變換控制器來預(yù)測轉(zhuǎn)向角，將采集到的車輛加速度、制動、轉(zhuǎn)向等動態(tài)數(shù)據(jù)傳入駕駛模擬器，若均方根誤差小于設(shè)定閥值則結(jié)束模擬，若均方根誤差大于閥值則建立模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模型（圖3）。這種車輛方向盤識別方法結(jié)合自適應(yīng)算法調(diào)整隸屬函數(shù)，改進(jìn)規(guī)則推理機(jī)制，最終提高預(yù)測精度，可為提高車輛的操縱安全性，以及研究自動轉(zhuǎn)向系統(tǒng)和智能泊車系統(tǒng)提供理論基礎(chǔ)。

圖3 預(yù)測模型結(jié)構(gòu)圖［41］Fig.3 Forecast model structure［41］

滑?？刂疲⊿MC）也叫變結(jié)構(gòu)控制，與其他控制的不同之處在于控制的不連續(xù)性，會在動態(tài)過程中根據(jù)系統(tǒng)當(dāng)前狀態(tài)有目的地不斷變化，使系統(tǒng)按照預(yù)定的“滑動模態(tài)”狀態(tài)軌跡運(yùn)動，對干擾和不確定性具有較強(qiáng)的魯棒性和抗干擾性。Hiraoka等［42，43］提出一種基于滑?？刂评碚摰淖詣痈櫩刂破?，可將單級或多級轉(zhuǎn)向的大型無人駕駛四輪轉(zhuǎn)向（4WS）車輛的路徑跟蹤問題解耦成前后兩個轉(zhuǎn)向調(diào)節(jié)的問題?？紤]車輛狀態(tài)誤差來源于實車模型，與參考模型的初始狀態(tài)和參數(shù)不同，Tian等［44］采用最優(yōu)控制設(shè)計滑模，消除不同初始狀態(tài)引起的狀態(tài)誤差，設(shè)計分?jǐn)?shù)滑模控制來消除不同參數(shù)引起的狀態(tài)誤差。此外，文獻(xiàn)［45］實時規(guī)劃車輛質(zhì)心與預(yù)瞄點間的虛擬路徑，根據(jù)車輛運(yùn)動學(xué)模型和姿態(tài)誤差模型推導(dǎo)出車輛期望的偏航率，使用徑向基神經(jīng)網(wǎng)絡(luò)（RBF）設(shè)計滑模變結(jié)構(gòu)軌跡跟蹤控制器。

魯棒控制是使具有不確定性的對象滿足控制品質(zhì)的一種控制手段，其不確定多數(shù)由工作狀況變動、外部干擾以及建模誤差引起，而控制系統(tǒng)的魯棒性是指系統(tǒng)在一定（結(jié)構(gòu)、大小）的參數(shù)攝動下，維持某些性能的特性。Gao等［46］基于半自主車輛的車道保持和避障提出基于魯棒控制的非線性模型預(yù)測控制器（RNMPC），用魯棒不變集合保證在存在干擾和模型誤差的情況下滿足狀態(tài)和輸入約束。Kayacan等［47］將其控制動作與前饋和魯棒控制相結(jié)合，基于軌跡跟蹤誤差模型設(shè)計的線性模型預(yù)測控制器能控制跟蹤誤差的大小。魯棒控制與傳統(tǒng)的控制策略相比有良好的抗干擾性和魯棒性。李旭等［48］將魯棒控制器設(shè)計問題表示為廣義被控對象的次優(yōu)輸出反饋控制器設(shè)計問題。Hima等［49］在設(shè)計自主車輛縱向和橫向控制器的過程中主要用到PID控制和H∞魯棒控制來實現(xiàn)路徑跟蹤，實車測試表明盡管模型存在不確定性，但仍能以安全的方式跟蹤規(guī)劃軌跡。

綜上所述，在智能控制領(lǐng)域中，模糊控制能夠模擬駕駛員行為特征對無人駕駛車輛進(jìn)行操縱，不需要建立精確的被控對象模型，只需根據(jù)已有知識經(jīng)驗來確定模糊控制的隸屬函數(shù)和控制規(guī)則，能克服非線性和參數(shù)不定的無人駕駛車輛系統(tǒng)，但缺少良好的學(xué)習(xí)機(jī)制，控制精度不高。自適應(yīng)控制依據(jù)被控對象的輸入和輸出數(shù)據(jù)不斷地辨識和改變模型參數(shù)，以便將無人駕駛車輛控制系統(tǒng)調(diào)整到滿意的工作狀態(tài)，比常規(guī)反饋控制要復(fù)雜得多，成本也高，在常規(guī)反饋達(dá)不到所期望的性能時適用。模型預(yù)測控制建立運(yùn)動學(xué)模型方便，采用滾動優(yōu)化策略，可使模型失配、畸變、擾動等引起的不確定性及時得到彌補(bǔ)，從而得到較好的動態(tài)控制性能，但應(yīng)用這種控制策略設(shè)計控制系統(tǒng)非常復(fù)雜，實施要求高、在線計算量大、應(yīng)用范圍有限。神經(jīng)網(wǎng)絡(luò)控制有著較強(qiáng)的自適應(yīng)能力、自學(xué)習(xí)能力和對非線性系統(tǒng)的強(qiáng)大映射能力，但網(wǎng)絡(luò)訓(xùn)練的時間長、數(shù)據(jù)樣本多、操作復(fù)雜，很難滿足實際的控制需求?；？刂频膬?yōu)勢在于滑動模態(tài)對加在系統(tǒng)上的干擾和系統(tǒng)的攝動具有完全自適應(yīng)性，無需系統(tǒng)在線辨識，且響應(yīng)速度快，劣勢是系統(tǒng)控制器的輸出存在抖動現(xiàn)象。魯棒控制不僅能保證控制系統(tǒng)的魯棒性，還能優(yōu)化某些性能指標(biāo)，但最大的問題是過于依賴設(shè)計者經(jīng)驗，無規(guī)律可循。結(jié)合使用各種智能控制策略揚(yáng)長避短，可使無人駕駛車輛達(dá)到性能最優(yōu)狀態(tài)，滿足無人駕駛車輛的穩(wěn)定性和安全性。

3.4 無人駕駛車輛橫縱向綜合控制

針對無人駕駛車輛橫縱向動力學(xué)間的耦合、關(guān)聯(lián)特性，可分別從分解式控制結(jié)構(gòu)和集中式控制結(jié)構(gòu)對其綜合控制進(jìn)行研究。Rajamani等［50］通過將橫縱控制器和監(jiān)督器組成橫縱向綜合控制系統(tǒng)來解決無人駕駛車輛編隊行駛中自動插入和退出的控制問題。CARLOS等［51］設(shè)計的整車控制系統(tǒng)由縱向和橫向控制器組成，前者調(diào)節(jié)車輛的速度，后者進(jìn)行路徑跟蹤，這種分解式協(xié)調(diào)控制只是對橫縱向控制的執(zhí)行進(jìn)行協(xié)調(diào)，從本質(zhì)上講沒有克服橫縱向動力學(xué)的耦合特性。針對無人駕駛車輛的不確定性和冗余等特點提出的橫縱向協(xié)調(diào)及重構(gòu)控制方法［52］，可保證跟蹤誤差的一直有界收斂性。郭景華等［53］通過橫縱向動力學(xué)系統(tǒng)間的動態(tài)耦合及協(xié)同進(jìn)行能量的傳遞、轉(zhuǎn)換和演變，與解耦控制系統(tǒng)相比，其穩(wěn)態(tài)控制精度和動態(tài)響應(yīng)性能顯著提高。這種集中式控制結(jié)構(gòu)可以克服系統(tǒng)的非線性和強(qiáng)耦合性。

深度學(xué)習(xí)在自動駕駛領(lǐng)域可實現(xiàn)無人駕駛車輛端到端的控制技術(shù)，目前基于預(yù)瞄-跟隨式參考系統(tǒng)的自動駕駛系統(tǒng)存在三種主流方案（圖4）。一種是行為反射方法，直接采集駕駛員在駕駛過程中的圖像和方向盤轉(zhuǎn)動等數(shù)據(jù)，使用神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練，輸出車輛方向盤的轉(zhuǎn)角等參數(shù)來控制無人駕駛車輛。一種是無人駕駛領(lǐng)域應(yīng)用最廣泛的間接感知方法，將無人駕駛體系分為自然環(huán)境感知、智能行為決策、車輛運(yùn)動控制等多個子問題，通過車載傳感器識別出道路、車輛、障礙物等與交通相關(guān)的對象，提取無人駕駛車輛跟蹤路徑的信息等系列操作來控制無人駕駛車輛油門的開度等。普林斯頓大學(xué)的 Chen［54］提出介于前兩種方法之間的直接感知法，對圖像數(shù)據(jù)使用深度卷積神經(jīng)網(wǎng)絡(luò)來訓(xùn)練學(xué)習(xí)，得到車與車的距離、車相對于道路的角度等車輛控制參數(shù)。此方法在虛擬駕駛場景和現(xiàn)實駕駛場景進(jìn)行路測時，都能準(zhǔn)確地控制無人駕駛橫縱向運(yùn)動。

4 總結(jié)和展望

自20世紀(jì)60年代，無人駕駛車輛橫向控制的研究一直持續(xù)到現(xiàn)在，控制策略先后經(jīng)歷了經(jīng)典控制、現(xiàn)代控制、智能控制、橫縱向綜合控制4個階段。根據(jù)對無人駕駛車輛橫向控制策略研究的分析可以看出，縮小實際應(yīng)用與理想控制策略之間的差距已成為當(dāng)務(wù)之急，從這一目標(biāo)出發(fā)，可以重點從數(shù)據(jù)驅(qū)動、多種控制策略和智能算法相結(jié)合，以及橫縱向綜合控制3個方向進(jìn)行探索，從而提高無人駕駛車輛的可靠性、乘坐的舒適性和操縱的簡易性。

圖4 三種無人駕駛綜合控制方案［54］Fig.4 Three unmanned integrated control schemes［54］

1）數(shù)據(jù)驅(qū)動。目前無人駕駛車輛的橫向控制策略大多都是基于模型設(shè)計控制器，然而行駛過程中產(chǎn)生的大量輸入輸出數(shù)據(jù)隱含著控制器中的橫擺角速度、制動參數(shù)、航向偏差、期望偏差、航向預(yù)估值等模型信息。如何使控制器設(shè)計不包含受控過程的模型信息，以便更有效地利用由受控系統(tǒng)運(yùn)動控制數(shù)據(jù)得到的信息來設(shè)計控制器是非常有意義的研究工作，發(fā)展數(shù)據(jù)驅(qū)動控制是無人駕駛車輛的必然趨勢。

2）多種控制策略相結(jié)合。無人駕駛車輛在行駛過程中受到干擾和不確定性的作用，各種控制策略各有優(yōu)缺點，如何發(fā)揮優(yōu)點、抑制缺點，使所設(shè)計的系統(tǒng)具有較強(qiáng)的魯棒性和適應(yīng)性，這些都是值得研究的內(nèi)容。對于無人駕駛車輛這個高度非線性、具有較大延遲的復(fù)雜系統(tǒng)而言，只有多種控制策略和算法結(jié)合使用才能保證無人駕駛車輛的可靠性。

3）橫縱向綜合控制。伴隨深度學(xué)習(xí)的成熟，如何將無人駕駛車輛的運(yùn)動控制和環(huán)境感知決策有機(jī)集合，如何利用橫縱向動力學(xué)關(guān)聯(lián)特性的協(xié)調(diào)控制策略都是值得研究內(nèi)容。另外，目前對無人駕駛車輛的運(yùn)動控制主要集中在獨立設(shè)計橫向和縱向控制，且橫縱向綜合控制大多局限于控制理論分析，實現(xiàn)無人駕駛車輛的橫縱向綜合控制的動態(tài)協(xié)調(diào)，對無人駕駛車輛運(yùn)動控制至關(guān)重要。