PID控制

PID控制又稱比例-積分-微分控制器。在自動駕駛汽車跟蹤控制中，該算法主要是對車輛反饋的車輛位姿等信息做偏差處理，并通過比例、積分、微分進行線性組合構成控制量，從而對被控對象進行控制。

該算法由于無需建立精確模型，算法簡單易實現，廣泛應用于各工業領域，但其參數調整比較困難，因此有許多學者將現代智能化算法如模糊控制、神經網絡控制等算法與
PID算法進行結合，簡化了控制器參數調整過程。

通過計算期望車速與實際車速的偏差，
模糊免疫PID速度跟蹤控制器控制制動/油門機械腿分別操縱制動/油門踏板。通過引入車速反饋不斷更新汽車的側向加速度增益，
實現了車輛轉向控制與縱向車速控制的解耦。

仿真實驗表明該算法能使平衡小車在保持動態平衡的前提下對指定軌跡進行的良好跟蹤，具有較快的動態響應速度，對干擾具有良好的魯棒性。

對于縱向控制，總車輪扭矩由嵌入MPC框架中的PID速度控制器產生。仿真試驗結果表明，該控制器對車輛橫向和縱向位置的跟蹤誤差較小，對軌跡和速度的跟蹤性能良好。

LQR控制

LQR控制器是一種多目標最優控制，能夠使系統在被控時間內，尋求最優控制率減小目標函數以達到最優控制效果，即以較小的控制量和代價使系統穩定達到目標狀態。

該控制算法易于設計，但在曲率變化較大的路段進行跟蹤控制時，會使得跟蹤誤差變大而導致跟蹤失敗，因此往往需要結合其他控制算法如前饋控制來進行無誤差跟蹤。

結果表明，所提出的控制方法可有效提高控制精度，實現鉸接式車輛的精確、穩定路徑跟蹤。

圖2-7 對于基于鉸鏈車模型的路徑跟蹤控制系統

其次，利用LQR最優控制實現該線性系統的閉環控制，以保證其穩定性和快速收斂性。在此過程中，通過矩陣Q和r平衡狀態變量和輸入的權重，可以得到LQR的最優二次型性能指標，因此可以方便地調整和標定控制參數。

2.6 滑模控制

滑模控制（SMC）又稱滑模變結構控制，是一種典型的非線性反饋控制方法，具有很強的抗不確定性擾動能力。通過設計合適的滑動模態，可以迫使系統快速按照預定的狀態軌跡運行，具有魯棒閉環性能。

滑模控制的缺點主要是其不連續的開關特性將會引起抖動，降低控制系統抖動是目前該領域的研究熱點與難點。

首先，對車輛的運動過程進行研究，建立車輛的運動學模型。

其次，基于B樣條曲線理論建立非線性約束平行泊車路徑優化函數，并分析車輛運動學約束條件。

然后，結合非時間參考路徑跟蹤控制和終端滑模控制方法，提出基于趨近律的非時間參考終端滑模路徑跟蹤控制方法。