作為一個已經存在百余年的產品，汽車還能在近些年的新技術浪潮中吸引廣大公眾和技術愛好者們的眼球，自動駕駛技術貢獻良多。很多人從谷歌、特斯拉等公司的無人駕駛車項目接觸到這一項將改變人類駕駛體驗改善交通安全的革命性技術，事實上早在1980年代世界上的一些大學和公司就開始了相關項目的研究[1，2]。近十年來國內外都舉辦了一系列智能車挑戰大賽，展現了強大的技術實力。雖然完全自動駕駛恐怕還要一些時日，與之相關的一些功能技術大家卻并不陌生。泊車入庫、自適應巡航控制（adaptivecruisecontrol）以及各種ADAS（高級輔助駕駛系統）功能已經走進了大家的生活。
GoogleSelf-DrivingCar[1]
Stanford的Stanley以6小時53分58秒的成績跑完了全程142英里的崎嶇路程獲得2005美國GrandChallenge冠軍[3]
11所大學和科研機構的無人駕駛車輛參加在內蒙古赤峰市舉辦的2012中國智能車未來挑戰賽[4]
把人從駕駛中解放出來[5]
自動駕駛汽車作為一個完全徹底的交通服務的提供者，承擔了車輛行駛的所有職責，把人從駕駛中解放出來。自動駕駛汽車集車輛學，人工智能，計算機科學，自動控制等多學科于一體，是現代科技高度發展的產物。它通常由3大系統組成：環境感知，定位導航和運動控制系統。作為小鵬汽車介紹自動駕駛系列文章的第一篇，我們首先和大家聊聊公眾關注較少卻也很重要的運動控制系統。
運動控制系統是替代人在駕駛中的作用的第一步。當人來駕駛汽車時，我們自己通過調整油門、剎車和方向盤等控制元件使汽車按照我們期望的速度前進，按照我們期望的角度轉向。而一臺僅配備了電池、電機的無人駕駛汽車，就好比一匹未馴服的野馬。雖然它有縱情奔騰的能力，卻不能準確得執行上層決策機構設定的車速、轉向角度等指令。所以一臺自動駕駛汽車首先要進行電控改造，也就是由電腦直接來控制油門的大小、方向盤的轉動和剎車等動作。電控改造提供了由電腦來控制汽車運動的硬件基礎，在此基礎上核心的車輛運動控制算法就是馴服野馬的韁繩。它使汽車‘溫順忠實’的執行我們對速度、轉向的要求。接下來我們就以車速為例來看看如何使汽車按照期望的車速前進。
車輛縱向運動受力分析[6]
車輛的平面運動動態可以分為縱向和橫向兩個部分。縱向是沿著車身汽車前進的方向；橫向則垂直于縱向，和車輛的轉向相關。要控制汽車的縱向速度，首先就要分析車輛縱向上的受力。電機可提供車輛前進的動力；路面和空氣在汽車上施加阻力；路面的坡度可導致重力的縱向分量推動或阻礙車輛前進。這些精確的受力分析往往非常困難，而這就是反饋控制理論的用武之地。
PID控制
首先向大家介紹控制系統中最常用的比例積分微分（P:proportional;I:integral;D:derivative）即PID控制器[7]。PID控制器把通過傳感器和估計器所得到的估計車速和期望車速進行比較，這個差別就是控制誤差e。然后它根據誤差信號的大小以及它的歷史數據來持續不斷的計算調整發送給汽車的扭矩命令，從而實時調整車速，使e越來越小并最終收斂為0，達到準確控制車速的目的。一個性能良好的PID控制器就是要選取合適的控制器參數，包括比例系數，積分系數和微分系數。PID控制器簡單方便，可應用于車輛的自適應巡航控制等系統中。
車速PID控制系統
PID控制器[7]
非線性控制
是不是常見的PID控制器就足夠了呢？PID控制器簡單好用，但并不是萬能的。由于汽車動態在本質上是一個復雜的非線性系統，PID控制器一個明顯的性能局限就是在不同車速情況下（比如在0-20Km/h的低速區和20-60Km/h的中速區），汽車速度的控制性能差別較大。為了得到更好的系統性能，非線性控制技術就派上了用場[8]。包括基于神經網絡的智能控制以及各種非線性補償控制技術都可在汽車運動控制中發揮作用。
魯棒控制–保證系統性能
大家可能會問是不是在各種不同載重，不同路面材料，不同路面坡度等情況下，控制器都能很好的控制汽車車速呢？這個問題就涉及到控制系統的兩個重要的概念：不確定性和控制性能魯棒性。不確定性容易理解，它表示上述所說的各種不確定的系統因素。魯棒是Robust的音譯，也就是健壯和強壯的意思，用來表示我們設計的控制系統在不確定的環境中保持系統性能的能力。近年來滑模控制等魯棒控制技術在汽車系統的應用可使車速盡量準確而不受上述各種不確定因素的過多影響[9]。
結語
自動駕駛涉及方方面面，僅僅是車速的控制，我們就給大家介紹了這么多自動化相關的技術，也難怪自動駕駛能吸引眾多技術愛好者的注意了。小鵬汽車今后會陸續向大家介紹自動駕駛其他方面的酷炫技術，敬請關注！
(審核編輯: 智慧羽毛)
分享
