控制算法
约 2938 字大约 10 分钟
2026-04-09
控制问题是什么
有了 系统模型 和 参考模型,主动后轮转向的控制问题可以一句话说清楚:
已知当前车速 Vx、驾驶员给出的前轮转角 δf、实测状态 x=[β ωz]T 与参考状态 xref=[0 ωz,ref]T,求后轮转角 δr,使 x 尽可能跟随 xref。
把系统模型式 (4) 改写成误差形式。记 e=x−xref,则
e˙=Ae+Brδr+d(Axref+Bfδf−x˙ref).(1)
d 由参考状态和前轮转角组成,都是控制器“看得见”的量,所以可以当作可测扰动来补偿。这一节介绍的五种控制器,本质上都在回答同一个问题:怎样用一个标量 δr 去抵消 d,并让 e 收敛。它们也恰好覆盖了底盘控制中最常见的几类思路:
| 控制器 | 思路 | 是否用到反馈 | 是否显式处理约束 |
|---|---|---|---|
| 前馈比例控制(FF) | 稳态零质心侧偏角 | 否 | 否 |
| 线性二次型调节器(LQR) | 无限时域最优 + 扰动前馈 | 是 | 否 |
| 模型预测控制(MPC) | 有限时域滚动优化 | 是 | 是 |
| 滑模控制(SMC) | 构造滑模面 + 趋近律 | 是 | 否 |
| 自适应终端滑模(ATSMC) | 快速终端趋近律 + 自适应切换增益 | 是 | 否 |
一、前馈比例控制
最简单的做法是完全不看反馈,只按 系统模型 式 (5) 的稳态零质心侧偏角比例转动后轮:
δr=k(Vx)δf,k(Vx)=lf−CfLmlrVx2−lr−CrLmlfVx2.(2)
它的优点是零成本、无需传感器、不存在稳定性问题,至今仍是很多量产后轮转向系统的基础标定方式(实车上常以车速为横轴做成查表)。缺点同样明显:它是开环的,且只在线性轮胎、稳态条件下成立。在低附着路面紧急变道这类工况下,轮胎早已进入饱和区,式 (2) 不再“知道”车辆的真实状态,控制效果甚至可能比不控制更差,这一点在 仿真结果 中会看得很清楚。
二、LQR:带扰动前馈的线性二次型跟踪
2.1 性能指标
LQR(Linear Quadratic Regulator)把“误差小”与“后轮转得少”写进同一个二次型代价函数:
J=∫0∞(eTQe+Rδr2)dt,(3)
其中 Q=diag(qβ,qω) 决定 β 与 ωz 谁更重要,R 惩罚后轮转角。由于只有一个控制量,qβ 与 qω 的比值才是真正起作用的设计参数。
2.2 控制律
对式 (1) 在一个计算步内把 d 视为常值、并忽略 x˙ref,最优控制由反馈和前馈两部分组成:
δr=−Ke−R−1BrTV,K=R−1BrTP,(4)
其中 P 是代数 Riccati 方程
ATP+PA−PBrR−1BrTP+Q=0(5)
的正定解,V 是常值扰动对应的伴随向量:
V=−[(A−BrK)T]−1Pd,d=Axref+Bfδf.(6)
第一项 −Ke 是标准的状态反馈;第二项相当于“提前”抵消驾驶员转向和参考状态带来的扰动,没有它,LQR 只是一个调节器,无法让误差在有持续转向输入时收敛到零。
2.3 Riccati 方程怎么在线求
A,Br 随车速变化,Riccati 方程需要在线求解。一种在嵌入式控制器中常用的做法,是把式 (5) 左端当作 P˙ 做欧拉迭代:
Pk+1=Pk+Δt(ATPk+PkA−PkBrR−1BrTPk+Q),
直到 ∥Pk+1−Pk∥ 小于给定精度为止。每个控制周期都从上一周期的解开始迭代(热启动),车速变化不大时通常几步就能收敛,避免了每个周期从头求解。
仿真参数:Q=diag(3, 0.08),R=1,Δt=1 ms。
三、MPC:带约束的滚动优化
3.1 预测模型
LQR 的最大短板是不考虑约束,而后轮转向执行器的转角一般只有 ±5°~±10°。模型预测控制(Model Predictive Control, MPC)把约束直接写进优化问题。先用前向欧拉法把式 (4) 离散化:
x(k+1)=Adx(k)+Br,dδr(k)+Bf,dδf(k),Ad=I+AΔt, B⋅,d=B⋅Δt.
假设预测时域 N 内前轮转角保持当前值,连续递推 N 步并堆叠成向量:
X=Sxx(k)+SuU+Sdδf(k),(7)
其中 X=[x(k+1)T,…,x(k+N)T]T,U=[δr(k),…,δr(k+N−1)]T,
Sx=AdAd2⋮AdN,Su=Br,dAdBr,d⋮AdN−1Br,dBr,d⋯⋱Br,d,Sd=Bf,d(Ad+I)Bf,d⋮∑i=0N−1AdiBf,d.
3.2 优化问题
令 Xref 为堆叠的参考状态,E=Xref−Sxx(k)−Sdδf(k) 为“不转后轮时的预测误差”,则
Umin (SuU−E)TQˉ(SuU−E)+UTRˉU ⟺ Umin 21UTHU+fTU,(8)
H=2(SuTQˉSu+Rˉ),f=−2SuTQˉE,
约束为
∣δr(k+i)∣≤δr,max,∣β(k+i)∣≤βmax,∣ωz(k+i)∣≤ωz,max.(9)
这是一个标准的二次规划(Quadratic Programming, QP),可以用有效集(active-set)法或内点法求解,若求解失败则退化为无约束解 U=−H−1f。每个周期只执行 U 的第一个元素,下一周期重新测量、重新优化,这就是“滚动时域”。
仿真参数:N=10,Δt=1 ms,Q=diag(3, 0.1),R=1,δr,max=8°,βmax=0.1 rad,ωz,max=1 rad/s。
四、滑模控制
4.1 滑模面
滑模控制(Sliding Mode Control, SMC)的思路是:先设计一个“只要待在上面,误差就会按我们想要的方式消失”的超平面 s=0(滑模面),再设计控制律让系统状态在有限时间内到达并保持在这个平面上。
由于只有一个控制量,我们把两个误差线性组合成一个标量滑模面(βref=0):
s=ρ1β+ρ2(ωz−ωz,ref).(10)
ρ1/ρ2 的取值决定了控制器在“压 β”与“跟 ωz”之间怎样分配,与 LQR 中 Q 的作用类似:ρ1=0 时控制器只关心横摆角速度;∣ρ1∣ 越大,β 的权重越高。
4.2 等效控制
对式 (10) 求导并代入系统模型式 (3):
s˙=Λ1β+Λ2ωz+Λ3δf+Λ4δr−ρ2ω˙z,ref,(11)
其中
Λ1=ρ1a11+ρ2a21,Λ2=ρ1a12+ρ2a22,Λ3=ρ1bf1+ρ2bf2,Λ4=ρ1br1+ρ2br2,
aij 是 A 的元素,bf⋅,br⋅ 分别是 Bf,Br 的元素。只要 Λ4=0(即后轮对滑模面“有控制力”),就可以令 s˙ 等于我们希望的趋近律 s˙=R(s),解出
δr=Λ41(R(s)−Λ1β−Λ2ωz−Λ3δf+ρ2ω˙z,ref) (12)
括号中后四项是等效控制,负责抵消模型中已知的动力学;R(s) 是切换控制,负责把 s 拉回零并对抗模型误差。
4.3 趋近律之一:指数趋近律
最常用的是指数趋近律:
R(s)=−σ1s−σ2sat(s),(13)
−σ1s 在远离滑模面时提供“指数级”的快速趋近,−σ2sat(s) 保证在滑模面附近仍有足够的趋近速度并克服有界扰动。用饱和函数
sat(s)={s/ϕ,sgn(s),∣s∣<ϕ∣s∣≥ϕ
代替符号函数,可以在边界层 ϕ 内把开关动作“抹平”,抑制抖振(chattering),代价是只能保证误差收敛到边界层内。
仿真中将这种只跟踪横摆角速度的滑模控制器记为 ISMC,参数为:ρ1=0, ρ2=1,σ1=8,σ2=10,ϕ=1.1。
4.4 趋近律之二:自适应快速终端趋近律(ATSMC)
指数趋近律在 s→0 时趋近速度随 s 线性减小,理论上需要无穷长时间才能到达滑模面;而且 σ2 需要按“最坏扰动”来取,取大了抖振,取小了压不住低附着路面上的模型误差。自适应终端滑模(Adaptive Terminal Sliding Mode Control, ATSMC)分别针对这两点做了改进:
R(s)=−σ1s−σ2∣s∣εsat(s)−η^sat(s),0<ε<1,(14)
η^˙=σ3∣s∣,η^(0)=0.(15)
- 分数幂项 ∣s∣ε:当 ∣s∣<1 时 ∣s∣ε>∣s∣,越靠近滑模面相对趋近速度越大,可以保证有限时间到达,这就是“终端”(terminal)的含义;
- 自适应项 η^:切换增益不再预先给定,而是随 ∣s∣ 的积累自动增大,误差大就“加力”,误差小就基本不变,从而既不需要预先知道扰动上界,也避免了一开始就用很大的增益。
稳定性简述。 设实际系统中存在有界的模型误差/扰动 D,∣D∣≤η∗,即 s˙=R(s)+D。取 Lyapunov 函数
V=21s2+2σ31(η^−η∗)2,
在边界层之外(sat(s)=sgn(s))有
V˙=ss˙+σ31(η^−η∗)η^˙=−σ1s2−σ2∣s∣1+ε−η^∣s∣+sD+(η^−η∗)∣s∣≤−σ1s2−σ2∣s∣1+ε≤0,
所以 s 会在有限时间内进入边界层,自适应增益 η^ 保持有界。
仿真参数:ρ1=−2, ρ2=1(同时考虑 β 与 ωz),σ1=30,σ2=2,ε=3/5,σ3=10,ϕ=1.1。
五、小结
把五种控制器放在一起看:
- 前馈比例只用到模型的稳态解,最简单,但没有反馈,离开线性区就失效;
- LQR 用最优性换来了系统化的调参方式,但它基于固定的线性模型,也不处理执行器约束,饱和时性能会明显下降;
- MPC 能显式处理约束,但需要在线求解 QP,计算量与预测时域相关;
- SMC/ATSMC 通过等效控制抵消已知动力学、切换控制对抗未知扰动,对模型误差最“宽容”,ATSMC 又用终端项和自适应增益改善了收敛速度和增益选取问题。
