3. 路径跟踪控制架构

大家好，我是你们的老朋友。今天咱们聊聊路径跟踪控制架构。

说实话，我刚入行那会儿，对控制架构的理解特别浅。总觉得不就是让车沿着线走嘛，给个PID不就完了？结果第一次在低附路面上测试，车直接来了个180度掉头...嗯，从那以后我才明白，架构设计才是真正的根基。

1.1 感知-决策-控制闭环

路径跟踪控制，说白了就是一个闭环系统。我习惯把它拆成三个环节：

• 感知层：获取车辆状态和道路信息
• 决策层：规划期望路径和速度
• 控制层：计算执行指令并输出

这三个环节不是串行的，而是实时循环的。你想想看，车辆在低附路面上滑移，感知到的位置偏差会立刻反馈给决策层，决策层重新规划路径，控制层再调整执行。这个闭环的更新频率，我建议至少做到100Hz以上。

为什么会这样？因为低附路面上轮胎的侧偏特性是非线性的。你延迟20ms，车辆可能已经滑出去半米了。所以，架构设计的第一原则就是：减少端到端延迟。

1.2 前馈+反馈控制结构

纯反馈控制在低附路面上够用吗？我的答案是：不够。

反馈控制有个天然缺陷——它只能等误差出现了才去纠正。在低附路面上，等你看到误差再打方向盘，车辆可能已经进入失稳状态了。

所以，我个人的习惯是采用前馈+反馈的双层结构：

控制类型	作用	典型算法
前馈控制	基于模型预判，提前补偿	基于曲率的转向补偿、基于侧偏角的力矩分配
反馈控制	消除残余误差	LQR、MPC、PID

前馈控制怎么设计？我举个例子。假设前方有个弯道，曲率是ρ。根据车辆运动学模型，期望的转向角δ_ff = L * ρ（L是轴距）。但低附路面上，轮胎会侧偏，实际需要的转向角更大。这时候，前馈就要根据路面附着系数μ做修正。

// 前馈转向角计算（简化版）
double computeFeedforward(double curvature, double mu) {
    double delta_ff = wheelbase * curvature;
    // 低附路面补偿
    double compensation = 1.0 / (mu + 0.1);  // 经验公式
    return delta_ff * compensation;
}

1.3 横向控制与纵向控制解耦

横向控制管转向，纵向控制管加减速。这两个能不能耦合在一起？理论上可以，但实际工程中，我强烈建议解耦设计。

为什么？

• 耦合会增加复杂度：横向和纵向的动力学耦合是非线性的，联合控制器的调参工作量巨大
• 低附路面更敏感：你想想看，如果一边转向一边急刹车，轮胎的合力很容易超出摩擦圆，直接导致失稳
• 调试和维护方便：解耦后，横向和纵向可以独立调试，出了问题也容易定位

解耦的具体做法是这样的：

1. 纵向控制器：负责速度跟踪，输出期望加速度/减速度
2. 横向控制器：负责路径跟踪，输出期望转向角
3. 协调层：在极限工况下做优先级仲裁（比如先减速再转向）

1.4 整体架构图

下面这张图是我自己画的，展示了完整的控制架构。你看，从感知到决策再到控制，每个环节都有明确的输入输出。

这张图里，我特意用虚线标出了反馈回路。你注意看，车辆的状态信息会直接反馈到感知层，形成完整的闭环。这就是路径跟踪控制的核心逻辑。

1.5 架构设计中的常见坑

最后，我分享几个实战中踩过的坑：

• 坑一：感知延迟不匹配。GPS更新频率10Hz，IMU更新频率100Hz，控制频率100Hz。如果不做时间戳对齐和插值，控制指令会严重滞后。我建议用卡尔曼滤波做多传感器融合，统一时间基准。
• 坑二：前馈和反馈的权重分配。低附路面上，前馈权重太高容易过补偿，反馈权重太高又响应慢。我个人的经验是：在附着系数μ>0.6时，前馈占70%；μ<0.3时，前馈占50%，剩下的交给反馈慢慢调。
• 坑三：解耦后的协调失效。横向和纵向解耦后，如果协调层不做约束，可能会出现一边急转弯一边急加速的情况。我曾经在测试中遇到过，车辆直接侧滑出去。后来加了协调逻辑：当横向加速度>0.4g时，纵向加速度限制在0.1g以内。