1. 课程导入
在自动驾驶与移动机器人领域，车辆的运动控制长期被拆分为两个相对独立的通道：纵向控制负责油门、制动与挡位，决定车辆"走多快"；横向控制负责方向盘转角或前轮转角，决定车辆"往哪走"。这种解耦设计在低速、小曲率、低附着工况下表现良好，但当车辆进入高速过弯、紧急避障、低附着路面或强侧风环境时，纵向加速度会改变轮胎垂向载荷，进而改变侧偏刚度与横向抓地能力；横向转向又会引入侧向加速度与横摆角速度，反过来影响纵向速度跟踪。两个通道之间的这种相互影响，就是横纵向耦合。
本课程要解决的核心问题是：当耦合不可忽略时，如何设计控制器，并如何对执行器（驱动电机、制动系统、转向电机、线控转向等）的非线性、延迟与饱和进行补偿，使车辆在复杂工况下仍能同时保证速度精度与路径精度。
一、核心定义与耦合机理
横纵向耦合控制，是指在车辆动力学模型中不再把纵向与横向视为互不干扰的独立子系统，而是在控制器设计、状态估计与执行器分配层面显式考虑两者之间的相互作用。其物理根源主要有三条：
- 轮胎力耦合：轮胎附着椭圆限制了纵向力与侧向力的合力上限，纵向力增大时可用侧向力下降，导致转向响应变弱甚至失稳。
- 载荷转移耦合：纵向加速度引起前后轴垂向载荷转移，改变前后轴侧偏刚度，使车辆不足转向/过度转向特性随加速度变化。
- 运动学耦合：在车身坐标系下，纵向速度与横向速度通过横摆角速度耦合，路径跟踪误差同时受速度误差与航向误差影响。
耦合不是"干扰"，而是车辆动力学的固有属性。工程上真正要做的不是消除耦合，而是在控制器中正确建模、在分配层中合理协调、在执行器层中有效补偿。
二、整体知识框架
本课程的知识框架可以概括为"一个模型、两条主线、三层补偿"。一个模型指包含纵向、横向、横摆三自由度的耦合动力学模型；两条主线指纵向控制主线（速度规划—驱动/制动执行）与横向控制主线（路径规划—转向执行）；三层补偿指模型层补偿（前馈、曲率补偿、载荷转移补偿）、控制层补偿（MPC、LQR、滑模等对耦合项的显式处理）、执行器层补偿（死区、迟滞、延迟、饱和与摩擦补偿）。
三、方法流程：从建模到补偿的工程链路
工程落地通常遵循一条清晰的链路，每一步都对应可验证的输入输出：
- 耦合建模：建立三自由度或七自由度车辆模型，标定轮胎侧偏刚度、附着椭圆参数与载荷转移系数。
- 状态估计：用IMU、轮速、转向角与视觉/雷达融合估计 vx、vy、r、β 等难以直接测量的状态。
- 控制器设计：在MPC或LQR中显式引入耦合项，或采用纵横向协同的代价函数统一优化。
- 控制分配：把期望合力与合力矩分配到四个车轮的驱动/制动力与转向角，处理执行器冗余与约束。
- 执行器补偿：对驱动电机响应延迟、制动液压迟滞、转向系统死区与摩擦进行前馈+反馈补偿。
- 闭环验证：在CarSim/Simulink联合仿真与实车场地测试中验证速度误差、路径误差与稳定性指标。
四、典型应用场景与参数示例
下表列出三类典型场景中耦合强度与补偿重点的差异，便于建立工程直觉：
| 场景 | 纵向特征 | 横向特征 | 耦合强度 | 补偿重点 |
|---|---|---|---|---|
| 高速匝道巡航 | 缓加速，ax < 1.5 m/s² | 大曲率，δ 持续变化 | 中 | 曲率前馈、转向延迟补偿 |
| 紧急避障 | 急减速，ax > 5 m/s² | 大转角，ay 接近极限 | 强 | 附着椭圆约束、载荷转移补偿 |
| 低附着冰雪路面 | 驱动易打滑 | 侧向抓地不足 | 极强 | 滑移率控制、横摆稳定补偿 |
五、常见误区与复盘要点
误区一：把耦合当噪声。用高增益反馈压制耦合，往往在极限工况下引发振荡或执行器饱和，正确做法是在模型与分配层显式处理。
误区二：只调控制器，不标定执行器。转向电机死区、制动液压迟滞、驱动扭矩响应延迟若未补偿，再好的上层算法也无法落地。建议先做执行器台架标定，再整定控制器。
复盘时建议关注三个量化指标：速度跟踪均方根误差、横向路径跟踪最大偏差、以及耦合工况下的横摆角速度超调量。若三者不能同时收敛，通常说明耦合项建模或执行器补偿存在缺口。
# 典型耦合控制参数配置片段（示例）
vehicle:
mass: 1800 # kg
wheelbase: 2.9 # m
cf: 80000 # 前轴侧偏刚度 N/rad
cr: 90000 # 后轴侧偏刚度 N/rad
mu: 0.85 # 路面附着系数
controller:
type: MPC
horizon: 20
dt: 0.02
weight_speed: 1.0
weight_lateral: 2.5
weight_yaw: 1.2
actuator_comp:
steer_deadzone: 0.8 # deg
steer_delay: 0.05 # s
brake_hysteresis: 0.12 # MPa
drive_tau: 0.08 # s