01
速度约束基础
速度约束的定义、物理意义、在自动驾驶中的重要性。
核心概念物理
02
速度约束建模
运动学模型、动力学模型、轮胎-地面摩擦约束。
建模动力学
03
速度约束分类
硬约束与软约束、时域约束与频域约束。
分类理论
04
速度约束的数学表达
线性不等式约束、非线性约束、凸约束与非凸约束。
数学优化
05
速度约束与安全
安全距离模型、碰撞时间(TTC)、紧急制动策略。
安全TTC
06
跟踪误差定义
横向误差、纵向误差、航向角误差。
误差基础
07
跟踪误差建模
基于预瞄的误差模型、基于状态空间的误差模型。
建模预瞄
08
误差来源分析
传感器噪声、执行器延迟、模型失配、环境扰动。
噪声延迟
09
误差传播与累积
误差在时间域上的传播特性、误差协方差分析。
传播协方差
10
跟踪误差评价指标
均方根误差(RMSE)、最大误差、稳态误差。
指标RMSE
11
PID控制在跟踪中的应用
P、I、D参数整定、抗积分饱和、工程实践。
PID控制
12
模型预测控制(MPC)基础
MPC原理、预测模型、滚动优化。
MPC预测
13
MPC中的速度约束
约束处理、软约束与松弛变量、可行性保障。
约束松弛
14
MPC中的跟踪误差优化
代价函数设计、权重调节、多目标优化。
优化权重
15
线性MPC与非线性MPC
线性化方法、非线性求解器、实时性对比。
线性非线性
16
最优控制理论
庞特里亚金最小值原理、LQR控制器、Riccati方程。
最优LQR
17
LQR在跟踪中的应用
状态反馈、输出反馈、LQR与MPC对比。
LQR反馈
18
鲁棒控制基础
H∞控制、μ综合、不确定性建模。
鲁棒H∞
19
滑模控制
滑模面设计、趋近律、抖振抑制。
滑模抖振
20
自适应控制
参数估计、模型参考自适应、自校正控制。
自适应估计
21
速度约束与跟踪误差的耦合分析
耦合机理、解耦策略、协同优化。
耦合协同
22
多目标优化方法
加权和法、帕累托前沿、NSGA-II算法。
多目标帕累托
23
实时优化与嵌入式实现
代码生成、计算效率、硬件在环测试。
实时嵌入式
24
传感器融合与状态估计
卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波。
滤波EKF
25
轨迹规划与跟踪的接口
规划层与跟踪层的交互、平滑过渡、重规划策略。
接口规划
26
典型场景分析
弯道跟踪、变道超车、紧急避障、泊车入位。
场景实战
27
仿真验证方法
CarSim/Simulink联合仿真、Carla/ROS仿真、数据回放。
仿真CarSim
28
实车测试与标定
测试流程、参数标定、故障诊断与容错。
测试标定
29
前沿技术
强化学习在跟踪中的应用、端到端学习、模型预测路径积分(MPPI)。
强化学习MPPI
30
综合案例
从需求分析到实车部署的全流程实战。
实战全流程