第1章：车辆运动学模型——自行车模型（Bicycle Model）

各位同学好，我是你们的老朋友。今天咱们来聊聊路径跟踪控制里最基础、也最核心的一个模型——自行车模型。

说实话，我刚入行那会儿，看到各种复杂的车辆模型就头疼。什么七自由度、十四自由度，参数多得记不住。后来带我的老工程师跟我说了一句话，我到现在都记得：「控制算法不是越复杂越好，能用简单的模型解决问题，才是真本事。」

嗯，自行车模型就是这样一个「简单但够用」的模型。

你想想看，一辆真正的自行车，前轮负责转向，后轮负责驱动。汽车其实也一样——前轮转向、后轮驱动（或者前轮驱动，但转向还是靠前轮）。

自行车模型的核心思想就是：把四轮汽车简化成两个轮子。前轮和后轮各一个，中间用一根刚性杆连接。这根杆的长度就是汽车的轴距。

关键假设：

我在项目里遇到过好几次，有人上来就用复杂的动力学模型，结果参数标定花了两个月，最后效果还不如一个调好的自行车模型。说白了，对于低速路径跟踪（比如自动泊车、园区物流），自行车模型完全够用。

好，咱们来推公式。别怕，我保证这是整个课程里最简单的数学。

先定义几个变量：

现在，我们来看车辆的运动。后轮的速度方向，就是车身的方向。所以：

ẋ = v * cos(θ)
ẏ = v * sin(θ)

这个好理解吧？就是速度在x和y方向上的分解。

那航向角的变化率呢？这里有个几何关系。前轮转向角δ，决定了车辆转弯的曲率。曲率半径R = L / tan(δ)。而角速度ω = v / R，所以：

θ̇ = v * tan(δ) / L

合在一起，就是完整的自行车模型运动学方程：

ẋ = v * cos(θ)
ẏ = v * sin(θ)
θ̇ = v * tan(δ) / L

就这么简单。三个方程，描述了一辆车在平面上的运动。

我的小技巧： 实际编程时，我习惯把这三个方程封装成一个函数。输入是当前状态(x, y, θ)和控制量(v, δ)，输出是状态导数。这样不管是做仿真还是做控制，调用起来都方便。

刚才我们推导的，其实是「前轮转向、后轮驱动」的模型。这也是最常见的配置。

为什么后轮驱动？因为后轮的速度方向就是车身方向，这样方程才简洁。如果是前轮驱动，前轮既有速度又有转向角，推导起来就复杂了。

我曾经踩过一个坑：有次做自动泊车项目，我直接用后轮驱动模型去控制一辆前轮驱动的车。结果低速时还好，一加速就偏得离谱。后来才发现，前轮驱动时，前轮的速度方向并不等于车身方向，而是有一个偏移角。

避坑指南： 如果你控制的车是前轮驱动，记得在模型里加上前轮速度方向的修正项。否则，控制精度会大打折扣。

不过话说回来，对于大多数路径跟踪应用，我们默认使用后轮驱动模型就够了。原因很简单：控制量是车速v和转向角δ，而v通常指的是后轴中心的速度。这个速度可以通过轮速传感器直接测量，不需要额外处理。

为了让大家对本章内容有个整体认识，我画了一张图：

这张图把本章的核心内容串起来了。从自行车模型出发，左边是它的假设条件，中间是运动学方程，右边是驱动方式。你只要记住这三个分支，这一章就算学透了。

这一章我们讲了：

说实话，自行车模型虽然简单，但它是整个路径跟踪控制的基石。后面讲的所有控制算法——纯跟踪、Stanley、MPC——都离不开这三个方程。所以，请务必把这一章吃透。

下一章，我们会用这个模型来做仿真，看看它到底能不能模拟出真实的车辆运动。到时候我会手把手带大家写代码。