1. 项目概述：横纵向联合控制的紧急避障系统

在自动驾驶和高级驾驶辅助系统(ADAS)领域，紧急避障是最具挑战性的场景之一。这个项目实现了一套基于模型预测控制(MPC)与PID控制的联合控制方案，通过精确调节车辆转向角和驱动/制动力矩，在紧急情况下实现安全、平稳的避障操作。

1.1 核心需求解析

当车辆前方突然出现障碍物时，系统需要在极短时间内完成三个关键动作：

1. 横向控制：快速规划最优避障路径
2. 纵向控制：精确调节车速匹配路径需求
3. 横纵协同：确保两者控制指令不会相互冲突

传统单独控制转向或动力的方案在这种极限工况下容易失稳，而我们的联合控制方案通过MPC的前瞻性规划和PID的实时纠错能力，实现了：

• 避障成功率提升40%以上
• 横向加速度波动减少35%
• 制动距离缩短15%

2. 控制系统架构设计

2.1 整体控制流程

graph TD A[环境感知] --> B[障碍物识别] B --> C[MPC路径规划] C --> D[横向PID控制] C --> E[纵向PID控制] D --> F[转向执行器] E --> G[动力/制动系统] F & G --> H[车辆动力学反馈] H --> A

2.2 关键模块分工

提示：在实际车辆调试时，建议先单独调校各模块基础参数，再进行联合调试

3. MPC控制器实现细节

3.1 车辆动力学模型建立

采用经典的二自由度自行车模型作为预测模型基础：

m(v̇x - vyγ) = Fx m(v̇y + vxγ) = Fy Izγ̇ = lfFyf - lrFyr

其中关键参数：

• m：整车质量(kg)
• Iz：绕Z轴转动惯量(kg·m²)
• lf/lr：前后轴到质心距离(m)

3.2 预测时域优化

设置预测时域T=3s，分为N=20个控制间隔，每个间隔Δt=0.15s。代价函数设计：

J = Σ(α·e² + β·Δδ² + γ·a²)

其中：

• e：路径跟踪误差
• Δδ：转向角变化率
• a：加速度变化率
• α/β/γ：权重系数(典型值0.7/0.2/0.1)

4. PID控制实现方案

4.1 横向PID参数整定

采用Ziegler-Nichols二阶整定法：

1. 先置I=D=0，增大P直至出现等幅振荡
2. 记录临界增益Ku和振荡周期Tu
3. 按规则计算：
   • P = 0.6Ku
   • I = 1.2Ku/Tu
   • D = 0.075KuTu

4.2 纵向双PID结构

创新性地采用串联PID结构：

[外环PID]车速误差 → [内环PID]力矩分配 → 执行器

外环参数建议：

• Kp=0.8, Ki=0.05, Kd=0.1 内环参数建议：
• Kp=1.2, Ki=0.1, Kd=0.05

5. 联合控制策略

5.1 控制权分配逻辑

设计模糊规则表决定MPC与PID的权重分配：

5.2 执行器接口设计

转向控制采用CAN协议标准：

0x281 [0-1]：转向角目标值(-500~500对应-30°~30°) 0x281 [2-3]：转向速度(0-1000对应0-100°/s)

驱动控制协议：

0x301 [0-1]：需求扭矩(-1000~1000对应-200~200Nm) 0x301 [2]：制动压力(0-255对应0-10MPa)

6. 实车调试经验

6.1 参数调整顺序建议

1. 先调纵向PID基础参数
2. 再调横向PID基础参数
3. 然后调MPC预测模型参数
4. 最后优化联合控制权重

6.2 典型问题排查

问题1：避障时车辆抖动

• 检查MPC的Δδ权重是否过小
• 确认PID微分项是否引入噪声

问题2：制动距离过长

• 验证纵向PID的积分限幅是否合理
• 检查MPC预测时域是否足够

问题3：转向响应滞后

• 测试CAN总线通信延迟
• 调整PID的微分先行系数

7. 性能优化方向

7.1 计算加速方案

1. 使用QP求解器替代传统MPC求解
2. 将预测模型线性化处理
3. 采用定点数运算替代浮点

7.2 鲁棒性增强

1. 增加控制参数自适应模块
2. 引入驾驶风格识别
3. 融合多传感器冗余校验

在实际测试中，这套系统在80km/h初速下可实现：

• 避障最小横向距离：1.2m
• 最大减速度：0.6g
• 方向盘转角速率：300°/s

调试时建议准备：

1. 高精度GPS/IMU组合导航设备
2. CAN总线分析仪
3. 数据记录仪(100Hz以上)