二阶自抗扰控制(ADRC)在车辆轨迹跟踪中的应用与优化

1. 二阶自抗扰控制（ADRC）技术概述

在车辆控制领域，轨迹跟踪的精度和抗干扰能力一直是工程师们面临的重大挑战。传统PID控制器在面对复杂路况和外部扰动时往往表现不佳，而模型预测控制（MPC）虽然性能优越但计算成本较高。正是在这样的背景下，二阶自抗扰控制（Active Disturbance Rejection Control, ADRC）技术应运而生，它通过独特的扰动观测和补偿机制，在保证控制精度的同时大幅提升了系统的鲁棒性。

ADRC的核心思想可以用一个生活中的例子来理解：想象一位经验丰富的司机在崎岖山路驾驶时，他不仅会根据当前车辆位置调整方向盘（相当于常规反馈控制），还会提前感知路面的起伏变化（扰动观测），并主动调整驾驶策略（扰动补偿）。这种"预判+补偿"的控制策略正是ADRC的精髓所在。

从技术架构来看，一个完整的二阶ADRC控制器包含三个关键组件：

• 跟踪微分器（TD）：负责处理参考信号，生成平滑的过渡过程
• 扩张状态观测器（ESO）：系统的"感知器官"，实时估计系统状态和总扰动
• 非线性状态误差反馈（NLSEF）：基于状态误差生成控制量

这种结构使得ADRC具备了两大独特优势：一方面，它不需要精确的被控对象数学模型；另一方面，它能将系统内部动态和外部扰动统一视为"总扰动"进行实时估计和补偿。根据实测数据，在车辆轨迹跟踪场景中，采用ADRC相比传统PID可以将横向跟踪误差降低40-60%，在突加侧风干扰情况下的恢复时间缩短50%以上。

2. 车辆轨迹跟踪中的ADRC实现方案

2.1 系统建模与问题描述

考虑一个典型的车辆动力学模型，我们通常采用自行车模型来描述车辆横向运动：

code复制ẋ = v cos(θ + β)
ẏ = v sin(θ + β)
θ̇ = v/l_r * sin(β)
β = arctan(l_r/(l_f + l_r) * tan(δ_f))

其中(x,y)为车辆质心位置，θ为航向角，v为车速，δ_f为前轮转角，l_f和l_r分别为前后轴到质心的距离。轨迹跟踪的目标是通过控制前轮转角δ_f，使车辆位置(x,y)跟踪期望轨迹(x_ref, y_ref)。

在实际道路环境中，这个控制过程面临多重挑战：

• 参数不确定性（如轮胎侧偏刚度变化）
• 未建模动态（如悬挂系统影响）
• 外部