ADRC在车辆轨迹跟踪控制中的应用与实践

1. 车辆轨迹跟踪控制的技术背景与挑战

在自动驾驶和智能辅助驾驶领域，轨迹跟踪控制一直是核心难题之一。传统PID控制虽然结构简单，但在面对车辆动力学非线性特性、外部扰动和参数不确定性时，往往表现不佳。特别是在双移线这样的典型测试工况下，车辆需要在高速状态下快速改变行驶轨迹，这对控制系统的响应速度、稳定性和抗干扰能力都提出了极高要求。

我曾在多个自动驾驶项目中负责控制算法开发，深刻体会到传统方法的局限性。比如在某次场地测试中，当车速超过60km/h时，常规PID控制器在双移线工况下出现了明显的轨迹偏离，最大横向误差达到了0.8米，这在实际道路环境中是完全不可接受的。正是这些实际工程问题，促使我们探索更先进的控制策略。

2. 自抗扰控制(ADRC)的核心原理

2.1 ADRC的基本架构

自抗扰控制(Active Disturbance Rejection Control)由韩京清教授提出，其核心思想是将系统内部动态和外部扰动统一视为"总扰动"，通过扩张状态观测器(ESO)进行实时估计并补偿。二阶ADRC特别适合车辆横向控制这类二阶系统，其典型结构包含三个关键部分：

1. 跟踪微分器(TD)：安排过渡过程，解决超调与快速性矛盾
2. 扩张状态观测器(ESO)：实时估计系统状态和总扰动
3. 非线性状态误差反馈(NLSEF)：生成控制量

提示：在车辆控制中，ESO的带宽选择尤为关键。过低的带宽会导致扰动估计滞后，过高则可能放大测量噪声。根据经验，一般取系统自然频率的3-5倍为宜。

2.2 车辆模型中的ADRC应用

将ADRC应用于车辆横向控制时，通常以二自由度单车模型为基础：

code复制ẍ = f(x,ẋ) + bu + d

其中f(x,ẋ)包含车辆非线性动力学特性，d代表外部扰动（如侧风、路面不平等），u为前轮转角控制输入。ESO将此复杂系统简化为串联积分型，通过实时估计f+d项实现动态解耦。

3. 双移线工况下的ADRC实现细节

3.1 仿真环境搭建

为验证控制效果，我们在CarSim-Simulink联合仿真平台上构建测试环境：

1. 车辆模型：选用CarSim D-Class Sedan参数
2. 参考轨迹：标准双移线，总长150m，最大横向偏移3.5m
3. 测试条件：
   • 初