ADRC-PID混合控制在自动驾驶轨迹跟踪中的应用

1. 项目背景与核心价值

在车辆动力学控制领域，轨迹跟踪一直是个经典但极具挑战性的课题。去年我在开发自动驾驶测试平台时，就曾为传统PID控制在高速变道场景下的超调问题头疼不已。直到尝试将ADRC（自抗扰控制）与PID结合，才真正解决了横摆角跟踪中的振荡问题。这个Simulink模型正是基于实际项目经验提炼而成，特别适合需要处理复杂轨迹的工程师。

模型的核心价值在于：

• 覆盖双移线、避障、正弦波三类典型工况，对应日常驾驶中的变道、紧急避让和特殊路况场景
• 采用ADRC+PID复合架构，既保留PID的稳态精度，又具备ADRC的抗干扰能力
• 横摆角控制误差实测可控制在±0.5°以内（80km/h工况）
• 模块化设计便于移植到实车ECU，已在某L3级自动驾驶项目通过HIL测试

2. 控制策略深度解析

2.1 ADRC-PID混合架构设计

模型采用串级控制结构（如图1），外层ADRC处理轨迹偏差，内层PID控制横摆角。这种设计源于我们在实车测试中的发现：单纯PID在轮胎侧偏刚度变化时表现不稳定，而纯ADRC又会导致稳态误差。

关键参数设计逻辑：

matlab复制% ADRC参数（以双移线工况为例）
beta1 = 100;  % 观测器带宽（与车辆响应速度匹配）
beta2 = 300;  
b0 = 2.5;     % 控制增益（基于二自由度车辆模型估算）

% PID参数整定规则
Kp = 1.2*b0;  % 比例项与ADRC控制增益关联
Ki = 0.05*Kp; % 积分项取比例项的5%（防饱和）
Kd = 0.3*Kp;  % 微分项抑制高频振荡

注意：b0参数需根据具体车辆质量分布调整，后驱车通常比前驱车高15-20%

2.2 三类轨迹的数学建模

2.2.1 双移线轨迹

采用ISO-3888标准公式：

code复制Y(t) = d1*(1 - cos(π*t/T1))/2  (0 ≤ t < T1)
     = d1 + d2*(1 - cos(π*(t-T1)/T2))/2 (T1 ≤ t < T1+T2)

其中d1=3.5m（车道宽度），T1=2s（变道时间），实测表明当T1<1.5s时ADRC优势更明显。

2.2.2 避障轨迹

使用五次多项式规划：

code复制