基于PID控制的自动驾驶轨迹跟踪系统设计与实现

1. 项目概述：基于PID控制的自动驾驶轨迹跟踪系统

在自动驾驶系统开发中，轨迹跟踪控制是最基础也最关键的环节之一。今天我要分享的是一个使用CarSim2019和MATLAB/Simulink2018搭建的高速场景下八字形轨迹跟踪控制系统。这个系统采用了经典的PID控制算法，但针对高速行驶场景做了特殊优化，能够稳定跟踪预设轨迹，最高测试速度可达120km/h。

这个项目的独特之处在于：

1. 采用了纵向和横向控制分离的架构设计
2. 实现了PID参数随车速动态调整的智能算法
3. 构建了可扩展的轨迹参数库，支持快速切换不同轨迹类型
4. 解决了CarSim与Simulink联合仿真中的多个典型问题

提示：虽然本文以八字轨迹为例，但所有技术方案同样适用于其他轨迹类型，只需简单修改轨迹参数即可。

2. 联合仿真环境搭建

2.1 软件版本与兼容性配置

首先必须确保软件版本的匹配性。经过多次测试验证，CarSim2019与MATLAB2018b的组合最为稳定。安装时需要注意：

1. CarSim安装完成后，需手动配置MATLAB接口
2. 在MATLAB中设置CarSim S-Function路径
3. 检查两者之间的数据传输协议版本是否一致

常见问题排查：

• 如果仿真时出现数据丢失，首先检查CarSim的VS_Solver版本
• MATLAB提示找不到CarSim模块时，重新运行CarSim安装目录下的Register_VC.m文件

2.2 CarSim基础参数设置

在CarSim中新建工程时，有几个关键参数必须正确设置：

plaintext复制Vehicle Model: Sedan_Class      # 使用标准轿车模型
Road Condition: Dry_Asphalt     # 干燥沥青路面
Simulation Mode: Interactive    # 交互式仿真模式

特别要注意的是，在Send_Values中必须包含以下三个核心参数：

plaintext复制VS_COMMAND 201  // 方向盘转角(deg)
VS_COMMAND 104  // 纵向速度(m/s) 
VS_COMMAND 14   // 横摆角速度(rad/s)

这三个参数构成了车辆状态反馈的基础，缺少任何一个都会导致控制失效。曾经有个案例就是因为漏掉了横摆角速度参数，导致车辆在仿真中不断原地打转。

3. 控制系统设计与实现

3.1 整体控制架构

本系统采用分层控制架构：

1. 上层：轨迹生成器

   • 负责生成期望路径
   • 可动态切换不同轨迹类型
   • 输出期望位置和航向角

2. 中层：PID控制器

   • 横向控制：计算方向盘转角
   • 纵向控制：调节车速
   • 参数动态调整模块

3. 下层：车辆模型

   • CarSim提供的14自由度模型
   • 接收控制指令并反馈车辆状态

3.2 横向PID控制器实现

横向控制器的核心是一个改进型PID算法，通过S函数实现：

matlab复制function [sys,x0,str,ts] = lateral_controller(t,x,u,flag)
    switch flag
        case 0
            sizes = simsizes;
            sizes.NumContStates  = 0;
            sizes.NumDiscStates  = 3;  % 存储三个误差累积量
            sizes.NumOutputs     = 1;  % 方向盘转角
            sizes.NumInputs      = 4;  % 横向误差/航向误差/车速/曲率
            sizes.DirFeedthrough = 1;
            sys = simsizes(sizes);
            x0  = zeros(3,1);

关键设计特点：

• 离散状态设计，更适合实时控制
• 动态调整PID参数：车速越高，积分项权重越低
• 加入了前馈控制项，提前补偿弯道转向

3.3 纵向PID控制器设计

纵向控制器负责维持目标车速，其输出为油门/刹车指令：

matlab复制function [sys,x0,str,ts] = longitudinal_controller(t,x,u,flag)
    persistent Kp Ki Kd last_error
    if isempty(last_error)
        Kp = 0.8; Ki = 0.1; Kd = 0.05;
        last_error = 0;
    end
    
    % 根据车速动态调整参数
    if u(2) > 25 % 车速>90km/h
        Ki = 0.05; % 降低积分项
    end

4. 轨迹生成与优化

4.1 八字轨迹参数设计

轨迹生成器采用参数化设计，核心是一个N×2的矩阵：

matlab复制traj_library = [
    0   0     % 直行
    50  0.08  % 右转
    80  -0.06 % 左转修正
    120 0     % 回正
];

参数说明：

• 第一列：轨迹点距离(m)
• 第二列：道路曲率(1/m)

重要经验：曲率绝对值不宜超过0.1，否则高速时容易导致轮胎打滑

4.2 轨迹平滑处理技术

在轨迹转折点处，必须进行平滑过渡处理。我们采用余弦曲线过渡算法：

matlab复制function smooth_curve = cosine_transition(start_curve, end_curve, length)
    x = linspace(0, pi, length);
    smooth_curve = (end_curve-start_curve)*(1-cos(x))/2 + start_curve;
end

应用示例：

matlab复制% 在50m处从直行过渡到右转
transition_length = 5; % 过渡段长度
transition_curve = cosine_transition(0, 0.08, transition_length);

5. 参数调试与性能优化

5.1 PID参数整定方法

调试时应遵循以下顺序：

1. 先调纵向控制器，确保车速稳定
2. 再调横向控制器，从比例项开始
3. 最后调整微分项，抑制振荡

推荐初始参数：

plaintext复制纵向控制：
Kp=0.8, Ki=0.1, Kd=0.05

横向控制：
Kp=2.5, Ki=0.3, Kd=0.2

5.2 高速场景特殊处理

当车速超过80km/h时，需要特别注意：

1. 降低积分项权重，防止控制滞后
2. 增加微分滤波时间常数（0.02s→0.05s）
3. 减小最大方向盘转角（±30°→±20°）

6. 常见问题与解决方案

6.1 方向盘自动回正问题

这是CarSim的默认设置导致的，解决方法：

1. 在CarSim的Steering设置中，取消勾选"Auto return to center"
2. 或者在Simulink模型中添加一个保持力矩项

6.2 车辆轨迹振荡问题

可能原因及解决方法：

1. 微分增益过高 → 减小Kd
2. 采样时间过长 → 减小仿真步长
3. 传感器噪声过大 → 增加滤波

6.3 联合仿真数据不同步

典型表现：

• 车辆状态反馈延迟
• 控制指令丢失

解决方法：

1. 检查CarSim的仿真步长与Simulink是否一致
2. 增加Send_Values/Get_Values缓冲区大小
3. 降低仿真速度（实时系数设为1）

7. 系统扩展与改进方向

7.1 支持更多轨迹类型

只需在traj_library中添加新的参数组合，例如：

matlab复制% 蛇形轨迹
traj_library = [
    0   0
    30  0.05
    60  -0.05
    90  0.05
    120 -0.05
];

7.2 自适应PID算法改进

可以引入模糊逻辑或神经网络，实现PID参数的自适应调整：

matlab复制function [Kp, Ki, Kd] = adaptive_pid(error, error_rate)
    % 根据误差和误差变化率动态调整参数
    if abs(error) > 0.5
        Kp = Kp * 1.2;
    end
end

7.3 多车协同仿真

通过Simulink的TCP/IP模块，可以实现多车协同仿真：

1. 每辆车作为一个独立节点
2. 通过局域网交换位置信息
3. 增加防碰撞算法

8. 实际调试经验分享

在项目开发过程中，我总结了以下几点宝贵经验：

1. 仿真前务必保存参数快照

   • CarSim的.cpar文件
   • Simulink的.mdl文件
   • MATLAB的工作区变量

2. 调试时采用增量法

   • 先低速(40km/h)调试
   • 逐步提高速度
   • 每次只调整一个参数

3. 善用可视化工具

   • CarSim的3D Viewer
   • MATLAB的Scope
   • 自定义的轨迹显示窗口

4. 记录完整的调试日志

   • 参数修改记录
   • 现象描述
   • 解决方案

最后一个小技巧：在Simulink中添加一个Manual Switch模块，可以快速切换不同的控制算法进行对比测试，这在算法选型阶段特别有用。