《自动驾驶控制算法阶段二》——基于LQR设计ACC控制器并实现闭环仿真

《自动驾驶控制算法阶段二》训练营，会梳理控制理论知识点，对比学习常见三大控制算法——经典PID控制算法、最优控制算法（LQR）和模型预测控制算法（MPC）控制算法；以及基于最优控制算法（LQR）设计ACC控制器和LKA控制器并实现闭环仿真。

01

课程大纲

课程大纲

直播1：建立车辆动力学模型

直播2：基于动力学模型设计状态观测器、反馈控制器

直播3：基于QP估计车辆横向行驶曲率

直播4：基于动力学模型设计LQR控制器

直播5：基于KF的多传感器融合与多目标跟踪

直播6：换道行为决策与路径规划方法

直播7：基于LQR设计ACC控制器并实现闭环仿真

直播8：基于LQR设计LKA控制器并实现闭环仿真

实训任务

项目任务一

笛卡尔坐标系下的车辆二自由度模型建模，根据给定条件利用Simulink对系统进行参数辨识、进行系统可控性、可观性、稳定性分析，并对模型进行求解。

项目任务二

基于车辆动力学模型，设计状态观测器、反馈控制器，进行simulink闭环仿真，并对状态反馈与输出反馈的仿真结果进行对比分析。

项目任务三

基于车辆动力学模型，模拟传感器测量噪声并进行低通滤波仿真；利用KF滤波器实现车辆模型的状态估计；利用二次规划算法实现融合，进而估计车辆横向行驶曲率。

项目任务四

基于车辆动力学仿真模型，建立LQR控制器并进行QR矩阵的调试，实现车辆二自由度的闭环仿真，并将仿真结果与极点配置法、PID反馈控制仿真进行对比。

项目任务五

对给定实测传感器数据设计KF跟踪器，利用欧氏距离法进行数据关联，并利用凸联合实现多传感器数据融合，并进行仿真。

项目任务六

建立换道路径规划算法，利用横向加速度对车辆换道过程的安全性进行判断，并基于不同的车速和换道时间数据进行车辆换道仿真并对比分析。

项目任务七

基于多传感器融合的结果，计算期望加速度，基于LQR求解ACC控制器增益，实现ACC系统闭环仿真。

项目任务八

Frenet坐标系下车辆二自由度模型建模，根据给定实车试验数据求解方向盘转角，基于LQR求解LKA控制器增益，实现LKA系统闭环仿真。

02

老师介绍

刘丛志老师，清华大学博士

研究方向为智能驾驶汽车动力学控制与优化、网联汽车及新能源汽车智能控制。以核心技术人员参与国家横纵向科研项目10余项，于IEEE TIE、TITS等期刊发表论文20余篇，发明专利和实用型专利权10余项。

曾任业内某汽车技术服务公式首席技术专家、开发部长，具有丰富的一线实战开发经验。

03

建议基础

需要有一定的C语言或者MATLAB语言基础；

建议理工科类专业背景，拥有控制理论基础。

04

面向对象

希望从事自动驾驶控制研发的在校学生，理工科背景，本科及以上学历；

0-3年电子电气开发经验背景的工程师希望转岗至驾驶控制研发岗位；

刚进入自动驾驶控制算法相关岗位，想要快速提升自己专业知识能力的工程师。

05

课程收益

 掌握经典/现代控制理论，并通过项目实践、应用；

利用MATLAB/Simulink对系统进行参数辨识及特性分析；

运用不同方法对系统模型进行求解；

 能够设计ACC控制器并实现仿真；

能够设计LKA控制器并实现仿真；