1．目的及意义

1.1选题目的

为了有效提高自动驾驶汽车的行驶安全性和可靠性，研究一种在道路附着系数较低、较恶劣天气下两类特殊场景下自动驾驶汽车轨迹跟踪控制策略，以实现自动驾驶汽车在特殊场景下对目标轨迹能安全且准确跟踪。

1.2选题意义

随着世界范围内汽车保有量的快速增长，汽车给人民的生活带来便利的同时也造成交通拥堵、交通事故频发等问题。据统计数据显示，每年大约有127万人死于交通碰撞事故，2000万至5000万人因碰撞收到非致命伤害。研究表明，导致交通事故的重要原因就是驾驶员注意力不集中或者驾驶经验不足等人为因素^[1]。而驾驶行为可预测性的自动驾驶汽车能依靠功能强大的传感器来感知车辆所处的周围环境，并利用传感器获得的车辆姿态位置、道路及障碍物等信息，规划出一条安全的道路轨迹，控制车辆的方向及速度，从根本上避免了众多交通事故的发生。

自动驾驶汽车的关键技术主要包括环境感知、决策规划、轨迹跟踪及操作控制。其中轨迹跟踪技术作为自动驾驶汽车的关键技术之一，是实现车辆智能行为的必要条件。轨迹跟踪是通过方向盘转角、加速踏板开度和制动踏板开度信号控制车辆跟随目标轨迹^[2-4]。

然而现今大部分自动驾驶汽车轨迹跟踪控制策略只考虑了汽车在中低速下的非完整约束，远远不能应对自动驾驶汽车高速行驶的控制要求，特别是高速行驶的汽车在紧急转向或雨雪天气下较低路面附着系数的紧急避障及换道的控制要求^[5]。为了提高自动驾驶汽车在恶劣天气、道路附着系数较低的特殊场景下行驶安全性和可靠性，研究特殊场景下自动驾驶汽车轨迹跟踪控制方法。

1.3国内外研究现状

从上个世纪80年代中后期开始，世界发达国家对智能车辆的研究产生浓厚的兴趣，也取得了相应的研究成果。轨迹跟踪作为自动驾驶汽车关键技术之一，也相应的重视。国内外对自动驾驶汽车轨迹跟踪控制主要从横向控制和纵向控制两个方面展开。主要有以下方法：比例-积分-微分（ProportionIntegration Differentiation,PID）控制、纯跟踪控制、预瞄跟踪最优控制、模糊控制、滑膜控制和模型预测控制（Model Predictive Control,MPC）等方法^[6]。

PID控制器是一种在工程上广泛应用的线性控制器^[7-8]。其优点是无需建立系统模型，控制参数可通过试凑法得出；其缺点是试凑控制参数耗时，需大量试验工作。国外对自动驾驶汽车的轨迹跟踪控制研究相对较早，其中对横向跟踪控制研究，Emirler M T 等人设计了参数自调整的PID横向控制系统，并通过仿真验证表明，该控制器在环形道路和曲线道路均具有较好的横向跟踪效果^[9]。 Rajamn R.等人建立基于GPS导航的非线性运动模型，针对此模型，采用输入状态反馈线性化方法，分别设计无预瞄和有预瞄的横向控制策略^[10]；Hessbur T.等人设计了基于模糊逻辑的横向控制器，该控制器由模糊反馈控制律、前馈控制律和增益调度控制律组成，同时该控制器可以有效地处理车辆横向动力学内在具有的非线性和不确定性^[11]。

模型预测控制算法是于20世纪七十年代末最早在美国、法国等工业领域出现的一种计算机优化控制算法。根据所采用模型的不同，模型预测控制逐渐衍生出其他分支：1978年，Richalet、Mehra提出了基于脉冲响应的模型预测启发控制（Model Predictive Heuristic Control,MPHC），后转换为模型算法控制（Model Algorithmic Control, MAC）^[12-13]。Yakub F 等人对比分析模型预测控制和线性二次型控制在自动驾驶汽车方向控制中的跟踪效果，研究表明模型预测控制比线性二次控制具有更好的控制效果^[14]。经过近二十多年的深入研究和发展，其理论和方法日益完善，并得到了广泛的实际应用。虽然各类算法在预测模型的种类和实现形式上存在诸多差异，但他们的基本特点都是基于预测模型、滚动优化和反馈校正的控制原理^[15]。北京理工大学的龚建伟、徐威等以智能车辆的运动规划与控制为研究对象，结合模型预测控制理论，提出了基于非线性模型预测控制的轨迹重规划算法和基于线性时变模型预测控制的轨迹跟踪算法^[16]。{title}

2. 研究的基本内容与方案

{title}

2.1基本内容