作为一个已经存在百余年的产品，汽车还能在近些年的新技术浪潮中吸引广大公众和技术爱好者们的眼球，自动驾驶技术贡献良多。很多人从谷歌、特斯拉等公司的无人驾驶车项目接触到这一项将改变人类驾驶体验改善交通安全的革命性技术，事实上早在1980年代世界上的一些大学和公司就开始了相关项目的研究[1，2]。近十年来国内外都举办了一系列智能车挑战大赛，展现了强大的技术实力。虽然完全自动驾驶恐怕还要一些时日，与之相关的一些功能技术大家却并不陌生。泊车入库、自适应巡航控制（adaptivecruisecontrol）以及各种ADAS（高级辅助驾驶系统）功能已经走进了大家的生活。
GoogleSelf-DrivingCar[1]
Stanford的Stanley以6小时53分58秒的成绩跑完了全程142英里的崎岖路程获得2005美国GrandChallenge冠军[3]
11所大学和科研机构的无人驾驶车辆参加在内蒙古赤峰市举办的2012中国智能车未来挑战赛[4]
把人从驾驶中解放出来[5]
自动驾驶汽车作为一个完全彻底的交通服务的提供者，承担了车辆行驶的所有职责，把人从驾驶中解放出来。自动驾驶汽车集车辆学，人工智能，计算机科学，自动控制等多学科于一体，是现代科技高度发展的产物。它通常由3大系统组成：环境感知，定位导航和运动控制系统。作为小鹏汽车介绍自动驾驶系列文章的第一篇，我们首先和大家聊聊公众关注较少却也很重要的运动控制系统。
运动控制系统是替代人在驾驶中的作用的第一步。当人来驾驶汽车时，我们自己通过调整油门、刹车和方向盘等控制元件使汽车按照我们期望的速度前进，按照我们期望的角度转向。而一台仅配备了电池、电机的无人驾驶汽车，就好比一匹未驯服的野马。虽然它有纵情奔腾的能力，却不能准确得执行上层决策机构设定的车速、转向角度等指令。所以一台自动驾驶汽车首先要进行电控改造，也就是由电脑直接来控制油门的大小、方向盘的转动和刹车等动作。电控改造提供了由电脑来控制汽车运动的硬件基础，在此基础上核心的车辆运动控制算法就是驯服野马的缰绳。它使汽车‘温顺忠实’的执行我们对速度、转向的要求。接下来我们就以车速为例来看看如何使汽车按照期望的车速前进。
车辆纵向运动受力分析[6]
车辆的平面运动动态可以分为纵向和横向两个部分。纵向是沿着车身汽车前进的方向；横向则垂直于纵向，和车辆的转向相关。要控制汽车的纵向速度，首先就要分析车辆纵向上的受力。电机可提供车辆前进的动力；路面和空气在汽车上施加阻力；路面的坡度可导致重力的纵向分量推动或阻碍车辆前进。这些精确的受力分析往往非常困难，而这就是反馈控制理论的用武之地。
PID控制
首先向大家介绍控制系统中最常用的比例积分微分（P:proportional;I:integral;D:derivative）即PID控制器[7]。PID控制器把通过传感器和估计器所得到的估计车速和期望车速进行比较，这个差别就是控制误差e。然后它根据误差信号的大小以及它的历史数据来持续不断的计算调整发送给汽车的扭矩命令，从而实时调整车速，使e越来越小并最终收敛为0，达到准确控制车速的目的。一个性能良好的PID控制器就是要选取合适的控制器参数，包括比例系数，积分系数和微分系数。PID控制器简单方便，可应用于车辆的自适应巡航控制等系统中。
车速PID控制系统
PID控制器[7]
非线性控制
是不是常见的PID控制器就足够了呢？PID控制器简单好用，但并不是万能的。由于汽车动态在本质上是一个复杂的非线性系统，PID控制器一个明显的性能局限就是在不同车速情况下（比如在0-20Km/h的低速区和20-60Km/h的中速区），汽车速度的控制性能差别较大。为了得到更好的系统性能，非线性控制技术就派上了用场[8]。包括基于神经网络的智能控制以及各种非线性补偿控制技术都可在汽车运动控制中发挥作用。
鲁棒控制–保证系统性能
大家可能会问是不是在各种不同载重，不同路面材料，不同路面坡度等情况下，控制器都能很好的控制汽车车速呢？这个问题就涉及到控制系统的两个重要的概念：不确定性和控制性能鲁棒性。不确定性容易理解，它表示上述所说的各种不确定的系统因素。鲁棒是Robust的音译，也就是健壮和强壮的意思，用来表示我们设计的控制系统在不确定的环境中保持系统性能的能力。近年来滑模控制等鲁棒控制技术在汽车系统的应用可使车速尽量准确而不受上述各种不确定因素的过多影响[9]。
结语
自动驾驶涉及方方面面，仅仅是车速的控制，我们就给大家介绍了这么多自动化相关的技术，也难怪自动驾驶能吸引众多技术爱好者的注意了。小鹏汽车今后会陆续向大家介绍自动驾驶其他方面的酷炫技术，敬请关注！
(审核编辑: 智慧羽毛)
