无模型自适应控制：无人驾驶汽车横向控制的新策略

本文主要探讨了一种基于无模型自适应控制的无人驾驶汽车横向控制策略。研究团队由北京交通大学电子信息工程学院先进控制系统研究所的田涛涛、侯忠生、刘世达和清华大学计算机系智能技术与系统国家重点实验室的邓志东组成。他们将无人驾驶汽车的循迹跟踪控制问题重新定义为预瞄偏差角跟踪问题，这是一种关键的转换，使得控制方案更加聚焦于实时性能和稳定性。 作者们针对无人驾驶汽车的横向控制系统，利用动态线性化数据模型，设计了一套无模型自适应控制算法。这种算法的独特之处在于它不依赖于精确的系统模型，而是直接基于车辆的实际运行数据进行控制决策，从而解决了无人驾驶汽车复杂机械结构建模的难题。这种方法极大地提高了控制的灵活性和鲁棒性，使其能够适应无人驾驶汽车在复杂环境下的行驶，包括北京市丰台区的实地测试、江苏省常熟市高速公路的测试以及2015年“中国智能车未来挑战赛”的应用场景。 文章强调了这种控制方案的移植性，即它不仅适用于不同类型的无人驾驶汽车，还能在各种不同的驾驶条件下保持有效性。其核心优势在于它只依赖于车辆的输入输出数据，无需深入挖掘车辆内部的详细工作原理，简化了系统设计和实现过程。 此外，作者们还提供了论文的关键词，如无模型自适应控制、无人驾驶汽车、横向控制和预瞄偏差角，以便读者快速了解研究的核心内容。引用格式表明了该研究成果的学术价值，表明田涛涛等人在《自动化学报》上发表了这篇论文，2017年第43卷第11期，为同行研究者提供了重要的参考。 这篇文章为无人驾驶汽车的横向控制提供了一种创新且实用的方法，为自动驾驶领域的研究者和工程师们提供了一个有效的工具，以提升无人驾驶汽车的行驶稳定性和智能化水平。