LQR算法在双移线工况下的横向控制实践

1. 双移线工况下的LQR横向控制概述

在车辆控制领域，横向轨迹跟踪一直是个经典难题。特别是在双移线这种典型工况下，车辆需要在短时间内连续完成两次方向变换，对控制算法的响应速度和稳定性提出了极高要求。LQR（线性二次调节器）作为一种经典的最优控制方法，通过合理设计代价函数，能够在轨迹跟踪精度和控制量平滑度之间取得良好平衡。

我最近在实际项目中采用LQR算法配合CarSim和Simulink进行联合仿真，成功实现了双移线工况下的高精度横向控制。实测效果令人满意，在60km/h车速下，横向误差能稳定控制在0.1米以内，方向盘转角曲线平滑自然，没有出现高频抖振现象。这证明LQR算法配合精确的车辆模型，完全能够满足一般自动驾驶场景的横向控制需求。

2. LQR控制原理与参数设计

2.1 LQR的核心思想

LQR控制的核心在于设计一个二次型代价函数：

code复制J = ∫(x^T Q x + u^T R u) dt

其中x是状态偏差，u是控制输入，Q和R分别是状态权重矩阵和控制权重矩阵。这个函数直观地表达了控制系统的两个核心目标：让状态尽快收敛到期望值（x^T Q x项），同时避免过大的控制量（u^T R u项）。

在实际调参过程中，我发现一个实用的技巧：先将Q矩阵中对角线上与横向位置误差对应的元素设为较大值（如10），其他状态量的权重设为相对较小的值（如0.1-1之间），R矩阵则初始化为一个较小的值（如0.01）。这样设置的控制器会优先修正位置误差，同时允许适当的方向盘转动。

2.2 状态空间模型构建

LQR控制需要建立车辆的状态空间模型。我采用的是经典的自行车模型，选取了以下四个状态量：

1. 横向位置误差（e）
2. 横向位置误差变化率（ė）
3. 航向角误差（Δψ）
4. 航向角误差变化率（Δψ̇）

对应的状态方程矩阵A和B可以通过车辆动力学推导得到。这里特别需要注意的是，矩阵中的车速Vx是一个时变量，在实际实现时需要每个控制周期都更新。虽然这种处理方式是一种简化，但在60km/h以下的车速范围内，控制效果已经足够好。

3. Simulink与CarSim联合仿真实现

3.1 软件环境配置

我使用的软件版本是MATLAB/Simulink 2018b和CarSim 2019.0。这两个版本之间的兼