3、车辆运动学模型：自行车模型推导、阿克曼转向几何、模型离散化方法
各位同学好，今天我们聊一个非常核心的话题——车辆运动学模型。说实话，我在刚入行做控制时，觉得动力学模型才高级，运动学模型太简单。但后来在实车调试中吃了不少亏，才明白运动学模型是基础中的基础。你想想看，如果连车怎么走都描述不清楚，后面的控制算法就是空中楼阁。
3.1 自行车模型：把四轮车简化成两轮
为什么要用自行车模型？说白了，四轮车的运动分析太复杂了。四个轮子各有转向角，还有侧偏、滑移，算起来头大。在实际工程中，我们通常做这样一个假设：车辆低速行驶，轮胎没有侧偏。这时候，四轮车的行为就可以用自行车模型来近似。
自行车模型的核心思想：
把左右前轮合并成一个虚拟前轮，左右后轮合并成一个虚拟后轮。这个虚拟轮位于车辆中轴线上。
我个人的习惯是，先画一个简单的示意图：
- 车辆质心位于后轴前方L处
- 前轮转角为δ（就是我们控制的方向盘转角对应的前轮转角）
- 车辆航向角为θ
- 后轴中心点坐标为(x, y)
那么，车辆的运动方程可以写成：
dx/dt = v * cos(θ)
dy/dt = v * sin(θ)
dθ/dt = v * tan(δ) / L其中v是后轴中心的速度，L是轴距。这个方程组看着简单，但它是整个路径跟踪控制的基础。我在做自动泊车项目时，就是靠这个模型做轨迹规划的。
重要提醒：自行车模型只适用于低速场景（通常< 5m/s）。高速时轮胎侧偏不可忽略，必须用动力学模型。我曾经在高速避障测试中吃过这个亏，模型预测和实际偏差很大，差点撞上锥桶。
3.2 阿克曼转向几何：让四个轮子各司其职
自行车模型假设前轮只有一个转角，但实际车辆有左右两个前轮。如果让它们转同样的角度，转弯时内侧轮和外侧轮会打架——内侧轮要转小弯，外侧轮要转大弯。
阿克曼转向几何就是解决这个问题的。它的核心原则：所有车轮的转向中心交于一点。
具体来说：
- 内侧前轮转角δ_i 大于外侧前轮转角δ_o
- 两者满足关系：cot(δ_o) - cot(δ_i) = B / L
- 其中B是轮距，L是轴距
嗯，这里要注意，实际车辆的转向机构（梯形臂）只能近似满足阿克曼几何。我在标定某款SUV时发现，大转角时误差能达到3度以上。所以做精确控制时，最好查一下实车的转向特性曲线。
工程小技巧：如果你用自行车模型做控制，前轮转角δ通常取内外轮转角的平均值。这样虽然不完美，但在大多数场景下够用了。我习惯在仿真中加一个阿克曼误差模型，看看控制器的鲁棒性。
3.3 模型离散化方法：从连续到离散
我们的控制器是数字的，跑在MCU或工控机上。所以连续的运动学方程必须离散化。常用的方法有三种：
| 方法 | 公式 | 精度 | 适用场景 |
|---|---|---|---|
| 前向欧拉 | x(k+1) = x(k) + Δt * v * cos(θ(k)) | O(Δt) | 快速原型，低精度要求 |
| 后向欧拉 | x(k+1) = x(k) + Δt * v * cos(θ(k+1)) | O(Δt) | 隐式求解，稳定性好 |
| 龙格-库塔(RK4) | 四步加权平均 | O(Δt⁴) | 高精度仿真，离线计算 |
我个人最常用的是前向欧拉法。为什么？因为它简单、计算量小，在10ms的控制周期下精度完全够用。你想想看，车辆运动本身就有延迟和噪声，模型误差0.1%和0.01%在实际中区别不大。
但如果你在做MPC（模型预测控制），我建议用RK4离散化。MPC对模型精度要求高，而且预测步长可能到2-3秒，欧拉法的累积误差会很大。
# Python示例：前向欧拉离散化
def kinematic_bicycle_model(state, control, dt, L):
x, y, theta = state
v, delta = control
x_next = x + v * np.cos(theta) * dt
y_next = y + v * np.sin(theta) * dt
theta_next = theta + v * np.tan(delta) / L * dt
return np.array([x_next, y_next, theta_next])避坑指南：我曾经在实车测试中遇到一个问题——离散化步长和控制器周期不匹配。控制周期是20ms，但我用5ms的步长做离散化，结果模型预测和实际偏差越来越大。后来发现，离散化步长应该等于控制周期，或者至少是整数倍关系。
3.4 小结与工程建议
好了，我们来捋一捋今天的内容：
- 自行车模型把四轮简化为两轮，适用于低速场景
- 阿克曼几何保证内外轮转角协调，实际车辆只能近似实现
- 离散化方法选前向欧拉就够了，除非你做MPC
最后说一句，模型只是工具，不是真理。我在不同项目中发现，同样的模型在不同车辆上表现差异很大。所以拿到新车后，第一件事就是做模型标定——跑几个典型工况，把模型参数调准。这才是工程落地的关键。
下一章我们会讲如何基于这个运动学模型做路径跟踪控制，到时候会用到今天推导的方程。记得把代码跑一跑，有问题随时交流。