控制算法概览：自动驾驶为什么需要PID和MPC？
大家好，我是你们的老朋友，一个在自动驾驶控制领域摸爬滚打多年的工程师。今天咱们开始聊点硬核的——PID和MPC。
你可能会问，自动驾驶这么高大上的东西，为啥还要用PID这种“老古董”？MPC又是什么神仙算法？别急，咱们慢慢聊。
先从一次路测说起
我记得几年前，我参与一个L4级项目的路测。那天下着小雨，路面有点湿滑。车辆在跟车时，突然前车急刹。我们的车呢？先是猛地一顿，然后开始剧烈抖动，最后才慢慢停下来。坐在后排的产品经理脸都绿了。
后来排查原因，发现是纯PID控制器的参数没调好。在湿滑路面上，积分项过度补偿，导致车辆反复“点头”。那次之后，我深刻理解了一个道理：没有万能的控制器，只有合适的算法组合。
自动驾驶为什么需要控制算法？
说白了，自动驾驶就是让车自己走。但车不是人，它不知道什么时候该加速、什么时候该转弯。控制算法就是给车装上一套“神经系统”。
这套系统要解决三个核心问题：
- 跟踪路径：让车沿着规划好的路线走，别跑偏
- 保持稳定：遇到颠簸、侧风、湿滑路面，车不能失控
- 响应指令：说加速就加速，说刹车就刹车，不能有延迟
你想想看，如果控制算法不行，再好的感知、再完美的规划都是白搭。车都开不稳，还谈什么自动驾驶？
PID：简单粗暴的“老司机”
PID算法，全称比例-积分-微分控制。它就像一个经验丰富的老司机，凭感觉开车。
核心思想：看当前偏差，算过去偏差，预测未来偏差。
- P（比例）：偏差越大，修正越猛。比如车偏右了，立刻向左打方向。
- I（积分）：消除长期累积的误差。比如一直有侧风，车总往右偏，积分项会慢慢把车拉回来。
- D（微分）：抑制震荡。比如车开始左右摇摆，微分项会提前“踩刹车”。
适用场景：
- 直线巡航、定速巡航
- 简单的车道保持（弯道不太急的情况）
- 执行器底层控制（比如油门、刹车、转向的精确调节）
我在项目中遇到过一件事：用PID做纵向控制（油门刹车），效果出奇的好。但一到横向控制（转向），尤其是高速过弯时，PID就开始“手忙脚乱”。为什么？因为PID没有“预知未来”的能力，它只能看到当前的偏差，等它反应过来，车已经偏出去了。
个人经验：PID调参有个口诀——“先P后I再D，P大响应快，I大消除静差，D大抑制震荡”。但别死记硬背，实际调参时，我建议先用仿真环境跑一遍，看看响应曲线再动手。
MPC：运筹帷幄的“军师”
MPC，模型预测控制。它不像PID那样“走一步看一步”，而是“走一步，看三步”。
核心思想：基于车辆模型，预测未来一段时间的状态，然后求解一个优化问题，找到最优的控制序列。
说白了，MPC会问自己：“如果我接下来3秒内这样打方向、这样踩油门，车会走到哪里？会不会撞墙？会不会偏离车道？”然后它选一个最好的方案。
适用场景：
- 高速变道、紧急避障
- 复杂弯道、匝道行驶
- 多目标约束（比如既要跟车距离近，又要舒适，还不能超速）
我曾经用MPC做过一个泊车项目。车辆需要在狭小的空间内，前后移动多次才能停进去。PID根本搞不定，因为每次倒车都会产生新的偏差。但MPC可以提前规划好整个路径，一次性执行到位。嗯，这就是“预知未来”的好处。
避坑指南：我曾经在MPC的权重矩阵上栽过跟头。如果你把“舒适性”的权重设得太高，车会变得“畏手畏脚”，该加速时不加速，该转向时不转向。反过来，如果“跟踪精度”权重太高，车会变得很“暴躁”，乘客晕车是小事，搞不好还会失控。调MPC的权重，比调PID参数难一个数量级。
PID vs MPC：怎么选？
你可能会问，那我到底该用PID还是MPC？
我的建议是：看场景，看资源。
| 对比维度 | PID | MPC |
|---|---|---|
| 计算资源 | 极低，单片机都能跑 | 较高，需要高性能处理器 |
| 调参难度 | 中等，3个参数 | 较高，权重矩阵+预测时域 |
| 处理约束 | 困难，需要额外逻辑 | 天生支持，直接建模 |
| 预测能力 | 无 | 有，可提前规划 |
| 鲁棒性 | 较好，对模型误差不敏感 | 一般，依赖模型精度 |
我个人习惯是：能用PID解决的，绝不用MPC。为什么？因为PID简单、稳定、好调试。但遇到复杂场景，比如高速变道、紧急避障，我会毫不犹豫地切换到MPC。
你想想看，如果只是定速巡航，用MPC就是杀鸡用牛刀。但如果要做L4级别的自动驾驶，没有MPC几乎不可能。
一个简单的代码示例
这里给一个PID的伪代码，帮你理解它的本质：
// 位置式PID
float pid_control(float target, float current) {
float error = target - current;
// P项
float p_out = Kp * error;
// I项（累积误差）
integral += error * dt;
float i_out = Ki * integral;
// D项（误差变化率）
float derivative = (error - last_error) / dt;
float d_out = Kd * derivative;
last_error = error;
return p_out + i_out + d_out;
}你看，就这么几行代码。但别小看它，调好了能跑出花来。
MPC的代码就复杂多了，涉及到矩阵运算和优化求解器。这里不展开，后面章节会详细讲。
小结一下
PID和MPC，一个像“老司机”，凭经验开车；一个像“军师”，运筹帷幄。两者没有绝对的好坏，只有合不合适。
在实际工程中，我见过很多团队把PID和MPC结合起来用：底层执行器用PID，上层决策用MPC。这样既保证了响应速度，又兼顾了全局优化。
好了，第一章就聊到这里。下一章，咱们深入PID的数学原理，看看这三个参数到底是怎么影响系统行为的。到时候我会分享一些调参的“野路子”，保证让你少走弯路。
记住：控制算法不是纸上谈兵，多动手、多试错，才能真正掌握。