LQR 自動駕駛是一種多目標(biāo)最優(yōu)控制方式，具有不少優(yōu)點。它能使系統(tǒng)在被控時間內(nèi)，以較小的控制量和代價達到穩(wěn)定的目標(biāo)狀態(tài)，控制算法易于設(shè)計。

從實際應(yīng)用來看，LQR 在記憶泊車巡航階段表現(xiàn)出色。通過對控制參數(shù) Q 和 R 等進行標(biāo)定，能達到預(yù)期要求?？刂菩Ч矫?，相比 PID 控制，LQR 控制更好，控制參數(shù)匹配也更容易，方向盤更穩(wěn)。

在車輛軌跡跟蹤方面，基于二自由度動力學(xué)模型和 frenet 坐標(biāo)系建立的模型狀態(tài)空間方程，使用 LQR 控制跟蹤軌跡，前饋控制消除穩(wěn)態(tài)誤差，基于五次多項式方法進行軌跡規(guī)劃，能實現(xiàn)高精度軌跡跟蹤。在 Carsim 和 Simulink 聯(lián)合仿真中，展示了良好的效果。

在自動駕駛軌跡跟蹤控制中，縱向 MPC 和橫向 LQR 相結(jié)合的方式能取得較好的控制效果。對于五次多項式換道軌跡的跟蹤，縱向控制已制作好油門剎車標(biāo)定表，無需自己做標(biāo)定。LQR 反饋矩陣 K 可以離線計算也可以在線實時計算。

不過，LQR 控制也有一些局限性。比如在曲率變化較大的路段進行跟蹤控制時，可能會使跟蹤誤差變大導(dǎo)致跟蹤失敗，所以往往需要結(jié)合前饋控制等其他算法來實現(xiàn)無誤差跟蹤。

總的來說，LQR 自動駕駛在很多場景下能提供較為出色的控制效果，但也需要根據(jù)具體情況進行優(yōu)化和改進，以更好地適應(yīng)不同的路況和駕駛需求。

（圖/文/攝：太平洋汽車 整理于互聯(lián)網(wǎng)）