摘要
在存在障碍物的环境中，由于车载传感技术水平较低、测量噪声较大以及外部干扰等因素，车辆的自适应导航十分困难，这些因素共同导致车辆轨迹跟踪性能不佳，进而影响安全性。本文提出了一种基于无人机辅助的分布式滑模控制（DSMC）方法，用于为自主地面车辆实现稳定且安全的路径跟踪。该系统利用气动传感器层提升感知能力，比如障碍物检测、参考路径预判以及前方轨迹信息获取，并通过无线通信将这些信息传递给车辆。DSMC这一基本框架基于传统的滑模控制（SMC）技术，同时引入了基于无人机预判的反馈机制，从而能够提前预测控制动作，提升跟踪性能，实现比传统SMC更及时、更平稳的障碍物避让。该方法旨在克服传统SMC策略存在的振荡问题及响应迟缓等缺陷，通过连续非线性近似与阻尼机制减少振荡，改善响应特性，进而提升系统稳定性。系统通过设定最小距离来确保安全，即始终保证车辆与障碍物之间存在最小间距，这一要求是通过基于约束屏障函数（CBF）的约束机制来实现的。通过将无人机辅助感知、DSMC控制与CBF约束相结合，该系统能够在存在干扰和传感不确定性情况下依然保持精确的轨迹跟踪，并确保形式上的安全性。根据仿真结果，所提出的无人机辅助DSMC方法在跟踪精度、控制平滑性以及安全裕度保持方面均显著优于传统的SMC控制和模型预测控制器（MPC）。具体而言，其均方根误差降低了22.9%（从0.175米降至0.135米），平均控制力也降低了63%，并且在静态和动态障碍物存在的情况下都能严格保持最小安全距离。该算法可实现实时运行，平均执行时间为1.85毫秒（频率超过200赫兹），非常适合嵌入式应用。这些结果充分证明了将无人机辅助预判、自适应鲁棒控制与形式化安全约束相结合的方法，对于在复杂环境中的可靠自主导航具有重要的应用价值。
