《Design, analysis, and experiments of preview path tracking control for autonomous vehicles》是期刊《IEEE Transactions on Intelligent Transportation Systems》在2020年第21卷第1期上刊载的一篇论文。目前期刊《IEEE Transactions on Intelligent Transportation Systems》的中科院大类分区是2区（工程技术），小类分区是2区（运输科技），2019年影响因子是6.319。
该论文的作者是S Xu和H Peng。Xu博士毕业于清华大学，目前在美国University of Michigan做博士后。Peng是美国University of Michigan的教授。
《Design, analysis, and experiments of preview path tracking control for autonomous vehicles》的主要研究思路，是通过引入预瞄控制来改善LQR（Linear Quadratic Regulator)的性能。
我们梯队也曾经基于这种研究思路发表过一些论文，如：
[1]孟宇, 汪钰, 顾青, 等. 基于预见位姿信息的铰接式车辆 LQR-GA 路径跟踪控制[J]. 农业机械学报, 2018, 49(06): 375-384.
[2] 孟宇, 甘鑫, 白国星. 基于预瞄距离的地下矿用铰接车路径跟踪预测控制[J]. 工程科学学报, 2019, 41(5): 662-671.
这种研究思路的优势是显而易见的，通过预瞄控制，可以解决LQR控制器在参考路径出现较大幅度曲率突变时无法及时控制车辆转向，从而出现较大幅度误差的问题。这种控制器的实时性也相当不错，用《Design, analysis, and experiments of preview path tracking control for autonomous vehicles》中的原文可以表达为“In other words, it allows for path-tracking performances similar to the MPC (Model Predictive Control) and computation efficiency similar to the LQR”。
不过这种研究思路也存在一个缺陷，就是预瞄距离会对路径跟踪控制的性能存在较大的影响。《Design, analysis, and experiments of preview path tracking control for autonomous vehicles》的仿真结果也表明了这一点，当车辆的速度恒定时，只存在一个最优的预瞄距离。如何确定最优预瞄距离的问题，目前还未得到很好的解决。
《Design, analysis, and experiments of preview path tracking control for autonomous vehicles》中还隐藏着一个关于MPC的贡献。这篇论文采用MPC作为对照组，而且根据该MPC控制器的性能，我们可以推断这个MPC控制器是一个NMPC（Nonlinear Model Predictive Control）控制器。在《Design, analysis, and experiments of preview path tracking control for autonomous vehicles》的仿真结果中，我们可以看到当NMPC的预测时域（控制时域）为2s时，其控制效果很好，而实时性较差，而当NMPC的预测时域（控制时域）为0.4s时，其实时性相对较好，但是控制效果很差。
这个现象与我们的研究发现相近，不过我们更进一步地确定了控制时域对NMPC控制器影响较大，详见：
白国星, 刘丽, 孟宇, 等. 基于非线性模型预测控制的移动机器人实时路径跟踪[J/OL].农业机械学报. http://kns.cnki.net/kcms/detail/11.1964.S.20200703.1012.004.html.
