无人车运动稳定性的模糊神经网络PID 控制.docVIP

无人车运动稳定性的模糊神经网络PID控制 谭宝成 马天力 （西安工业大学 电子信息工程学院，西安 710032） 摘 要：由于传统的PID算法在控制车辆稳定运行时，往往不能获得其满足条件的参数，达不到期望目标。为此采用一种以横摆角速度和质心侧偏角为控制对象的模糊神经网络PID算法。将系统输出偏差的变化量，经过模糊化后输入到神经网络PID控制器中，对车辆的质心侧偏角，横摆角速度迅速进行调整，达到控制车辆速度，转角的目的。并在不同的工况下对算法的有效性进行分析研究。结果显示，该算法相比于传统PID具有更强的适应性和鲁棒性。 关键词：无人车；质心侧偏角，横摆角速度；模糊神经PID；稳定性控制 Unmanned vehicle Movement Stability of Fuzzy Neural Network PID control TAN Bao-cheng,MA Tian-li (School of Electronic Information Engineering,Xi’an Technological University,Xi’an 710032，China)Abstract: Traditional PID algorithm to control the amount of operation of the Intelligent Vehicle[1], it often unable to obtain its parameters to meet the conditions, not up to a stable target. To do this using a yaw rate and sideslip angle for the control of fuzzy neural network PID[2] algorithm. The change of the system output deviations after fuzzification input to the neural network PID controller, the output of the vehicle sideslip angle, yaw angular velocity quickly be adjusted to control the vehicle speed, the purpose of the corner. And the effectiveness of the algorithm in different conditions were analyzed. The results show that the algorithm has a stronger adaptability and robustness compared to conventional PID.. Keyword: Unmannd control Automobile; Sideslip angle；yaw rate；fuzzy neural network PID; Movement Stability 无人驾驶智能车稳定性控制系统是汽车在极限工作状况下，通过提前预测车辆运动状态，对其制动力和驱动力分配产生横摆控制力矩[3]进行控制，使车辆仍具有可操纵性，从而保证行驶的安全性。对于车辆的稳定性控制，通常多采用基于某种数学模型的状态控制或者最优控制，这种控制系统所需的参数较多，计算量大，并且车辆运动的状态有种非线性，时变，不确定的特点，很难寻求到一种最优控制。为此各国学者均对其进行了深入的研究，Drakunov等实现了基于滑模控制的车辆稳定性控制。韩国万都汽车零部件公司的Kwak将多级滑模控制理论应用到汽车稳定性控制中,建立了新型汽车稳定性控制器。Laine等利用最优方程调节发动机和制动力控制,实现车辆稳定性控制。 本文首先对整车进行建模，进而分析影响车辆稳定运行因素，并以车辆的行驶状态作为参考，构建了一种模糊神经网络PID控制器[5]，对其在不同的工况下运动进行了实验分析并与传统PID控制算法进行了比对。 1 无人驾驶车辆运动稳定性控制 车辆的稳定性控制[6]主要分为两类，一类是稳定性问题，即横摆角速度问题。它是由车辆在做转弯时的横摆力矩决定，过大或过小的横摆力矩将直接影响车轮前后的侧向力，导致车辆失稳。另一类问题则是轨迹的保持。它是由质心侧偏角来描述的，将车辆视为一个质点，轨迹的保持是由轮胎上的综合力来决定，当无人驾驶智能车处于转向不足或者转向过多等极限工况时，车轮侧偏力饱和达到附着极限时轮胎侧偏力发生变化，维持车辆保持预期驾驶轨迹的横摆力矩随之发生改变，在这种情况下，车辆的转弯半径比通过转弯操纵所期望的值不相符