智能小车中英文资料外文翻译文献毕设论文.docVIP

中英文资料外文翻译文献 智能小车控制中模糊-PID控制的实现 摘要：本文设计了一个自动智能小车控制系统和模糊-PID控制算法。 提出了一个设计模糊PID控制器的方案。通过matlab的仿真分析表明,模糊- PID控制算法的性能比一般的PID控制更好。智能小车的试验结果表明它会随黑色的引导线快速并且稳定的走完整个行程。 关键词：模糊PID；智能小车；模糊控制器；模糊控制。 1．简介 近年来,许多国家正在研制无人驾驶的车辆技术。产生了许多新的理论和应用技术。文献[1]中提出了一个采用实时检测速度从而准确、动态改变小车转向的理论，从而实现转向完美特性的控制策略。文献[2]中采用边缘检测算法来提取道路信息，并采用了比例控制。文献[3]提出了一种有效、具有良好抗干扰性的、适应性强的动态图像处理算法。这种算法有效的解决了由环境光线变化以及轨道变化所引起的小车偏离轨道现象。文献[4]利用非线性最优化重建了轨道和摄像调整间的空间关系，从而使它能够精确的测量出横向偏差。上述方案都从某种意义上改善了小车的性能，但他们都缺少以小车运动和大量实验为基础的小车的特性。这篇文章中提出了一个模糊控制算法以及模糊PID控制器的设计方法。在本文最后,给出了实验结果来证明模糊PID算法的有效性。 2．硬件系统设计 要实现模糊PID控制算法的设计，有必要设计一个智能小车硬件系统。智能小车应该有由道路检测，转角检测，速度检测等构成的智能控制单元。详见图1。 图1 智能小车原理框图 3．模糊PID控制的基本原则 用一般的PID控制算法来获得最好的响应是不容易的。因为参数Kp、Ki、Kd不适应于不同的对象，或者同一个对象的不同状态。模糊控制是以模糊集合和模糊逻辑为机车的。不需要精确的数学模型，它可以由用经验建立起来的规则表来确定控制变量的大小。一般来说，模糊控制的输入变量基于系统的误差E和系统的误差变化量Ec。这和比例－微分控制相似。这样的控制可能可以获得较好的动态性能，但获得的静态性能不能让人满意。 将模糊控制于PID控制结合起来，这就会使系统即具有模糊控制所具有的灵活的适应特性，又具有PID控制的所具有的较高的精确度。图2给出了模糊PID控制系统的结构图，其中模糊控制器的作用是选择不同的PID参数来改善局部响应，进而改善整体的响应。 图2 模糊PID控制仿真框图 4．模糊PID控制器的设计 速度驱动电机控制器的设计和下面给出的转向机构控制器设计是相似的。模糊控制器由模糊化、模糊推理、去模糊化组成，这些都是以知识库为基础的。控制器输入为误差及误差变化量，输出为参数Kp、Ki、Kd。 假设误差E的模糊集合为{NB NM NS NO PO PS PM PB};误差变化量Ec、参数Kp、Ki、Kd的模糊集合为{NB NM NS ZO PS PM PB}。他们表示的意义为：NB=负大、NM=负中、NS=负小、NO=负零、ZO=零、PO=正零、PS=正小、PM=正中、PB=正大。得到模糊变量E、EC、Kp、Ki、Kd的隶属度函数曲线如图3至图7所示： 图3 Kp隶属函数响应曲线 图4 Ki隶属函数响应曲线 图5 Kd隶属函数响应曲线 图6 E隶属函数响应曲线 图7 Ec隶属函数响应曲线 在模糊化完成后需要建立规则表，根据规则表的描述，可以总结出56个模糊条件语句，形式例如：如果(E 是 PB) 并且 (Ec 是 PB)那么(Kp 是 PB) (Ki 是 ZO) (Kd是 PB)。详见表1—表3。 最后一个步骤是去模糊化和建立查询表。在模糊控制中查询表应该嵌入到程序中。假设输入的值是固定的那么可以在表中查出相应的输出值。实际上，这可以节省许多计算时间并使控制简化。 表1 Kp规则表 表2 Ki规则表 表3 Kd规则表 5．实验结果分析 图8 PID控制响应曲线 图9 模糊PID控制响应曲线 实验利用了文献[7]中的转向机构模型，它的仿真回路已经由图2给出。我们已经用MATLAB仿真出了一般PID控制算法和模糊PID控制算法，获得的响应曲线如图8、图9所示。 实验结果表明，同一般得PID控制相比模糊控制的响应时间要短且没有超调的。系统的动态性能有了重大的提高。 6．总结和展望 这篇文章给出了一个控制智能小车的设计方案，并且通过实验从实际上很好的验证了这个方案。 无人驾驶智能小车是以计算机技术、模式识别以及智能控制技术的发展为基础的。许多国家和机构都在做这一方面的研究，但它是一个复杂的系统，它包含了许多方面的技术，所以任何一个技术的发展都是重要的，这可能成为智能车发展的瓶颈。 7．S12XS系列装置概况 7．1介绍 新的S12XS系列16位微控制器是一个具兼容性的S12XE系列的简化版本。这些系列成员提供了一个简便的途径来