基于模糊PID转向策略实现.docVIP

基于模糊PID转向策略实现 　　【摘要】转向控制是智能车辆运行过程中的关键因素。本文介绍了一种自适应性强，鲁棒性好，调节速度快，精度高的转向控制算法。利用matlab仿真，在理论上证实了这种方法的优越性，并在实践中的得到了检验。该方法具有调节速度快，精度高，自适应强，鲁棒性好。能有效克服智能车运行过程中的电量降低，机械磨损，摩擦力变化等因素。 　　【关键词】模糊PID；偏离角度；动态参数 　　1.引言 　　自20世纪90年代以来，随着汽车市场竞争激烈程度的日益加剧和智能运输系统研究的兴起，国际上对智能汽车及其相关技术的研究成为热门。对于自主循迹的智能车而言，精确快速的转向控制是决定智能车性能的关键因素之一。但由于智能车系统是一个相对稳定的非稳定系统，在运行过程中会出现电池电量降低，机械磨损，以及与路面摩擦力的改变等因素，难以建立准确的数学模型。也难以找出一套固定不变的参数来保证智能车运行全程高速稳定的运行。 　　目前在智能车转向控制方面，以路径的曲率作为控制量为主流，控制方法主要选用传统的PID控制。但要想准确计算曲率，需要的获取较多的路径信息，而且要求信息的准确度要高。目前传统的传感技术效果欠佳，而且由于运行过程中车身抖动等因素，对路径信息的提取准确度难以达到理想效果，所以计算出的曲率精度相对较低。常规PID过于依赖被控对象的数学模型，如果要想对被控对象进行精确的控制，就需要对比例系数KP、积分系数KI和微分系数KD进行整定。智能车系统复杂易变，难以建立准确的数学模型，所以传统的PID控制用于智能车转向就有一定的局限性。 　　本文采用模糊PID算法，在传统PID基础之上结合实际工程经验，加入模糊控制的思想。为智能车转向控制提供一种新的解决方案。 　　2.问题的分析 　　智能车转向控制属于非线性，复杂的控制系统。在智能车行驶过程中，常常会出现以下不利因素： 　　（1）舵机转角与单片机中所赋控制量的值之间成非线性关系。 　　（2）电池电量随着车的运行逐渐降低，导致车的性能改变，原有的参数不能达到预期的效果。 　　（3）智能车运行过程中机械结构的磨损，导致智能车的性能改变。 　　（4）不同赛道与车轮间的摩擦力大小不同。 　　（5）舵机及机械结构本身具有一定的延时性。 　　由于以上原因的存在，在智能车运行过程中，其性能处于一种相对稳定的非稳定状态，只用一组确定的控制参数难以实现整个行车过程中的高速稳定状态。而且难以对智能车转向建立准确的数学模型。 　　当前控制领域中，最常用的的控制方法是传统的PID控制。PID控制器是线性控制器，PID控制具有结构简单、易于实现、稳定性好、工作可靠、控制参数相互独立、应用面宽、适用范围广等优点。但是常规PID过于依赖被控对象的数学模型，如果要想对被控对象进行精确的控制，就需要对比例系数KP、积分系数KI和微分系数KD进行整定，这种整定往往依赖于具体的经验，需要一定的时间，并且参数在经过复杂的整定后就不再改变。因此，对于智能车的转向控制，传统的PID则不能达到优良的控制效果。模糊控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。模糊控制实质上是一种非线性控制系统，既具有一定的理论基础，同时能够融合实际工程经验，用比较简单的数学形式直接将人的判断、思维过程表达出来，具有灵活性好，适应性强等优点，从而逐渐得到了广泛应用。因此，考虑在PID控制的基础之上融入模糊控制理论的思想，使智能车的转向控制既具有PID控制的快速，精确性，又具有自适应性，能够克服智能车在运行过程中上述的不利因素。 　　3.模型的建立与求解 　　建立转向控制模型时，在智能车转向控制量的选择上，基于计算路径曲率作为控制量是大多数人的选择。然而计算曲率则需要花费较长时间对图像进行处理，同时计算本身也比较繁琐。由于本系统采用MC9S12XSl28芯片作为核心控制系统，芯片的性能相对较低，计算能力较差。所以在选择控制量时，没有选用曲率作为控制量。 　　通过实际调试与多种控制量的试用、比较最终选择车身中轴线与路径中轴线的夹角作为控制量。相关图像处理技术在此不详加赘述。 　　传统的PID控制器大家对其原理较为熟悉，在此不做说明，下面介绍模糊控制思想在智能车转向控制中的应用与具体实现过程，模糊理论中模糊控制器的结构如图1所示： 　　图1 模糊控制结构图 　　本系统采用二维模糊控制器，具有两个输入控制量三个输出控制量。两个输入控制量分别为角度的偏差E与角度偏差的变化率EC。选用两个输入量能够更严格的反映受控系统中输出变量的动态特性。也是目前广泛采用的一种模糊控制器。其结构如图2所示： 　　图2 二维模糊控制器结构图 　　（3）输出信息的反模糊化 　　在实际控制中，能够直接应用的