一种基于模糊控制的智能车转向控制算法研究
智能车辆中的运动控制算法研究
智能车辆中的运动控制算法研究随着技术的不断进步，智能车辆已经成为了一种趋势。
智能车辆在交通、物流等领域具有广阔的应用前景。
而其中的运动控制算法则是智能车辆实现自主驾驶、避障、路径规划等功能的关键技术之一。
一、运动控制算法的定义和意义运动控制算法是智能车辆的核心技术之一，其主要作用是实现车辆对行进速度和方向的控制。
智能车辆能够进行自主驾驶的关键在于运动控制算法的准确、高效和稳定性。
运动控制算法不仅可以提高智能车辆的安全性和行驶效率，还可以提高其自主驾驶的自适应性和鲁棒性。
二、智能车辆中的运动控制算法智能车辆中的运动控制算法主要包括三个方面：车辆的行进速度控制、车辆的方向控制和刹车控制。
1. 行进速度控制行进速度控制是智能车辆运动控制算法的重要内容之一。
实现行进速度控制可以让车辆在不同路况下保持稳定、平稳、并且具有高速行驶的能力。
主要的控制方法包括PID控制、模糊控制、遗传算法等。
其中PID控制是最常用的控制方法。
该方法可以通过不断地计算和比较车辆的实时速度与期望速度之间的误差来调整输入信号，从而实现车辆行进速度的控制。
模糊控制和遗传算法对于复杂性较高的道路环境下的速度控制也有一定的应用。
2. 方向控制方向控制是智能车辆运动控制算法中另一个重要方面。
它通过对车辆的车轮进行控制，实现对方向的调整和控制。
方向控制主要的控制方法包括前馈控制、模糊控制和神经网络控制等。
其中模糊控制是最常用的控制方法之一。
通过对车辆行驶环境的模糊化处理，将车辆行驶环境的模糊输入转化为车辆方向控制的输出。
前馈控制和神经网络控制对于道路环境变化较大、路况不良等情况下的方向控制能力更为强大。
3. 刹车控制刹车控制是智能车辆运动控制算法的第三个方面。
通过刹车控制可以实现车辆的急刹车、平稳刹车、以及防抱死等功能。
主要的刹车控制方法包括反馈控制和PID控制。
反馈控制是刹车控制中常用的方法。
该方法主要通过对车辆速度并不断调整刹车信号，从而实现对车辆刹车效果的控制。
智能车转向系统模糊控制器设计研究
智能车控制系统主要由路径识 别 、 速度采集 、 向控制 转
及速度控制等功能模块组成。通过路径识别模块检测 白板
复杂 ， 同一套模糊控制 参数无法 完全适应 不同 的路 径。丁 芳 ， 国亚 等人针 对智 能车 提 出了模糊 控制 的应用 ， 张 进行了仿真研究 和控 制器设计 ， 变参数控制 方面没有论 在
当传感器检测到引导黑 线在车身 中心时 ， 明车身正 说
好位于引导线位置上 ， 即车没有发生偏离 ， 当传感器检测到
制方式是 ＰＤ控制 ， Ｉ 由于传 统 ＰＤ控 制的参数是 固定不变 Ｉ 的， 不能进行在线 调整 ， 控制效果 往往难 以满 足要求 ， 其 表
现为巡线不准确 、 超调 等问题 。
黑线位置在车身左 侧或者右侧 时， 即有偏差存在 ， 偏差反馈
到 ＭＣ 通过 电子驱 动 、 Ｕ， 机械动作 ， 生向右转或者 向左 转 产
模糊控制以模糊集合论 、 模糊语 言变量及模 糊逻辑 推
理为基础 ， 模拟人的近似推理和决策过程 ， 主要用于非线性
的动作 ， 以使车身 回到 引导线 中心位置。这样就 能达到 小
３ ４
传感 器与微系统 （ ｒｎｄ ｃｒ ｎ ｃｏｙｔｍ Ｔ ｃｎｌｇ ｓ Ｔａ ｓｕｅ ｄＭｉ ｓｓ ｅｈｏｏｉ ） ａ ｒ ｅ ｅ
２１ ００年 第 ２ ９卷 第 ５ 期
智 能 车转 向系统 模糊 控 制 器 设 计 研 究
兰 华 ，李 晓鹏 ，丁 勇竣
（ 北京理工大学 汽车电子技术创新中心 ， 北京 １０ ８ ） ００ １
ｓｅ ｒｎ ｙ ｔ ｍ ｔ ｅ ｉ ｇ ｓ ｓｅ
Ｌ Ｎ Ｈｕ ， Ｉ ｉ —ｅ ｇ Ｄ Ｎ ｏ ｇ ｕ Ａ ａ Ｌ ａ ｐ ｎ ， Ｉ Ｇ Ｙ ｎ － ｎ Ｘ ｏ ｊ
《湖北汽车工业学院学报》第22卷(2008)总目次
质 心侧 偏 角 和 横 摆 角速 度 对 车 辆 稳 定 性 的影 响研 究 … … … … … … … …… … … … … … … …… … … … … 周 红 妮 ，陶健 民 （ ） ６ 基 于数 值 模 拟 的 车身 材 料 抗 凹 性 分 析 … … … … … … … … … … … … … … … 、 … … … … … … … … … 郝 … 新 型后 雨 刮 电控 系统 的设 计 … … … … … … … … … … … … … … … … … … … … … … … … …… …
幻 （１ ７）
展 ， （５ 等 ７） 初 探 … … … … … … … … … … … … … … … … … … … … … …… … … … … … … …… … … … … … 沈
【 ２期 】 第
基 于协 同仿 真 环 境 的 活塞 三 维 热 分 析 与结 构改 进 设 计 … … … … … … … … … … … … … … … … … … … … 马 迅。 何 波 （） １
《 湖北汽车工业学院学报》 ２ 卷 （０ ８ 总 目次 第 ２ ２０ ）
【 １ 】 第 期
四轮 独 立驱 动 电动 汽 车 驱 动 防 滑实 车 试 验 … … … … … … … … … … … … … … … … … … …… … … … … … … 杜 志 强 ， 陈 慧 （ ） １ 各 双 回路 制 动 系 统 在 某 回路 失 效 时 的制 动 能 力分 析 … … … … … … … … … … … … … … … … … … … … …… 金 阳 ， 志 勇（ ） 郝 ７ 基 于 Ａ Ａ ／Ａ 四连 杆 式 非 独 立 悬架 建 模 与 仿 真 … … … … … … … … … … … … … … … … … … … … … 于建 民 ， Ｄ ＭＳＣ Ｒ 粱 丽 （３ １）
模糊控制理论与应用研究
模糊控制理论与应用研究随着科技的发展和人工智能的兴起，控制理论也得到了越来越广泛的应用。
其中，模糊控制理论作为一种新型的控制方法，被许多领域所采用，如机器人、汽车、电子设备等。
那么模糊控制理论是什么？它又有哪些应用呢？一、模糊控制理论的基本概念和原理模糊控制理论是在人工智能和控制理论的基础上发展起来的一种新型控制方法。
相较于传统的控制方法和系统，模糊控制更加灵活和适应性强。
其核心原理是模糊逻辑，即在给定的条件下，将模糊概念映射到具体的控制行为上。
模糊控制涉及到很多数学和计算机算法，比如模糊集合、模糊规则、模糊推理等，这些都是构成模糊控制系统的基础。
二、模糊控制理论的应用1.机器人控制机器人是模糊控制的一个典型应用领域。
机器人控制需要根据外部环境和任务需求来实现运动控制和路径规划等功能，而传统的控制方法很难涵盖这些功能。
因此，模糊控制可以实现对机器人的高自适应性控制，使其可以适应多种环境和不同的任务需求。
2.汽车控制在汽车控制领域，模糊控制也被广泛应用，其中最典型的应用是自动驾驶。
自动驾驶需要能够对行车环境进行识别和处理，并根据车辆的速度、方向、加速度等信息，实现自主控制。
3.电子设备控制除了机器人和汽车控制，模糊控制在电子设备控制领域也有广泛的应用。
电子设备控制中，需要对输入信号进行分析和处理，根据控制目标，制定相应的控制策略。
而模糊控制可以实现对信号的快速处理，从而减少控制误差和能耗。
总的来说，模糊控制理论和应用是一种可以帮助人们更好的解决控制问题的方法，不论是在机器人、汽车、电子设备等领域，模糊控制都可以帮助我们更好的实现自主控制和智能化控制，从而为我们的生产生活带来更多的便利和效益。
基于模糊控制的智能交通系统设计与实现
基于模糊控制的智能交通系统设计与实现第一章前言随着现代交通的日益发展，交通问题也变得日益突出。
传统的交通控制方式已经不能够满足现代交通的需求，因此需要新的交通控制方式。
智能交通系统作为新型的交通控制方式，正在得到越来越广泛的应用。
本文将介绍基于模糊控制的智能交通系统的设计与实现。
第二章智能交通系统的概述智能交通系统是一种交通信息化技术，是指在交通领域内应用信息技术，使交通系统具有自我感知、自我调节、自我协调、自我教育和自我管理的能力。
智能交通系统通常包括道路交通控制、智能车辆、通信网络、信息管理等部分。
智能交通系统的主要目标是提高路网容量和道路通行效率，减少交通事故和交通拥堵。
第三章模糊控制的原理与方法模糊控制是一种基于模糊集合理论的控制方法。
与传统的精确数学模型不同，模糊控制可以应对不确定性和复杂性问题。
模糊控制的基本原理是将模糊变量输入系统，通过模糊推理得到控制变量，从而实现对系统的控制。
模糊控制的方法主要包括模糊集合的定义、模糊规则的设计和模糊推理机制的实现。
模糊集合是指对某一变量进行模糊化，将其划分为若干模糊集合。
模糊规则是一组形如“IF A THEN B”的语句，其中A和B均为模糊集合。
模糊推理机制主要分为模糊推理和模糊控制两个阶段。
模糊推理是指将输入的模糊集合和模糊规则进行匹配，得到匹配度最高的模糊规则。
模糊控制是指根据匹配到的模糊规则和输出的控制变量，对系统进行控制。
第四章基于模糊控制的智能交通系统设计本文设计的基于模糊控制的智能交通系统主要包括车辆导航模块、交通信号控制模块、智能安全监测模块和交通管理中心模块。
车辆导航模块主要为车辆提供导航服务，通过GPS定位、交通路况分析等方式，为车辆提供最佳路线规划。
交通信号控制模块主要负责交通信号的控制，通过模糊控制方法，对红绿灯的时序进行控制，以提高路网容量和道路通行效率。
智能安全监测模块主要对路口行人、车辆、交通标志等情况进行检测和监测，及时发现交通事故和交通违法行为，提高交通安全性。
模糊PID控制算法在智能小车中的研究与应用
模糊PID控制算法在智能小车中的研究与应用一、本文概述随着科技的快速发展和智能化水平的提高，智能小车在各个领域的应用越来越广泛，如无人驾驶、物流运输、环境监测等。
然而，智能小车的运动控制是一个复杂的问题，需要解决路径规划、避障、速度控制等多个方面的问题。
其中，速度控制是智能小车运动控制的核心问题之一。
传统的PID控制算法在速度控制方面有着广泛的应用，但由于其对于系统参数变化的敏感性，使得其在实际应用中往往难以达到理想的控制效果。
因此，本文提出了一种基于模糊PID控制算法的智能小车速度控制方法，旨在提高智能小车的运动控制精度和稳定性。
本文首先对模糊PID控制算法的基本原理和特点进行了介绍，然后详细阐述了模糊PID控制算法在智能小车速度控制中的应用方法。
在此基础上，通过实验验证了模糊PID控制算法在智能小车速度控制中的有效性和优越性。
本文的研究工作不仅为智能小车的运动控制提供了一种新的方法，同时也为模糊PID控制算法在其他领域的应用提供了有益的参考。
接下来，本文将从模糊PID控制算法的基本原理、智能小车的运动控制模型、模糊PID控制算法在智能小车速度控制中的应用方法、实验结果与分析等方面展开详细的阐述。
二、模糊PID控制算法的基本原理模糊PID控制算法是一种结合了模糊逻辑和传统PID控制算法的控制策略。
该算法利用模糊逻辑处理PID控制中的非线性、不确定性和复杂性问题，从而提高了系统的鲁棒性和控制精度。
模糊逻辑是一种基于模糊集合和模糊推理的控制系统设计方法。
在模糊逻辑中，变量不再局限于具体的数值，而是可以在一定的范围内取任意值，这种变量被称为模糊变量。
模糊逻辑通过模糊集合和模糊运算，能够处理不确定性、非线性和不精确性等问题，使系统更加适应复杂环境。
PID控制算法是一种经典的闭环控制算法，由比例（P）、积分（I）和微分（D）三个部分组成。
PID控制器通过比较实际输出与期望输出的偏差，根据偏差的大小和方向，调整控制量以实现系统的稳定控制。
智能车基于pid及模糊控制的油门刹车速度控制算法
首先定义速度偏差-50 km/h ≤e （k ）≤50km/h ，-20≤ec （i ）= e （k ）- e （k-1）≤20，阀值e swith =10km/h ，∂throttle 为油门当前的控制量，∂brake 为刹车当前的控制量 设计思想：油门控制采用增量式PID 控制算法，输入量为e （k ）、e （k-1）、e （k-2）和u （k-1）（上一时刻的输出量），输出量u （k ）为油门控制量（油阀）；刹车控制采用模糊控制算法，输入为e （k ）和ec （i ），输出量为刹车控制量；最后通过选择规则进行选择。
选择规则：-50 km/h ≤e （k ）<0 ① e （k ）>- e swith 选择油门控制② e （k ）≤- e swith 若∂throttle ≠0先选择油门再从新进行选择 若∂throttle =0选择刹车 0<e （k ）≤50 km/h ① u brake ≤ ∂brake 选择刹车控制 ② u brake > ∂brake 先选择刹车后选择油门 e （k ）=0 直接跳出选择刹车控制：刹车采用模糊控制算法1.确定模糊语言变量e 基本论域取[-50,50]，ec 基本论域取[-20,20]，刹车控制量输出u 基本论域取[-30,30]，这里我将这三个变量按照下面的公式进行离散化：)]2(2[ba x ab n y +--=其中，],[b a x ∈，n 为离散度。
E 、ec 和u 均取离散度n=3，离散化后得到三个量的语言值论域分别为：E=EC=U={-3,-2,-1,0,1,2,3}其对应语言值为{ NB,NM,NS,ZO, PS,PM,PB } 2.确定隶属度函数E/EC 和U 取相同的隶属度函数即：E E CU (,5,1)(,3,2,0)(,3,1,1)u (,2,0,2)(,1,1,3)(,0,2,3)(,1,5)g x trig x trig x trig x trig x trig x g x ∧∧--⎧⎪--⎪⎪--⎪=-⎨⎪-⎪⎪⎪⎩说明：都选用三角形隶属度函数，图像略实际EC 和E 输入值若超出论域范围，则取相应的端点值。
基于红外光电传感器的智能车两轮差速转向模糊控制
检 测 到 导 引 带 传感 器 读 数 为 １ 检测 到地 面 传 感 器读 数 为 ０ ， ）
表 １ 传 感 器 检 测 信 号 值
Ａ ＣＤ 对应 十进制数 能否 出现 Ｂ ００ ０Ｏ Ｏ 可能 出现 ００ ０１ １ 可能 出现 Ｏ １ ００ ｏ ｌ ｏｌ ０ｏ ｌｏ ０ ０ １ｌ ０ ｌ ｌＯ
ａ ｄ ｒ ｈ ｐ ｅ ｓ ｏ ｈ ｏ ｍｏｏ ｓＴ ｅ ｅ ｐ ｒ ｎａ ｅ ｕｔ ｈ ｗ ｈ ｔｔ ｅ ｔ ｏ ｗｈ ｌｄｆ ｒ ｎ ｅ ｓ ｅ ｄ ｓｅ ｒ ｇ ｎｅ ｌ ｅ ｔ ｎ ｉ ｔ ｓ ｅ ｄ ｆ ｔ ｅ ｔ ｔ ｒ ．ｈ ｘ ｅ ｉ ｔ ｌｒ ｓ ｌ ｓ ｏ ｔａ ｈ ｇ ｗ ｍｅ ｓ ｗ － ｅ ｉｅ ｅ ｃ ｐ ｔ ｅ ｉ ｉ ｌ ｎ ｎ ｔ ｉ ｇ
Ｋｅ ｗｏｄｓｉｆａ ｅ ｓ ｎｓ ， ｔ ｌｇｅ ｔ ｖ ｈｉ ｅ， ｆ ｅｎ ｉ ｔ ｒ ｙ ｒ ： ｒ ｒ ｄ ｅ ｏｒｉ ｅｌ ｎ ｅ ｃｌ ｄｉｅｒ ｔ ｓｅｅ ｉ ｆ ｚ ｙ ｃ ｔｏｌ ｎ ｎ ｉ ａｌ ｎｇ． ｚ ｏｎ ｒ ｕ
智 能 车设计 是 一 种 以汽 车 电 子 为背 景 ， 盖 控制 、 涵 电子 电气 、 计算机、 机械 等多 学科 的科 技创 意 性设 计 。它 主要 由路 径 识别 、 速 度采集、 角度 控 制 及 车速 控 制等 功 能 模 块组 成 。 智 能小 车 要 实 现 的最 基 本 功 能 简单 的来 说 ， 是 沿 着 固定 导 引 带 运 行 ， 小 车 的 就 对 控制 主要 体 现 在 当小 车 相 对 于导 引 带发 生 偏 移 时 ， 制 系 统 做 出 控 相应 的调 整 将 偏差 消 除 ， 小 车运 行 方 向 与导 引 带保 持 一 致 。 如 使 果在 小 车在 没 有脱 离 导 引 带 的情 况 下可 以很 快 的将 偏 差 消 除 ， 且 没有 较 大 的波 动 ， 我们 就认 为 已 经达 到 了控 制 的要 求 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第32卷第1期2011年1月微 计 算 机 应 用M I C ROCOM P UTER APPL I C AT I O NSV ol 32N o 1Jan 2011一种基于模糊控制的智能车转向控制算法研究孙绍杰 齐晓慧(军械工程学院光学与电子工程系 石家庄 050003)摘要:针对飞思卡尔电磁车模型,探讨了从交变电流产生的电磁场中进行路径检测的问题,提出了一种基于模糊控制的舵机转向控制算法,目的是提高智能车通过复杂电磁赛道特别是S弯道时的稳定性,并进行了仿真与试验验证。
结果表明,设计的电路能很好的进行路径检测,提出的转向控制算法能使小车的舵机输出以较高精度跟随期望输入信号,在复杂赛道上得到较为平稳的转向控制。
关键词:智能车 方向控制器 路径检测 模糊控制R esearch on Intelli gent Car s Servo ControlA l gorith m Based on Fuzzy ControlSUN Shao jie,Q I X iaohu i(D epart m ent of O ptics and E lectron ics Eng ineer i ng,O rdnance Eng ineer i ng Co llege,Sh iji azhuang050003China)Abstrac t:A i m i ng at the i n telligent vehic l e mode,l how to recogn i ze nav i gation pa t h from an AC e lectro m agnetic field is d i scussed,and a steer i ng contro l a l go rith m based on fuzzy contro l for autonom ous nav igati on of veh icle i s brough t for w ard i n this paper Bo t h the si m u lati on and test resu lts show tha t t he designed c ircuit does bette r at pa t h detec ti on,and the f uzzy contro l can i m prove the stability of con trol greatl yK eywords:Inte lligen t car,D irection controller,P ath detec tion,Fuzzy con tro l第五届全国大学生智能汽车竞赛新增加了电磁组比赛。
赛道引导线由原来的黑色线改为通有交变电流的导线,竞赛车模需要通过识别电流所产生的电磁场进行路径检测。
除此之外在赛道的起跑线处还有永磁铁标志起跑线的位置[1]。
影响赛车性能的主要因素有:路径的采集识别;!控制算法,包括速度控制和方向控制。
在实践中,智能车的速度采用的是常用的PI D控制,且取得了较好的效果。
但方向控制却由于赛道的复杂性,难以建立较为精确的数学模型,而不便于采用传统的PI D控制。
模糊控制算法不需要建立精确的系统数学模型,可以根据经验建立控制规则,并且比赛选用的MC9S12DG128单片机具有专门的模糊控制指令,该指令可以使编程大为简化,也使CP U负荷降低。
鉴于此,本文针对飞思卡尔电磁车模型,在解决从交变电流产生的电磁场中进行路径检测问题,获得小车实际位置与∀引导线#之间误差的基础上,设计了一种方向模糊控制器,给出了模糊控制算法,并通过仿真和试验进行了验证。
1 电磁车寻迹原理及实现1 1 电磁车寻迹原理[1]根据麦克斯韦电磁场理论,交变电流会在周围产生交变的电磁场。
智能汽车竞赛使用路径导航的交流本文于2010-09-10收到,2010-12-28收到修改稿。
1期孙绍杰等:一种基于模糊控制的智能车转向控制算法研究电流频率为20k H z,产生的电磁波属于甚低频(VLF)电磁波。
如果在通电直导线两边的周围竖直放置两个轴线相互垂直并位于与导线相垂直平面内的线圈,则可以感应磁场向量的两个垂直分量,进而可以获得磁场的强度和方向。
通过检测相应的电磁场的强度和方向可以反过获得距离导线的空间位置,这正是可以进行电磁导航的原因。
当导线中的电流按一定规律变化时,导线周围的磁场也将发生变化,线圈中将感应出一定的电动势。
由于本设计中导线中通过的电流频率较低,为20k H z,且线圈较小,令线圈中心到导线的距离为r,认为小范围内磁场分布是均匀的。
再根据导线周围磁场分布规律,则线圈中感应电动势e可近似为e=-dd t=krdId t=Kr(1)即线圈中感应电动势的大小正比于电流的变化率,反比于线圈中心到导线的距离。
其中常量K为与线圈摆放方法、线圈面积和一些物理常量有关的一个量,具体的感应电动势常量须实际测定来确定。
1 2 寻迹电路设计实际选用的电路由选频放大、幅度测量两部分组成,如图1所示。
电路中的电感线圈L1可以对其周围的交变磁场感应出相应电动势。
用L1、C1组成的LC串并联电路来实现选频,在频谱上可以有效地避开周围其它磁场的干扰。
感应出的信号经过单管放大器T1放大后,使用D1、D2组成的二极管检波电路将交变的电压信号检波形成直流信号,然后再通过单片机的AD采集获得正比于感应电压幅值的数值e。
由公式(1),可知横向偏差E满足:E=r=K/e(2)图1 路径检测电路为了提高控制的效果,设计中还引入了误差的变化率作为控制量,以实现转向的超前控制。
误差的变化率用前后两次的检测误差的差值表示,即E c=E i+1-E i。
这样路径识别的结果就可以用在舵机转向的模糊控制中。
2 转向模糊控制算法模糊控制是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法,从行为上模拟人的思维方式。
它对难建模的对象实施模糊推理和决策,实际上是一种非线性控制。
该方法首先将操作人员或专家经验编成模糊规则,然后将来自传感器的实时信号模糊化,将模糊化后的信号作为模糊规则的输入,完成模糊推理,再将推理后得到的输出量加到执行器上[2]。
模糊控制器由3个功能模块组成,即模糊化模块、模糊推理模块和解模糊模块,如图2所示。
M C9S l2DG l28中为这3个阶段分别设置了相应的指令,即M E M、REV、REV W和WAV。
其中ME M为模糊化指令,REV和RE VW分别为普通和加权推理运算指令,WAV为解模糊指令。
27微 计 算 机 应 用 2011年2 1 输入输出变量的确定智能车模糊控制采用二维模糊控制器。
输入变量E 、E c ,分别为赛车前端的传感器给出的赛车位置和道路中心的横向偏差和偏差的变化率,其输出变量U 为赛车的前轮转向角,通过改变输出P WM 波的占空比来改变。
图2 模糊控制器的组成框图2 2 模糊化在模糊控制系统中,电磁车所检测的信息是精确量,要将这些精确的物理量转变成语言变量即模糊化。
为了减少单片机的运算量,提高处理速度,各变量均采用线形的三角型隶属度函数。
在本系统中,共有九个图1所示的模块并排于智能车前端,用来检测引导线的位置,其标号定义为1-9,标号5的模块位于智能车中心,这样检测到信号的模块标号与5的差值就可表示为当前误差值,因此可将误差E 的论域设定为[-4,4];由每一次控制中,误差的变化值范围可将误差变化率E c 的论域设定在[-6,6];小车转动角度An gle 的范围在[-30,30]内。
为了兼顾系统的控制精度和响应速度,各变量论域均取7个模糊子集,即{NB ,NM,NS ,ZO,PS ,P M,PB}。
其各个变量的隶属度函数如图3、图4、图5所示。
2 3 模糊规则库的建立确定控制规则是模糊控制器设计的核心工作。
控制规则的多少视输入及输出数目及所需控制精度而定。
控制规则库常根据人们的经验得到。
根据驾驶员驾车的经验,当车与轨道的偏差很大,且偏差的变化率也很大时应使舵机向相反的方向打较大的角度;当车与轨道的偏差不是很大时,舵机应稍打或不打;当偏差较大而偏差变化率向相反方向很大时,说明偏差正在变小此时舵机可以不打。
根据以上控制经验可建立方向模糊控制规则表,如表1所示。
将这些模糊规则以程序的形式写到单片机中,从而实现对智能车的控制。
图3 误差E 的隶属度函数图4 误差变化率E C 的隶属度函数281期孙绍杰等:一种基于模糊控制的智能车转向控制算法研究图5 小车转动角度A ng le的隶属度函数表1 模糊控制规则表E UEcNB NM NS ZO PS P M PB NB NB NB NB NM N S N S N S NM NB NB NM NM N S ZO PS N S NM NM NS NS ZO PS PS ZO NM N S NS ZO ZO PS PM PS N S N S ZO PS PS P M PM P M N S ZO PS PS P M PB PB PB ZO PS PS P M PB PB PB2 4 模糊推理及反模糊化输出这里采用MAX-M I N法进行模糊推理。
MAX-M I N法则规定:当相同后件的规则强度不同时,模糊输出取其大者[3]。
MC9S12DG128B单片机规定各个前件之间只进行模糊与运算,而如果几个规则的逻辑后件影响到同一个模糊输出,它们之间就隐含模糊或运算,此时即使用M I N-MAX法进行模糊推理。
反模糊化就是将模糊推理后得到的模糊集转化为用作控制的数字值的过程。
本方案反模糊化算法采用常用的重心法(C OG法)。
S12单片机反模糊化指令WAV采用的就是重心法,其计算公式为COG=∃ni=1S i F i∃ni=1F i(3)式(3)中:F i为变量属于各模糊子集的隶属度;S i为语言值。
3 MATLAB仿真分析由于电机的转向与输出的P WM波成正比例的关系,所以可以近似的认为小车转向速度与电机的输出成正比例的关系。
根据小车的动力学模型,可推得小车的转向模型近似为一个三阶系统,结合小车参数,简单估算其舵机的传递函数为[4]G(s)=10 4s+2s(4)为了考查模糊控制的控制效果,利用M atlab模糊控制工具箱和S i m ulink模块对加模糊控制前后系统的性能加以仿真比较,仿真结构如图6所示。
仿真中所用激励为模拟S弯道的信号,仿真时间设置为70s。
29微 计 算 机 应 用 2011年图6 舵机系统S i m u link 仿真结构图仿真结果如图7、8所示:图7未加模糊控制的舵机仿真效果图8 具有模糊控制的舵机仿真效果图7,图8中虚线为需要跟踪的模拟S 弯道的信号,实线为加模糊控制前后舵机的仿真输出值。