基于模糊控制的智能车寻迹算法研究
模糊系统控制算法在智能交通中的应用研究
模糊系统控制算法在智能交通中的应用研究智能交通系统是现代交通领域的重要研究方向之一，它的目标是通过运用先进的技术手段，提高道路交通的效率、安全性以及舒适度。
在智能交通系统中，模糊系统控制算法被广泛应用于交通流量控制、车辆动态优化、交通信号灯控制以及拥堵识别等方面，极大地改善了交通拥堵问题，并且提高了道路的通行效率。
模糊系统控制算法以模糊逻辑原理为基础，模拟人类的思维过程，通过数学模型来建立复杂的控制规则。
这种算法不仅在不确定性问题上表现出色，而且可以处理非线性系统，适应性较强。
在智能交通中，模糊系统控制算法常用于交通信号灯的控制。
传统的信号灯采用固定时长的控制方式，无法灵活应对不同道路的交通流量变化，往往导致交通拥堵问题严重。
而模糊系统控制算法可以根据当前交通状况，动态调整交通信号灯的时长，以实现最佳的交通流畅度。
在智能交通中，模糊系统控制算法还可以应用于车辆动态优化。
通过收集和分析车辆的动态数据，模糊系统可以根据当前车道的流量情况、车辆速度、车辆间距等因素，实时调整车辆的行驶策略，优化车流，避免交通事故和拥堵。
此外，模糊系统还可以通过预测车辆行驶路径，提前调整路况，减少交通事故的发生。
另外，模糊系统控制算法在智能交通中的应用还体现在交通拥堵识别方面。
通过采集路况图像、视频数据以及其他相关信息，模糊系统可以对道路上的交通拥堵情况进行实时分析，并提供相应的建议和措施，如引导车辆绕行、调整交通信号灯等。
这种智能的交通拥堵识别系统可以有效地缓解拥堵压力，提高道路通行效率，减少交通事故的发生。
除了上述应用，模糊系统控制算法在智能交通中还可以用于交通规划、智能驾驶等方面。
例如，模糊系统可以通过分析历史交通数据，预测未来的交通状况，帮助交通规划者制定合理的交通规划方案。
在智能驾驶方面，模糊系统可以根据路况、车辆行驶状态等信息，实现车辆的智能化控制，提高驾驶安全性和舒适度。
虽然模糊系统控制算法在智能交通领域有着广泛的应用前景，但仍存在一些挑战和问题需要解决。
基于模糊PID的自主寻迹小车控制
基于模糊PID的自主寻迹小车控制杨惠;高翔【摘要】Due to the different road conditions during the vehicle tracing process,the parameters of the mathematical model will change constantly,which make it difficult to set the global value for this parameters in traditional PID model.To solve the problem,fuzzy PID based control strategy is proposed.In the strategy,the values of three parameters are adjusted in real time according to the road condition,through the variation of the three parameter values.At the same time,the traditional PID and fuzzy PID are simulated by the simulation software.Atlast,simulated experiments based on Freescale model are carried out to verify accuracy as well as the superiority of fuzzy PID of the simulation results.%小车寻迹过程中由于路况不同,其数学模型的参数会不断地发生变化,这使得以往的传统PID全局参数的整定极为困难.因此提出了一种基于模糊PID的控制策略.通过模糊控制整定PID的3个参数的变化量,从而根据路况的不同,实现PID 三个参数的实时调节.同时应用仿真软件对系统的数学模型分别进行了传统PID和模糊PID的仿真.最后,在以飞思卡尔车模为基础的试验平台上进行模拟试验,验证了仿真结果和理论的准确性,以及模糊PID相比于传统PID的优越性.【期刊名称】《工业仪表与自动化装置》【年(卷),期】2017(000)004【总页数】6页(P92-96,100)【关键词】小车;模糊;自主寻迹;仿真【作者】杨惠;高翔【作者单位】兰州文理学院电子信息工程学院,兰州730000;兰州文理学院数字媒体学院,兰州730000【正文语种】中文【中图分类】TP391.9随着计算机技术、网络技术、通信技术的飞速发展，智能车在世界各国的研究不断深入[1]。
基于模糊逻辑的智能车辆控制技术研究
基于模糊逻辑的智能车辆控制技术研究近年来，随着智能化、自动化的发展，车辆智能化技术得到了广泛关注和应用。
在智能车辆控制技术中，模糊逻辑作为一种强大的工具，在处理复杂问题和提高智能化程度方面具有重要的应用价值。
本文将探讨基于模糊逻辑的智能车辆控制技术研究。
一、模糊逻辑介绍模糊逻辑是一种用来处理模糊信息的逻辑方法，是一种基于模糊概念的逻辑。
模糊逻辑研究的是不精确和不确定的信息，它不是二元思想的延伸，而是通过灵活的处理模糊信息，把事物之间的关系表示出来。
模糊逻辑具有可扩展性强、易于建模、计算量小等特点，是处理复杂问题的有效工具。
二、智能车辆控制技术智能车辆控制技术是一种通过植入感应器和计算机等智能设备，实现对车辆进行自主控制的技术。
通过智能化技术，车辆可以自动感知周围环境，通过内部算法进行决策和操作，从而实现驾驶员的部分或全部任务。
该技术可以大大提高车辆的安全性、路况适应性和驾驶舒适度，并在未来的出行方式中扮演着重要的角色。
三、基于模糊逻辑的智能车辆控制方法研究智能车辆控制过程中，模糊逻辑技术可以应用于对车辆行驶环境、车辆状态等信息进行模糊处理，并通过各种模糊控制算法进行计算和决策，从而实现车辆的智能化控制。
1、环境感知与模糊逻辑处理车辆智能化控制的基础是对周围环境的感知。
通过感应器、雷达、摄像头等设备对车辆行驶环境进行实时监测，并通过模糊控制算法进行模糊处理，在一定程度上提高车辆的精准性和适应性。
例如，对于车辆的自动驾驶功能，通过在车身周围安装众多感应器和摄像头，可以对车辆周围环境进行全面感知，并对路况进行模糊分类。
通过模糊分类可得出当前路况下的最佳行驶速度和方向，从而进行自动驾驶。
模糊处理技术可以灵活处理不同情况下的路况，保障车辆的安全行驶。
2、状态识别与模糊逻辑算法车辆的状态可以通过车辆内部的传感器进行监控，如发动机转速、油门状态、油耗等，在此基础上，通过模糊逻辑算法对车辆状态进行模糊处理，确定最佳的控制方式和调节参数。
基于模糊控制的自动驾驶汽车导航算法研究
基于模糊控制的自动驾驶汽车导航算法研究第一章概述随着科学技术的飞速发展，自动驾驶汽车正成为未来交通的重要发展方向。
汽车导航算法作为自动驾驶汽车的核心技术之一，越来越受到人们的关注和重视。
本文主要介绍基于模糊控制的自动驾驶汽车导航算法研究。
第二章模糊控制及其在自动驾驶汽车导航中的应用模糊控制是一种基于模糊逻辑的控制方法，可以处理一些非线性或具有不确定性的系统。
在自动驾驶汽车导航中，模糊控制可以用来处理车辆本身、环境和路况等因素对导航的影响。
以自动泊车为例，模糊控制可以根据车辆传感器所获得的车位信息、车速信息以及其他环境信息来确定泊车路径，进而控制车辆行驶。
第三章基于模糊控制的自动驾驶汽车导航算法基于模糊控制的自动驾驶汽车导航算法主要包括以下几个方面：1. 提取道路信息首先，通过车载相机等设备获取道路信息，如道路中心线、车道标线等。
2. 处理道路信息对获取的道路信息进行处理，如提取车道线，计算车道宽度、车道曲率等信息。
3. 生成所需导航信息利用处理后的道路信息，生成所需导航信息，如车辆应行驶的路径、车辆行驶速度等。
4. 控制车辆行驶根据生成的导航信息，使用模糊控制算法调整车辆的转向角度、速度等参数，保证车辆的行驶安全和效率。
第四章基于模糊控制的自动驾驶汽车导航算法实例以下是一种基于模糊控制的自动驾驶汽车导航算法实例：1. 提取道路信息通过车载相机获取道路信息，如车道线、隧道入口等。
2. 处理道路信息对获取的道路信息进行处理，如识别车道数、计算车道宽度、曲率半径等。
3. 生成所需导航信息根据处理后的道路信息，生成车辆应行驶的路径、速度等导航信息。
4. 控制车辆行驶根据生成的导航信息，利用模糊控制算法计算转向角度、速度等参数，保证车辆安全行驶。
如车辆行驶到隧道入口时，通过模糊控制算法调整车辆速度，保证行驶安全。
第五章总结基于模糊控制的自动驾驶汽车导航算法可以通过模糊逻辑处理复杂、非线性、不确定的系统，对自动驾驶汽车导航算法进行优化和提升。
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。
模糊算法在智能车控制中的应用
模糊算法在智能车控制中的应用随着科技的不断进步，智能车逐渐成为汽车行业的研究热点。
智能车具备通过传感器收集信息、分析信息并做出相应决策的能力，从而实现自主驾驶。
而智能车的控制算法中，模糊算法被广泛应用。
模糊算法是一种基于模糊逻辑的控制算法，它能够处理不确定性和模糊性信息。
模糊算法通过建立规则库、定义模糊集合和实现模糊推理来实现智能车的自主控制。
以下是模糊算法在智能车控制中的几个重要应用。
1.路径规划：智能车通过感应器获取周围环境信息，并使用模糊算法进行路径规划。
模糊算法可以根据不同的环境情况，如道路条件、车流量等，根据一系列规则，推断出最佳路径。
通过将车辆与感知环境进行模糊建模，模糊算法能够考虑诸多因素并生成适当的规划路径。
2.避障控制：智能车需要能够避开障碍物以确保行驶安全。
模糊算法可以根据传感器收集到的障碍物信息，以及车辆当前的速度、方向等状态，推断出避开障碍物的最佳行驶方式。
模糊算法可以将障碍物的距离、形状等模糊化，通过一系列模糊规则对避障行为进行控制。
3.车辆稳定性控制：在高速运动中，智能车需要保持稳定以确保驾驶安全。
模糊算法可以根据传感器收集到的车辆姿态、速度等信息，推断出调整车辆操纵的最佳方式。
通过模糊算法，可以将车辆的稳定性与多种因素进行模糊建模，从而实现智能车的稳定控制。
4.自适应巡航控制：自适应巡航控制是智能车中的一个重要功能，它能够根据前方车辆的速度、距离等信息，自动调整车辆的速度和跟驰距离。
模糊算法可以根据传感器收集到的信息，推断出最佳的巡航速度和距离。
通过模糊化车辆速度和距离等变量，并定义一系列模糊规则，模糊算法能够实现智能车的自适应巡航控制。
总结起来，模糊算法在智能车控制中的应用主要包括路径规划、避障控制、车辆稳定性控制和自适应巡航控制等方面。
这些应用使得智能车能够更好地适应复杂多变的道路和环境条件，提高了车辆的安全性和驾驶舒适性。
随着技术的不断进步和算法的不断优化，模糊算法在智能车控制中的应用前景将更加广阔。
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模糊PID控制算法在智能小车中的研究与应用摘要：智能小车是一种通过感知、决策和执行等功能实现自主导航的机器人系统。
在智能小车的控制系统中，PID控制算法通常被广泛应用于姿态控制和路径跟踪等方面。
然而，由于PID控制算法依赖于人工设定的参数，对于复杂的非线性系统来说，往往难以取得良好的控制效果。
模糊PID控制算法则结合了模糊逻辑控制和PID控制的特点，具有适应性强、鲁棒性好等优势，因此在智能小车中的研究与应用十分重要。
一、引言智能小车是人工智能领域的一个重要应用方向。
其核心任务是通过传感器收集环境信息，实现自主导航和路径规划，同时在运动过程中保持稳定姿态。
PID控制算法是一种经典的控制算法，在实际应用中具有高效简单的特点。
然而在某些情况下，传统PID控制的控制效果不理想。
因此，研究模糊PID控制算法在智能小车中的应用价值具有重要意义。
二、模糊PID控制算法原理模糊PID控制算法是将模糊逻辑控制与PID控制相结合的一种控制策略。
通过模糊化处理将传感器获取到的环境信息转化为模糊语言变量，然后根据模糊规则和模糊推理机制求取模糊输出，并通过去模糊化处理得到PID控制器的输出信号。
模糊PID控制算法利用了模糊规则的简单性和PID控制算法的高效性，提高了系统的自适应性和鲁棒性。
三、智能小车中的模糊PID控制算法应用在智能小车的控制系统中，模糊PID控制算法可以应用于姿态控制和路径跟踪等方面。
在姿态控制方面，智能小车需要通过控制电机或舵机等执行器，保持平稳的行驶姿态。
传统PID控制算法的参数设定较为困难，容易受到扰动的影响而失去稳定性。
而模糊PID控制算法通过根据模糊规则对车辆姿态进行调整，可以更好地适应不同工况下的姿态调节。
在路径跟踪方面，智能小车需要根据预先规划的路径，在实际行驶中进行修正。
传统PID控制算法容易受到路面不平和弯道等因素的干扰，导致车辆跟踪误差增大。
模糊算法在智能车辆导航中的应用与路径规划效果
模糊算法在智能车辆导航中的应用与路径规划效果智能车辆导航是当今研究的热点之一，如何实现高效准确的路径规划一直是该领域的核心问题之一。
而模糊算法作为一种常用的人工智能方法，被广泛应用于智能车辆导航系统中，以提高导航的精确度和智能化水平。
本文将探讨模糊算法在智能车辆导航中的应用，并讨论其路径规划效果。
一、模糊算法在智能车辆导航中的应用1.1 模糊集理论在位置感知中的应用在智能车辆导航系统中，准确地感知车辆当前的位置是路径规划的前提和基础。
而传统的定位方法在复杂环境下容易受到干扰，导致定位误差较大。
而利用模糊集理论，可以将车辆当前位置表示为多个可能位置的集合，通过模糊集合的运算来获取更精确的位置估计结果。
1.2 模糊逻辑在路况预测中的应用智能车辆导航系统需要准确地获取当前道路的交通状况，以便做出合理的路径规划。
模糊逻辑可以通过对历史车辆轨迹、实时流量等数据的分析，预测未来路况的变化趋势。
这样可以在路径规划过程中避开拥堵路段，提高行驶效率。
1.3 模糊控制在路径选择中的应用路径选择是智能车辆导航过程中的核心问题。
模糊控制方法可以根据用户设定的不同偏好和实时交通信息，给出最佳的路径选择。
通过将路径选择问题建模为模糊控制系统，考虑各个因素的权重和相互关系，可以得到更加合理的路径规划结果。
二、模糊算法在智能车辆导航中的路径规划效果2.1 路径规划准确度的提高传统的路径规划方法通常只考虑道路的长度或时间等单一因素，而模糊算法可以综合考虑多个因素，如行驶距离、交通状况、用户偏好等，以获得更加准确和合理的路径规划结果。
实验结果表明，基于模糊算法的智能车辆导航系统在路径规划准确度上具有明显的优势。
2.2 路径规划效率的提高模糊算法可以通过对历史路况数据的学习和预测，选择避开拥堵路段或高峰时段，以提高路径规划的效率。
与传统方法相比，模糊算法不仅考虑当前的路况，还能预测未来的变化趋势，从而避免了频繁的路径重新规划，减少了路径规划时间。
- 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)。
基于模糊控制的智能车寻迹算法研究摘要：与传统的自动控制相比，模糊控制不用建立在被控对象准确的数学模型的基础上。
这一特点在非常适用于实际运用中影响因素很多、结构十分复杂系统。
其系统有易于接受，设计简单，维护方便，而且比常规控制系统稳定性好，鲁棒性高等特点。
因其与本设计实际条件相似，所以选其做智能小车的寻迹算法研究。
关键词智能小车；模糊控制；寻迹算法ABSTRACT Compared with the traditional automatic control，fuzzy control without based on a accurate mathematical model of controlled object. This feature is suitable for the systems which have many influencing factors and a very complex structure in the practical application. There are many feature in this system:such as easy to accept, the design is simple, convenient maintenance, more stability and robustness than conventional control system，and so on. Because it is similar to the actual conditions of our design, so we choose it for the smart car tracing algorithm.KEY WORDS smart car；fuzzy control；tracing algorithm目录1.前言 (1)2.硬件设计 (3)2.1整体结构 (3)2.2传感部分 (4)2.2.1 原理 (4)2.2.2 电路设计 (4)2.2.3 传感器感应板布局 (4)2.2.4 闸门感应器 (5)2.3控制部分 (5)2.4驱动部分 (6)2.4.1 电机驱动 (6)2.4.2 舵机驱动 (6)3. 程序设计部分 (7)3.1模糊控制原理 (7)3.2智能车模糊逻辑控制器 (7)3.2.1 编码 (8)3.2.2 模糊化 (8)3.2.3 模糊规则库 (9)3.2.4 模糊判决 (9)3.3模糊控制器实现 (10)4.结论 (11)致谢 (11)参考文献 (12)1.前言本题目来源于瑞萨超级MCU模型车大赛。
瑞萨超级MCU模型车大赛主要是设计智能控制程序，根据感应器以及测速器反馈的信号（通过前方的反射式红外光电传感器检测到黑色跑道上白线路径），然后通过智能程序的判断与控制，使智能小车能在特定赛道（直道、S道、交叉道、上下坡、变线区等轨道）上高速行驶为目的的比赛。
其中涉及的技术主要有传感器技术、单片机设计技术和控制算法。
MCU模型车大赛是参赛选手要求在搭载有瑞萨MCU主板上的模型车上自行设计并编入独立的控制程序，拼装制作成自动驾驶车参加竞技，胜负是根据顺利跑完全程比赛的时间长短来判定的。
纵观一下现时的智能控制算法，如PI、PD、PID、模糊、神经网络算法等，再根据该赛事车子感应及跑道的情况，提出用模糊算法进行车子的寻迹控制，希望能研究出较好的寻迹算法。
努力寻求小车性能最优（检测准确、行驶平稳、速度快、抗干扰强等）。
模糊逻辑控制 (Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，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。
1965年，美国的L.A.Zadeh创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。
1974年，英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器，并把它应用于锅炉和蒸汽机的控制，在实验室获得成功。
这一开拓性的工作标志着模糊控制论的诞生。
模糊控制实质上是一种非线性控制，从属于智能控制的范畴。
模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。
其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。
近年来，研究模糊算法在智能寻迹小车上应用的课题渐渐增加，但大多数都是静态传感，即传感器安装在车体上，并不会随方向改变而发生变化。
本设计就是研究另一种基于动态传感器的智能寻迹小车的设计。
2.硬件设计2.1 整体结构本智能小车包括三大部分：传感部分、控制部分和驱动部分。
传感部分有传感器感应板、传感器子处理板和闸门感觉器三个模块；控制部分的CPU板使用的是H8-3048单片机；驱动部分的电机驱动析集成了控制电路、驱动电路和电源电路。
如图2.1，图2.2：图2.1 智能小车整体结构模块图图2.2 智能小车整体结构实物图2.2 传感部分2.2.1 原理根据跑道的实际情况（黑色跑道白线路径），我们采用了较为简单的红外光电感应器。
其原理是：红外线照射到白色的路径上时，白色不吸光而发生反射，从而感应器接收到光信号，继而转变为电信号（低电平，LED点亮）；而照射到黑色跑道上时，黑色吸光，感应器接收不到信号，从而转变为电信号（高电平，LED熄灭）。
图2.3 红外感应器原理图图2.4 红外感应器电路原理图2.2.2电路设计电路原理如图2.4：2.2.3传感器感应板布局传感器的布置方案有单排、双排、W字形排列等。
我们采用了单排一字形的排列方式。
具体的布置方式如图2.5,图2.6，也就是在车模的头部安装一块电路板，其底部安装8个传感器。
图2.5 红外感应器布局框架图图2.6 红外感应器布局实物图2.2.4闸门感应器闸门感应器也是采用红外传感器，原理同上，布局如图2.7，图2.8。
图2.5 闸门感应器布局框架图图2.6 闸门感应器布局实物图2.3 控制部分日本的瑞萨H8-3048单片机拥有128KROM和4KRAM，11个IO端口（1～B），5个ITU（整型定时器）等较为丰富的资源。
2.4 驱动部分驱动部分主要驱动的是两路电机和一路舵机，均使用PWM来控制。
PWM( Pulse Width Modulation)，又称脉冲宽度调制方式，是指通过改变输入脉冲的有效工作时间，改变输入平均电压的调节电机转速方式。
PWM信号的有效工作时间和周期的比值为PWM信号的占空比a为:a= to/Tout—PWM一个周期内高低电平中有效电平时间，T—PWM周期式中：a—占空比值，toout2.4.1 电机驱动硬件驱动设计是基于H桥的电路（如图2.7），控速则采用PMW控制电流来调整速度。
图2.7 H桥原理图2.4.2 舵机驱动舵机采用PWM脉冲控制，通过调整脉冲的占空比实现舵机的左转和右转，如图2.8所示。
图2.7 舵机控制原理图3. 程序设计部分3.1 模糊控制原理模糊控制（Fuzzy Control）是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它从行为上模仿人的模糊推理和决策过程。
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，将推理后得到的输出量加到执行器上。
实现模糊控制算法的过为：单片机采样得到被控制量的精确值，然后将此量与给定值比较得到误差信号E；把误差信号E的精确题壁进行模糊化变成模糊量，误差E的模糊量可用相应的模糊语言表示。
至此，得到了误差的模糊语言集合的一个子集e(e实际是一个模糊相量)。
再有e和模糊控制规则R(模糊关系)根据推理的合成规则进行模糊决策，得到模糊控制量u，即u =e。
R式中：u为一个模糊量。
为了给被控对象施加精确的控制，还需进行解模糊处理。
在得到控制量后，经数模转变为精确的模拟量送给执行机构，对被控对象进行一步控制。
之后，中断等待第2次采样，进行第2步控制。
这样循环下去，就实现了被控对象漠糊控制。
3.2 智能车模糊逻辑控制器模糊控制器（Fuzzy Controller,FC）也称为模糊逻辑控制器（Fuzzy Logic Controller,FLC），由于所用的模糊控制是由模糊理论中模糊条件语句来描述的，因此，模糊控制器是一种语言型控制器，故也称为模糊语言控制器（Fuzzy Language Controller,FLC）。
模糊控制器主要由3个功能模块组成，即模糊化模块、和模糊判决模块，如图3.1所示。
图3.1 模糊逻辑控制器结构图3.2.1 编码位置偏差e及其变化率ec是模糊控制器的2个输入，其中：ec=e i-e i-1。
模糊控制器需对这2个精确量进行编码，使其成为模糊量，进而参加模糊推理。
智能车上使用了8个光电管，其编码表如表3.1所示。
表3.1 轨迹位置编码表变化量。
考虑到实际情况，设偏差e的基本论域为[-7，7]，偏差变化ec的基本论域为[-3，3]，控制量的基本论域为[-40，40]，均划分为7个等级，即{-3，-2，-1，0，1，2，3 }则偏差e的量化因子= 7/3=2.33Ke偏差变化ec的量化因子=3/3=1Kec控制量u的比例因子=40/3＝13.33Ku模糊集取7个语言值，分别为{负大，负中，负小，0，正小，正中，正大}即{NB，NM，NS，ZO，PS，PM，PB}上文中：U为速度和方向控制量的变化量。
3.2.2 模糊化由于传感器所检测到的信号都是精确量，但模糊控制器中需要的却是模糊量，所以需要将这些精确量转变成语言变量值，即模糊量。
在模糊控制中，通常将控制量的实际值与期望值比较，得到一个偏差e，并将其模糊化处理为模糊量E，控制器根据E来决定如何对系统加以调节控制。
为了使控制器的性能更好，通常还需要将偏差变化量EC作为输人量，以此对系统进行综合判断 。
根据从实际调试中得到的经验，可以将偏差e 、偏差变化ec 和控制量变化u 映射到模糊域中，如表3.2。
表3.2 偏差变化e 划分表3.2.3 模糊规则库在智能车控制系统中，模糊控制器的输入量为位置偏差E 及其相对行驶距离的变化量EC ，输出量为速度和方向的控制量 ，所以该模糊控制器为一个双输入单输出的模糊控制器，其控制规则通常采用以下模糊条件语句，即If E and EC then U其中： 为输入系统偏差变量e 模糊化的模糊集合；EC 为输入系统偏差△e 模糊化的模糊集合；U 为输出变量 的模糊集合 。