智能汽车控制算法详解

在智能汽车控制中除了PID算法还有其他算法,如模糊控制、ADRC控制、前馈控制等。这里主要介绍模糊控制算法。在智能汽车控制中,模糊控制是在一般PID无法满足控制要求时,作为提速阶段使用的算法,一般应用于智能汽车循线的方向环中,它能提高方向控制的稳定性和快速性。模糊控制器主要由三部分组成:模糊化、模糊推理、清晰化,如图5.8所示。

图5.8　模糊控制框图(www.xing528.com)

针对智能汽车的方向环模糊控制,一般来说模糊控制器的输入有两项,一项是赛道偏差值,该值可以表征此时车模偏离赛道的程度;另一项是偏差的微分值,该值表征此时车模偏离赛道的转向角速度。通过对车模高速过90°弯道进行测试,再加上陀螺仪积分记录转向角度,可以得到偏差值以及偏差的微分值在切弯过程中0°～30°的变化情况。经过测试可知,若能在切弯的前30°抑制住车模向外拐的趋势,那就是一个漂亮的切弯。因此方向环的模糊控制的知识库也是针对这前30°进行编写。输出可以是原方向环PID中的模糊P或模糊D的一个增量。对于这个模糊控制器,一般采用的都是线性隶属度函数,隶属度最大原则进行反模糊化。主要需要调参部分为论域和规则表。论域主要是根据车模在一次切弯时,偏差和偏差变化率的变化来确定。依照一个总结出来的规律,可以针对切弯30°时的偏差作为论域DFF(输入量D语言值特征点)的最大值,然后等分论域,再不停地调节最小论域PFF的值来起到一个方向环死区的作用,防止一般扰动造成模糊控制的不稳定。对于论域中的DFF(输出量U语言值特征点)则是可以取切弯30°以前的一个偏差变化率的中值,再不停调节直至得到一个合适的参数。对于规则表的调整,其表示的含义也是针对切弯的开始阶段P和D的增加,当切弯完成后恢复正常。