《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > MEMS|傳感技術(shù) > 設(shè)計(jì)應(yīng)用 > 智能車(chē)輛視覺(jué)導(dǎo)航橫向模糊控制策略仿真研究
智能車(chē)輛視覺(jué)導(dǎo)航橫向模糊控制策略仿真研究
2014年電子技術(shù)應(yīng)用第9期
趙明欣,,侯曉利
內(nèi)蒙古交通職業(yè)技術(shù)學(xué)院 汽車(chē)工程系,,內(nèi)蒙古 赤峰024005
摘要: 針對(duì)智能車(chē)輛視覺(jué)導(dǎo)航橫向控制中存在的適應(yīng)性問(wèn)題,,提出了一種基于橫擺角速度與橫向偏差的智能車(chē)輛橫向模糊控制策略。根據(jù)車(chē)輛于車(chē)道內(nèi)的位置狀態(tài)信息,,建立了橫擺角速度預(yù)測(cè)模型,、7自由度車(chē)輛操縱動(dòng)力學(xué)模型以及橫向模糊推理模型。仿真結(jié)果表明,,與常規(guī)位置偏差控制策略相比較,,采用橫向模糊控制策略不僅能提高智能車(chē)輛橫向控制的精確性,并且具有很好的魯棒性和自適應(yīng)性,。
中圖分類(lèi)號(hào): U461.91
文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào): 0258-7998(2014)09-0130-03
Simulation research on intelligent vehicle visual navigation lateral fuzzy control strategy
Zhao Mingxin,Hou Xiaoli
Department of Automobile Engineering, Nei Monggol Communications Polytechnic College,,Chifeng 024005,,China
Abstract: According to the intelligent vehicle visual navigation lateral control of the adaptability of the existing problems, a lateral fuzzy control strategy based on yaw rate is proposed. According to the position of the vehicle in the lane state information, a yaw-rate prediction model, 7 degrees of freedom vehicle handling dynamics model and lateral fuzzy control model are established. Simulation result shows that compared with conventional position deviation control strategy, the lateral fuzzy control strategy can not only effectively control intelligent vehicle to run, but also have good robustness and adaptability.
Key words : intelligent vehicle;lateral control,;fuzzy control,;simulation research

    隨著汽車(chē)電子技術(shù)的飛速發(fā)展,國(guó)內(nèi)外眾多學(xué)者對(duì)智能車(chē)輛視覺(jué)導(dǎo)航系統(tǒng)進(jìn)行了深入的研究,。由于智能車(chē)輛視覺(jué)導(dǎo)航橫向控制系統(tǒng)在實(shí)際運(yùn)行中將會(huì)受到車(chē)輛參數(shù)的影響,,采用何種適宜的橫向控制策略是當(dāng)前研究的熱點(diǎn)[1]。國(guó)內(nèi)外關(guān)于橫向控制策略的研究主要集中在以下方面:參考文獻(xiàn)[2]以車(chē)輛與路徑上近點(diǎn)作為基準(zhǔn)點(diǎn),,結(jié)合自適應(yīng)PID算法和模糊控制方法,,由于對(duì)前方環(huán)境缺乏預(yù)見(jiàn)性而限制了系統(tǒng)的控制有效性和準(zhǔn)確性;參考文獻(xiàn)[3]基于汽車(chē)操縱動(dòng)力學(xué)模型建立了智能車(chē)輛自主導(dǎo)航最優(yōu)控制模型,,該模型非常適用于低速行駛車(chē)輛,,取得了較好的控制效果,但是在智能車(chē)輛高速行駛過(guò)程中控制效果較差,;參考文獻(xiàn)[4]將轉(zhuǎn)向盤(pán)轉(zhuǎn)矩作為主導(dǎo)控制參數(shù),,建立了一個(gè)魯棒控制模型,,由于轉(zhuǎn)向盤(pán)轉(zhuǎn)矩與駕駛?cè)说牟倏v行為過(guò)程密切相關(guān),但是該模型并未將駕駛?cè)诵袨槟P图{入考慮范疇,;參考文獻(xiàn)[5]采用直接橫擺力矩控制策略進(jìn)行車(chē)輛橫向控制,,但該控制策略受預(yù)瞄點(diǎn)選擇的影響較大,導(dǎo)致控制效果差異性大,;參考文獻(xiàn)[6]建立了駕駛?cè)祟A(yù)瞄行為模型,,并結(jié)合專(zhuān)家先驗(yàn)知識(shí)預(yù)測(cè)、預(yù)瞄距離實(shí)現(xiàn)對(duì)智能車(chē)輛的橫向控制,,但是在預(yù)瞄控制模型中僅將車(chē)輛速度簡(jiǎn)單劃分為快,、中、慢3個(gè)范圍,,導(dǎo)致系統(tǒng)的可靠性和適應(yīng)性較差,。

    為了大幅提高智能車(chē)輛視覺(jué)導(dǎo)航過(guò)程中橫向控制的精度,進(jìn)一步減少路徑彎度,、預(yù)瞄距離等因素的影響,,本文建立了橫擺角速度預(yù)測(cè)模型、車(chē)輛7自由度操縱動(dòng)力學(xué)模型,,結(jié)合系統(tǒng)辨識(shí)的方法,,提出了一種橫擺角速度與橫向偏差的智能車(chē)輛橫向模糊控制策略。仿真結(jié)果驗(yàn)證了本文所提出的智能車(chē)輛視覺(jué)導(dǎo)航橫向模糊控制策略的有效性和良好的適應(yīng)性,。

1 控制系統(tǒng)結(jié)構(gòu)設(shè)計(jì)[7]

    智能車(chē)輛視覺(jué)導(dǎo)航橫向模糊控制策略如圖1所示,。根據(jù)空間幾何坐標(biāo)系逆透視投影轉(zhuǎn)換得到的車(chē)輛預(yù)瞄點(diǎn)的相對(duì)位置,建立橫擺角速度預(yù)測(cè)模型以及7自由度車(chē)輛操縱動(dòng)力學(xué)模型,。模糊控制系統(tǒng)的設(shè)計(jì)中非常關(guān)鍵的環(huán)節(jié)即模糊控制器的輸入變量的選擇,,在智能車(chē)輛視覺(jué)導(dǎo)航過(guò)程中,車(chē)身橫向運(yùn)動(dòng)的控制本質(zhì)上即動(dòng)態(tài)調(diào)整車(chē)輛相對(duì)于行駛路徑的橫向偏差和航向偏差這兩個(gè)運(yùn)動(dòng)參數(shù),。綜上可知,,車(chē)輛實(shí)時(shí)位姿信息必須作為重點(diǎn)考慮的因素,因此本文將車(chē)輛的橫擺角速度和橫向偏差作為模糊控制器的兩個(gè)輸入項(xiàng),。

jsj6-t1.gif

2 橫擺角速度預(yù)測(cè)模型的建立[8]

    假設(shè)在某一特定時(shí)刻,,世界坐標(biāo)系中的車(chē)輛質(zhì)心坐標(biāo)為(Xw,Yw),,車(chē)輛坐標(biāo)系的縱軸線與橫坐標(biāo)之間的夾角為φv,。已知車(chē)輛質(zhì)心速度v、車(chē)輛質(zhì)心側(cè)偏角β以及車(chē)輛橫擺角速度ω,,則車(chē)輛動(dòng)力學(xué)方程可以用下式表示:

    jsj6-gs1.gif

    通過(guò)式(1)不難看出,,智能車(chē)輛視覺(jué)導(dǎo)航中的車(chē)身位置姿態(tài)與車(chē)輛橫擺角速度、車(chē)輛質(zhì)心速度,、質(zhì)心側(cè)偏角這3個(gè)因素密切相關(guān),。在諸多因素之中,,車(chē)輛橫擺角速度的變化對(duì)車(chē)輛的軌跡狀態(tài)影響較大。因此可以在利用車(chē)輛質(zhì)心速度變化率的基礎(chǔ)上,,通過(guò)控制車(chē)輛的橫擺角速度進(jìn)一步干涉智能車(chē)輛的運(yùn)動(dòng)狀態(tài),。

    在建立橫擺角速度預(yù)測(cè)模型的過(guò)程中,為了進(jìn)一步提高系統(tǒng)的控制效果,,忽略車(chē)輛運(yùn)動(dòng)中的質(zhì)心偏差,,并假設(shè)車(chē)輛一直沿視覺(jué)導(dǎo)航路徑行駛,運(yùn)動(dòng)軌跡保持不變,,不發(fā)生突變,,則橫擺角速度可以通過(guò)下式表示:

jsj6-gs2.gif

3 車(chē)輛操縱動(dòng)力學(xué)模型的建立

    通過(guò)對(duì)車(chē)輛操縱動(dòng)力學(xué)的研究分析以及根據(jù)智能車(chē)輛視覺(jué)導(dǎo)航過(guò)程中橫向控制策略仿真研究的實(shí)際需要,本文建立了一個(gè)包括橫擺,、側(cè)傾,、俯仰3個(gè)自由度以及車(chē)輪4個(gè)自由度的7自由度車(chē)輛操縱動(dòng)力學(xué)模型[9],如圖2所示,。

jsj6-t2.gif

jsj6-gs3.gif

4 模糊控制模型的建立

本文建立了智能車(chē)輛橫向模糊控制器,,其中兩個(gè)輸入變量中,將橫擺角速度e的模糊論域定義為[-3,,3],,橫向偏差ec的模糊論域定義為[-3,3],。其輸入變量的論域都劃分成7個(gè)模糊子集用NB,、NM、NS,、ZE,、PS、PM,、PB表示,,輸出控制變量k的論域設(shè)為[-0.06,,0.06],,并把它劃分為7個(gè)模糊子集(即NB、NM,、NS,、ZE、PS,、PM,、PB),模糊子集中對(duì)應(yīng)的元素分別表示負(fù)大,、負(fù)中,、負(fù)小,、零、正小,、正中,、正大。在完成了模糊論域和模糊子集的參數(shù)化過(guò)程之后,,需要進(jìn)一步確定模糊論域內(nèi)所包含的元素對(duì)模糊變量的隸屬度函數(shù),。如圖3~圖5所示分別為橫擺角速度e、橫向偏差ec以及控制變量k的隸屬度函數(shù)[10],。

jsj6-t3.gif

jsj6-t4.gif

jsj6-t5.gif

    綜合考慮智能車(chē)輛視覺(jué)導(dǎo)航橫向控制系統(tǒng)的應(yīng)用特點(diǎn),,如表1所示,本文建立了系統(tǒng)輸出控制變量k的模糊控制規(guī)則表,。

jsj6-b1.gif

    模糊邏輯推理作為模糊控制的核心內(nèi)容,,用來(lái)確定控制參數(shù)的模糊向量。本文中采用了模糊控制中普遍使用的Mamdani推理法,,它根據(jù)模糊控制算法和規(guī)則計(jì)算出最終控制量,。反模糊化過(guò)程采用工業(yè)控制中普遍采用的重心法,以獲取較為滿(mǎn)意的推理控制結(jié)果[11],。

5 系統(tǒng)模糊控制策略仿真分析

    為了檢驗(yàn)本文所提出的控制策略的有效性和可靠性,,以MATLAB/Simmulink作為仿真環(huán)境,建立了智能車(chē)輛視覺(jué)導(dǎo)航中的橫向模糊控制模型,,并對(duì)其進(jìn)行了仿真實(shí)驗(yàn),,如表2所示為控制系統(tǒng)的部分仿真參數(shù)。假設(shè)車(chē)輛分別以30 km/h和70 km/h的車(chē)速行駛,,設(shè)置虛擬路徑作為模擬仿真的行駛路徑,,仿真模擬結(jié)果分別如圖6~圖9所示。

jsj6-b2.gif

jsj6-t6-9.gif

    如圖6所示為車(chē)輛行駛軌跡對(duì)比曲線,,從圖中可以看出,,采用橫向模糊控制策略控制精度更高,進(jìn)一步減小了車(chē)輛與最近點(diǎn)之間的距離偏差,,在常規(guī)路況控制中均能穩(wěn)定地沿目標(biāo)路徑行駛,,具有良好的跟蹤特性。如圖7所示為車(chē)輛橫擺角速度對(duì)比曲線,,與不加任何控制策略的橫擺角速度曲線相比較,,采用橫向模糊控制策略進(jìn)一步降低了系統(tǒng)的響應(yīng)時(shí)間和減小了響應(yīng)峰值,獲得了更加優(yōu)化的動(dòng)態(tài)控制性能,,能夠滿(mǎn)足系統(tǒng)控制穩(wěn)定性的需求,。

    圖8和圖9分別為車(chē)輛低速和高速行駛過(guò)程中出現(xiàn)的橫向偏差。通常情況下隨著車(chē)輛縱向速度的增加,,其橫擺運(yùn)動(dòng)會(huì)出現(xiàn)較大幅度的變化,,然而仿真結(jié)果表明,,采用橫向模糊控制策略車(chē)輛橫向加速度增大幅度并不明顯,在縱向速度有較大增加時(shí),,智能車(chē)輛趨向行車(chē)路線所需的時(shí)間只是出現(xiàn)略微增加,,當(dāng)然實(shí)際行駛的距離肯定會(huì)有明顯增加,但并未對(duì)車(chē)輛橫向控制帶來(lái)不便,,最終可以提高智能車(chē)輛對(duì)縱向速度的快速適應(yīng)能力,,從而獲得更好的橫向運(yùn)動(dòng)穩(wěn)定性和易操控性。

    因此,,采用本文提出的基于橫擺角速度與橫向偏差的智能車(chē)輛橫向模糊控制策略,,使得智能車(chē)輛橫向位移控制精度有顯著提高。同時(shí)對(duì)縱向速度具有較好的適應(yīng)能力,,取得了非常好的效果,,橫向偏差誤差范圍較小,具有較好的穩(wěn)定性和適應(yīng)性,。

    本文通過(guò)對(duì)智能車(chē)輛視覺(jué)導(dǎo)航中橫向控制特點(diǎn)的深入分析,,針對(duì)目前橫向控制策略存在的問(wèn)題,提出了一種基于橫擺角速度與橫向加速度的智能車(chē)輛視覺(jué)導(dǎo)航橫向模糊控制策略,,并建立了7自由度車(chē)輛操縱動(dòng)力學(xué)模型,,最后進(jìn)行了仿真實(shí)驗(yàn)驗(yàn)證。仿真結(jié)果表明,,本文采取的控制策略不僅較好地滿(mǎn)足了車(chē)輛橫向控制平穩(wěn)性和舒適性要求,,并且對(duì)車(chē)輛縱向速度具有令人滿(mǎn)意的適應(yīng)能力,具有廣泛的應(yīng)用前景和實(shí)際意義,。

參考文獻(xiàn)

[1] 馬瑩,,王建強(qiáng),徐友春,,等.智能車(chē)輛車(chē)道保持系統(tǒng)[J].ITS通訊,,2004,19(1):7-12.

[2] 王京起,,陳慧巖,,鄭培.應(yīng)用模糊自適應(yīng)PID和預(yù)瞄策略的自主車(chē)輛轉(zhuǎn)向控制[J].汽車(chē)工程,2003,,25(4):367-371.

[3] 王榮本,,李兵,,徐友春.基于視覺(jué)的智能車(chē)輛自主導(dǎo)航最優(yōu)控制器設(shè)計(jì)[J].汽車(chē)工程,,2001,23(2):97-100.

[4] MASAYASU S,,HIROSHI K,,ON S,,et al.Design of lanekeeping control with steering torque input for a lane-keeping support system[R].SAE,2001-01-0480,,2001.

[5] PONGSATHORN R,,MASAO N,MOTOKI S.Lane keeping control strategy with direct yaw moment control input by considering dynamics of electric vehicle[J].Vehicle System Dynamics,,2006(44):192-201.

[6] YANAGIYA M,,TOMITA K,TSUGAWA S.Effects of field of view on lateral control performance in a vision-based autonomous vehicle[J].JSAE Review,,1999,,20(4):499-504.

[7] 丁海濤,郭孔輝,,李飛,,等.基于加速度反饋的任意道路和車(chē)速跟隨控制駕駛員模型[J].機(jī)械工程學(xué)報(bào),2010,,46(10):116-120.

[8] 李小勇,,張文濤,熊顯名.基于車(chē)輛視覺(jué)的車(chē)道閘桿防撞系統(tǒng)研究[J].微型機(jī)與應(yīng)用,,2014,,33(1):40-45.

[9] 王家恩,陳無(wú)畏,,王檀彬,,等.基于期望橫擺角速度的視覺(jué)導(dǎo)航智能車(chē)輛橫向控制[J].機(jī)械工程學(xué)報(bào),2012,,48(4):107-114.

[10] 郭孔輝.汽車(chē)操縱動(dòng)力學(xué)[M].長(zhǎng)春:吉林科學(xué)技術(shù)出版社,,1991.

[11] 劉金琨.智能控制[M].北京:清華大學(xué)出版社,2005.

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。