基于模糊控制的智能车调速系统的设计

仁者 · 发表于 2010-1-24 16:13:40

基于模糊控制的智能车调速系统的设计
程　宇,程　磊,黄卫华, 孙　浩
(武汉科技大学信息科学与工程学院,湖北武汉, 430081)
摘要:设计了一种基于模糊参数自整定的模糊控制智能小车调速系统,该智能车调速系统核心控制单元采用飞思卡尔半导体公司的HCS12 单片机。实验证明,该智能车调速系统能很好地满足小车在前进过程中对速度调节的快速响应和稳态误差小的要求,系统具有较好的动态性能和良好的鲁棒性。
关键词:参数自整定;模糊控制;智能小车调速系统
模糊控制器的参数整定是智能车控制系统中一个十分重要的环节。传统的车速控制方法有PID 控制、最优控制等。模糊控制的特点是控制响应快,对于不确定性因素的适应性强。文献[ 1 ]采用Fuzzy2PI 控制策略进行直流电机的调速系统设计,克服了简单模糊控制和传统PI 控制的一些缺点。文献[ 2 ]介绍了一种基于参数自整定的模糊控制单片机直流无刷电动机调速系统,采用参数自整定模糊控制器,使系统具有较高的控制精度和良好的鲁棒性。文献[ 3 ]提出一种应用模糊推理功能实现PID 参数自整定的控制方法,可根据船舶动态特性的变化,自动重新整定PID 参数,从而改善了操纵性能和鲁棒性。文献[4 ]提出了利用自适应模糊PID 控制器实现对永磁无刷直流电机调速系统进行设计的新方法,通过自适应因子将模糊控制器和PID 控制器结合,在线自调整控制参数,从而完善了PID 控制器的性能,提高了系统的控制精度。本研究着重分析智能车控制系统中最重要的速度控制问题,从传统的模糊控制思想出发,根据智能车前进过程中对速度调节的具体要求与行驶速度的实际情况,提出了糊参数自整定的模糊控制方法,实验证明,该方法克服了传统模糊控制的局限性,更适合智能车的速度调节。
1 　调速系统的分析与普通模糊控制
方案
1. 1 　智能车调速系统的分析
智能车的基本导航原理为:利用机器视觉,通
过识别条带状路标,实现自主导航,即智能车能在
白色的场地上按照任意给定的黑色引导线行驶,
车速越快则表明智能车性能越好。为了使智能车
在尽可能短的时间内跑完赛道,小车必须达到两
项标准: ①传感器检测到黑线在正中心时,判断当
前赛道为直线,此时小车应尽量升速,在保证稳定
的情况下使小车以最快的速度沿直线前行; ②传
感器检测到黑线在两旁时,判断当前赛道为弯道,
此时转向舵机应作出相应的响应,使小车转过一
定的角度。这时车速应在短时间内迅速下降,否
则小车将冲出赛道。因此小车速度控制的响应时
间和控制精度对小车性能的提高尤为重要。
1. 2 　普通模糊控制方案的设计
对于智能车系统而言,小车的速度控制是难
点。本课题着重对小车遇到的连续曲线(正弦曲
线) 形赛道进行研究。由于舵机需频繁的左右转
向,小车前面的传感器会频繁检测到直道和弯道
的信息,其车速需作频繁相应调整。这种情况下,
2007 年第4 期程　宇,等:基于模糊控制的智能车调速系统的设计
根据赛道的不同曲率,小车要以不同的速度行驶。
普通模糊控制系统图如图1 所示。图1 中r
3 为
速度设定值, r 为速度反馈值。
图1 　传统模糊控制器的速度控制系统
智能车系统通过检测赛道的当前位置,设定
不同的模糊控制器输入值即速度给定值,将速度
的偏差和偏差变化率模糊化,通过一定的模糊推
理规则和反模糊化输出控制量,对速度进行控制,
使其达到给定值。当速度给定值不需要频繁变化
时,在设定好合适的控制器参数的情况下,普通模
糊控制器能很好地对车速进行调节,控制精度和
响应时间均能满足要求。但由于小车行驶的赛道
的不确定性,小车速度的给定值需频繁变化,而普
通的模糊控制器只有一组参数,对于给定值的频
繁变化,控制器调节效果不佳。其主要原因是: ①
普通模糊控制器参数单一导致响应时间较长,此
时小车在进入弯道过程中会因速度过快而冲出赛
道,在出弯道时因速度提升较慢而影响小车的整
体速度; ②小车硬件配置、小车质量等因素的变化
都会对模糊参数产生很大影响,这时要达到最佳
的控制效果则需要重新调节模糊参数。
2 　参数自整定模糊控制器的设计
为克服普通模糊控制器参数单一、响应时间
过长和适应能力低的缺点,本研究设计了一种参
数自整定的模糊控制器,以实现模糊参数的自整
定。这种参数自整定的模糊控制方法是在普通模
糊控制的基础上,根据赛道的不同,利用当前传感
器检测到的赛道曲率变化情况动态地调节模糊控
制器参数,从而实现智能车的自动调速。当小车
由直道驶入弯道时,小车立即减速,以确保不会冲
出赛道;当小车驶出弯道而进入直道时,小车立刻
加速并达到稳定,以提高小车的整体车速。
参数自整定模糊控制器比普通模糊控制器多
了两个环节,即:角度采样环节、模糊参数自整定
环节。系统结构如图2 所示。图2 中α为系统的
角度采样值, r
3 为速度设定值, r 为速度反馈值。
系统通过实时角度采样, 由微分环节计算出赛道
的角度变化率,通过修正规则得出此时的模糊控
制参数,即车速偏差e 和车速偏差变化ec 的模糊
论域大小,通过一系列模糊化、模糊推理和反模糊
化的过程,从而形成参数自整定模糊控制器。在
保有普通模糊控制器优点的同时,参数自整定模
糊控制器,通过路径检测得出赛道的当前信息,根
据赛车方向相对于赛道方向的角度变化率进行模
糊参数的自整定,从而更好地满足智能车系统对
速度给定变化大的要求,既缩短了系统的响应时
间,又增强了系统的适应能力。
图2 　基于参数自整定模糊控制器
的速度控制系统
2. 1 　模糊子集的选取
根据智能车的速度控制精度要求及操作经
验,设定角度偏差变化、车速偏差、车速偏差变化
和输出控制量的模糊变量分别为ec
3
, e , ec 和u ,
其相应论域EC
3
, E, EC 和U 分别设计为
EC
3 = { 0 ,2 ,4} ; E = { - 20 , - 10 ,0 ,10 ,20}
EC = { - 5 ,0 ,5} ;U = { - 400 , - 200 ,0 ,200 ,400}
对角度偏差变化ec
3
, 车速偏差e , 车速偏差
变化ec 和控制量u 的模糊子集分别取为{ Z , PS ,
PB} , { N B , N S , Z , PS , PB } , { N B , Z , PB } 和
{ N B , N S , Z , PS , PB} 。
为了实现和处理方便, ec
3
, e , ec 和u 的隶属
度函数均取线性函数, 其隶属度函数μ如图3 所
示。
图3 　角度偏差变化、车速偏差、车速偏差变化、
输出控制量的隶属度函数
2. 2 　模糊规则表
模糊规则表是模糊控制器中模糊推理的依
据,根据智能车的运行特性及控制经验,设计模糊
控制器的模糊规则表如表1 所示。
表1 　U 的模糊推理规则表
EC
E
N B N S Z PS PB
N B N B N S N S Z PB
Z N B N S N S PS PB
PB N B Z PS PS PB
389
武汉科技大学学报(自然科学版) 2007 年第4 期
　　设定参量EC*
1 为角度偏差变化ec
3 论域中
的PB 值, E1 , EC1 分别为e , ec 的论域中的PB
值, e 的论域中PS 的值为PB 值的二分之一。参
数自整定的修正规则为:当EC
3
1 为零时, E1 和
EC1 均取正大;当EC
3
1 为正小时, E1 和EC1 均取
正中; 当EC
3
1 为正大时, E1 和EC1 均取正小。
e , ec的论域E , EC的修正规则参数表如表2
所示。
表2 　e , ec 的论域E , EC的修正规则参数
EC
3
1 0 1 2 3 4 5 6
E1 40 40 20 20 20 15 15
EC1 5 5 3 3 3 2 2
2. 3 　模糊推理及反模糊化
控制器经模糊化得到各变量的隶属度, 再经
模糊推理和反模糊化得出控制量的输出值, 达到
控制的作用。本系统中模糊推理采用最大2最小
法,设定e , ec , u 的隶属度分别为μE ,μEC ,μU ,即
μU
k
( E, EC) = min{μE
i
,μEC
j } (1)
μU
k
( E, EC) = min{μE
i
( E) ,μEC
j
( EC) } (2)
μU ( E, EC) = max{μUk ( E, EC) } (3)
( i = NB , NS , Z , PS , PB ; j = NB , Z , PB )
　　反模糊化采用加权平均法,即
U
= ΣμU U
ΣμU
(4)
3 　实验结果及分析
本研究分别对小车的循迹功能和车速控制功
能进行了实验。对小车循迹功能实验通过控制舵
机的转向角实现;对车速控制功能通过传统模糊
控制与参数自整定模糊控制对比实验完成。
3. 1 　小车循迹功能实验
通过采集当前路况信号,对舵机的转向角进
行控制,以实现对小车循迹功能的控制。在舵机
工作电压为6. 5 V 时,所输入的脉冲宽度( PWM)
信号与舵机输出的转角一一对应。实验测得,舵
机角度从左转- 45°至右转45°对应的输入PWM
信号范围为13. 1 ～ 16. 5 ms (信号周期为200
ms) 。
具体的舵机转角与PWM 对应关系如表3 所
示;实验测得小车运行轨迹平滑,其导航图和循迹
图分别如图4 和图5 所示。图5 中细线为任意给
定的黑色引导线,粗线为小车循迹所行驶的曲线。
表3 　舵机转角与PWM对应关系表
舵机转角/ (°) - 45 - 30 - 15 0 15 30 45
PWM 信号/ ms 16. 5 15. 9 15. 3 14. 7 14. 2 13. 6 13. 1
图4 　智能车导航图
图5 　智能车循迹图
3. 2 　小车速度控制功能实验
在小车给定的3 档速度情况下,进行传统模糊控制器和参数自整定模糊控制器对智能车速度控制的对比实验, 其控制速度曲线的比较如图6所示。图6 中,纵轴为在采样周期内( T = 0. 01 s)车速检测单元检测到的脉冲数, 横轴为采样周期整倍数。
图6 　实验结果比较曲线
1 —速度设定值曲线;2 —模糊控制响应曲线;3 —参数自整定模糊控制响应曲线从图6 中可看出,传统模糊控制用于智能车系统时,响应时间太长,且调节过程中会产生较大幅度的振荡,小车会因降速过程所需时间太长或速度调节振幅过大等原因, 在进入弯道时冲出赛道,或因速度下降太低不利于提高整体车速。当采用带参数自整定的模糊控制算法后, 小车在减速时能在较小的振幅范围内快速调节到设定值,从而保证了小车的平稳过渡且不影响整体速度。
4 　结语
设计了一种参数自整定的模糊控制器, 将其3902007 年第4 期程　宇,等:基于模糊控制的智能车调速系统的设计用于智能小车的调速系统,实验证明,与传统模糊控制器相比,参数自整定的模糊控制器大大提高了系统性能;通过角度采样对模糊参数进行自整定,克服了传统模糊控制器用于智能车系统中参数的适应性不强的缺点,减小了超调量,改善了动态特性,提高了系统的鲁棒性,从而使得小车的调速性能良好。