第五章 自适应巡航控制系统5.1 概述5.2 自适应巡航控制系统组成5.3 防撞报警算法5.4 巡航控制算法5.5 自适应巡航控制系统的使用5.4 巡航控制算法l 定速巡航模式控制算法 汽车定速模式行驶时和传统的定速巡航一样，只要使车辆按照事先设定的巡航速度行驶即可。此模式下需要控制的是节气门，由于PID控制在多数情况下能满足控制要求，所以定速模式通常采用PID控制算法。位置式PID控制算法: 根据模拟PID控制算法的算式，以一系列的采样时刻点kT代表连续时间t，以矩形法数值积分来代替连续积分，以增量代替微分，可得如下差分方程:增量式PID控制算法: 所谓增量式PID算法是指控制信号u(k)只决定执行机构位置的改变(增量)。由于它比位置式算法的可靠性高，所以应用也比位置式算法普遍。仿真 设定初始时汽车以20km/h的速度行驶，1s时把巡航车速调整为120 km/h，100s时再把车速调整为100km/h。自适应控制 由于汽车巡航控制系统是一个本质非线性系统，并且汽车在行驶过程中受到路面坡度、空气阻力等外界干扰，因而基于时不变系统得到的控制方法就难以在各种工况下取得良好的效果，解决的办法是加入自适应环节，控制方法能随各种因素的变化而实时的加以调整，以适应复杂多变的行驶工况。 自适应控制是针对具有一定不确定性的系统而设计的。自适应控制方法可以自动监测系统的参数变化，从而时刻保持系统的性能指标为最优。目前用于汽车巡航控制的自适应控制主要为模型参考自适应控制。汽车巡航自适应控制原理图 设定车速同时加到控制器和参考模型上，由于参考模型的理想车速和实际车速不一致，产生偏差，自适应机构检测到这一偏差后，经过一定的运算，产生适当的调整信号改变控制器参数，从而使实际车速迅速趋近于理想车速，当偏差趋于零时，自适应调整过程就停止，控制参数也就调整完毕。当汽车在行驶过程中遇到上下坡或是由于风力而使车速发生变化时，系统也如上述过程一样，对控制器参数进行调整。 鉴于自适应控制的上述特点，自适应控制非常适合像汽车这样的一类非线性系统的控制。在控制过程中，系统能够自动调整控制参数，使得控制结果更好。l跟随巡航模式控制算法 跟随巡航模式控制的是处在跟随行驶车况下的前后车辆的相对距离，使其满足安全车间距要求，从而既能保证行车安全，又能减小相隔距离，提高道路的利用率。 模糊自整定PID控制是将经典的PID控制和模糊控制结合在一起，对行驶环境变化有较强的适应能力。它通过将操作人员长期实践积累的经验知识用控制规则模型化，根据控制系统的实际响应情况，运用模糊推理，实现对PID参数的最佳调整。模糊自整定PID控制器 一、建立模糊推理系统 在Matlab命令窗口中以fuzzy命令打开模糊推理工具箱的图形界面工具，建立模糊推理系统。 增加输入输出变量。其中输入端为E和EC，输出端为参数自整定PID模糊控制器各环节的修正系数Kp、KI与KD。二、输入、输出的模糊化 选取设定车间距与实际车间距的偏差E与偏差的变化率EC作为控制器输入，经模糊推理后的解模糊输出为PID参数的增量KP , KI ,KD，各量的模糊集均为NB,NM, NS, ZO, PS, PM, PB，分别表示负大、负中、负小、零、正小、正中、正大。误差的论域为-100, +100，误差变化率的论域为-8, +8, KP的论域为-0.4, +0.4, KD的论域为-0.04, 0.04 ,KI的论域为-2, +2。 在确定输入、输出及其论域后，要选取模糊子集的隶属度函数曲线的形状。常用的隶属函数有矩形分布、梯形分布、三角形分布、柯西分布和正态分布等。隶属度函数曲线的形状会导致不同的控制特性，隶属度函数曲线形状较尖的模糊子集其分辨率较高，控制灵敏度也较高；相反，隶属度函数曲线形状较缓，控制特性也较平缓，系统稳定性也较好。 E的隶属度函数选用高斯函数，其论域上划分为七个部分。其中的NS, NM, NB分别和PS, PM, PB对称。如果ZO的区域比较大，那么在两车的速度基本一样而两车的间隔距离还比较大时，输出量U就很接近0。从而使系统产生一个比较大的稳态误差。为了避免这种情况，ZO的区域选取的比较窄，而NS, PS的区域选的比较宽。这样可以使整个系统的动态性能和稳态性能有一个比较好的均衡。 EC的隶属度函数也选用高斯函数，其论域上均匀划分为七个部分。KP , KI ,KD的隶属度函数中NB和PB采用隶属度变化缓慢的正态分布，NM，NS，ZO， PS, PM都采用隶属度变化较快的三角形分布，其论域上均匀划分为七个部分：KP , KI ,KD的隶属度函数KP的模糊规则表KI的模糊规则表积分系数KI的调整 积分系数Ki的调整思路为：ec较大时，车辆间隔距离会继续发生变化。为使系统尽快达稳定状态，需要快速响应车辆相对距离的变化，积分系数Ki应取一个比较大的值，加快系统的响应速度，减少震荡次数。 Kd的模糊规则表微分系数KD的调整 比例微分系数KD的调整思路为：e比较大时，这时系统需要加快系统的响应，比例微分系数KD取一个比较大的值，以提高系统的动作灵敏度同时抑制系统的超调。e比较小时，这时车辆状态趋于稳定，所以KD取一个大小合适的值，减少调整的振荡次数。模糊推理方法n多输入多规则推理n如果 A1 且 B1 ， 那么 C1否则如果 ： A2 且 B2 ， 那么 C2 否则如果： An 且 Bn ， 那么 Cn已知 A且 B ， 那么 C =？ 在这里， An 和 A、 Bn 和 B、 Cn 和 C分别是不同论域X、Y、Z上的模糊集合。 模糊推理方法采用了最常用的Mamdani推理方法，其模糊推理过程为：首先在同一规则中取输入量隶属度最小值作为条件部的匹配度，然后与结论部的隶属度进行最小运算得出各规则的结论，并对所有规则的结论做最大运算，最终得出模糊推理的结论。模糊推理方法 由于模糊推理得出的结论是模糊量，不能作为控制量直接用于系统控制中，所以，必须先对模糊量进行解模糊过程从而得到用于控制的精确值，解模糊方法采用了常用的重心法。如果，各规则结论的集总模糊集为A，隶属度函数为 ，论域为U，利用重心法进行曲模糊化的公式为：解模糊方法仿真 假设前车速度为阶跃变化，在0秒到l00秒时本车道前方没有其它车辆，汽车按照定速巡航模式行驶，巡航速度为100km/h。在100秒时，前方100m处发现速度为80km/h的车辆，此时汽车由定速巡航模式切换到跟随巡航模式，跟随车间距离为100m。前方车辆在250秒时速度变为100km/h, ACC车迅速做出反应，自动把车速提高到100km/h。跟踪车辆速度变化曲线跟踪车辆间距变化曲线跟踪车辆油门变化曲线刹车使用对比仿真未使用刹车时的车辆行驶状况使用刹车时的车辆行驶状况