任麗娟

摘 要：汽車(chē)經(jīng)過(guò)一百多年的發(fā)展，已成為人們生活不可或缺的交通工具。駕駛員、道路、汽車(chē)構(gòu)成一個(gè)完整的有機(jī)系統(tǒng)。駕駛員的地位在車(chē)輛操縱穩(wěn)定性的閉環(huán)研究中和智能車(chē)的開(kāi)發(fā)中非常的重要，現(xiàn)在研究駕駛員速度控制行為特性較少。神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制理論應(yīng)用于本文中，對(duì)汽車(chē)速度神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制進(jìn)行研究。

關(guān)鍵詞：汽車(chē) 神經(jīng)網(wǎng)絡(luò) PID控制 智能

中圖分類(lèi)號(hào)：U46 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）05（c）-0073-02

汽車(chē)以有將近百年的發(fā)展，以成為人們生活不可或缺的交通工具，使人們出行變得方便，提高人們的生活質(zhì)量。但隨著汽車(chē)技術(shù)的進(jìn)步和人民物質(zhì)水平的提高，道路上越來(lái)越多的汽車(chē)，交通越來(lái)越擁擠，駕駛員的非職業(yè)性等等。使得交通事故頻繁發(fā)生，造成巨大的人員傷亡和財(cái)產(chǎn)損失。汽車(chē)交通安全已成為一個(gè)社會(huì)問(wèn)題。為了解決這個(gè)問(wèn)題，首先，汽車(chē)必須有良好的安全。一些功能的設(shè)計(jì)，主要研究方向之一是汽車(chē)的主動(dòng)安全性是否良好。

汽車(chē)操縱穩(wěn)定性的研究，已經(jīng)有七十多年的歷史。目前，研究汽車(chē)本身的問(wèn)題已經(jīng)相當(dāng)深入。然而，人們使用智能汽車(chē)模型操縱穩(wěn)定性評(píng)價(jià)時(shí)，有這樣一個(gè)問(wèn)題：缺乏基本了解對(duì)駕駛員的特性。因此，人們只知道方向盤(pán)輸入對(duì)應(yīng)汽車(chē)的具體響應(yīng)，很難確定駕駛員對(duì)系統(tǒng)的性能影響。通過(guò)了解，一些研究人員開(kāi)始研究駕駛員模型和駕駛員汽車(chē)閉環(huán)系統(tǒng)。

本文根據(jù)實(shí)踐經(jīng)驗(yàn)和方向控制驅(qū)動(dòng)模型，研究基于智能車(chē)輛的需求和汽車(chē)操縱穩(wěn)定性評(píng)價(jià)研究閉環(huán)駕駛模型?；谲?chē)輛速度單神經(jīng)元自適應(yīng)PID控制的駕駛員模型。

1 神經(jīng)網(wǎng)絡(luò)和PID控制

1.1 PID控制原理

PID控制是最早的控制策略，比例、積分和微分組合控制，控制被控對(duì)象，稱(chēng)為PID控制器。自從計(jì)算機(jī)進(jìn)入控制領(lǐng)域以來(lái)，模擬控制器被數(shù)字計(jì)算機(jī)代替組成計(jì)算機(jī)控制系統(tǒng)，在軟件上實(shí)現(xiàn)PID控制算法，對(duì)PID控制使用更靈活，因其控制簡(jiǎn)單、可靠性高和魯棒性好成為生產(chǎn)中常見(jiàn)的控制方法，過(guò)程控制和運(yùn)動(dòng)控制被廣泛應(yīng)用。模擬PID控制系統(tǒng)原理如圖1所示。系統(tǒng)是由PID控制器和控制對(duì)象，根據(jù)給定的值和輸出值來(lái)控制時(shí)間偏差，PID控制規(guī)則是：

比例環(huán)節(jié)是偏差信號(hào)成比例被放大；積分環(huán)節(jié)是累加比例偏差；微分環(huán)節(jié)是根據(jù)差值的變化速率，提前調(diào)節(jié)動(dòng)作。PID參數(shù)預(yù)置是互補(bǔ)的，應(yīng)該根據(jù)實(shí)際情況進(jìn)行微調(diào)：控制量在目標(biāo)值附近震蕩，首先增加積分時(shí)間，如果有振動(dòng)，可適當(dāng)降低比例增益P?？刂屏孔兓箅y以恢復(fù)，首先增加比例增益P，如果恢復(fù)相對(duì)較慢，還可以適當(dāng)?shù)臏p少積分時(shí)間，還可以增加微分時(shí)間。

1.2 神經(jīng)網(wǎng)絡(luò)控制

大腦神經(jīng)元組成大腦的神經(jīng)系統(tǒng)最基本的單位，大腦皮層神經(jīng)元數(shù)量在101110～10個(gè)數(shù)量級(jí)。神經(jīng)由胞體和許多的的突起構(gòu)成。細(xì)胞體內(nèi)細(xì)胞核，突起的作用是傳遞信息。作為輸入信號(hào)的若干個(gè)過(guò)程，稱(chēng)為樹(shù)突；作為輸出端的突起只有一個(gè)。即軸突，把許多神經(jīng)元連接在一個(gè)神經(jīng)網(wǎng)絡(luò)，通過(guò)樹(shù)突和軸突的對(duì)接。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能是主要特征之一，神經(jīng)元之間的連接強(qiáng)度或加權(quán)系數(shù)算法是通過(guò)學(xué)習(xí)規(guī)則，學(xué)習(xí)知識(shí)來(lái)適應(yīng)環(huán)境的變化。修正加權(quán)系數(shù)在學(xué)習(xí)的過(guò)程中被修正。在工作期間，加權(quán)系數(shù)參與計(jì)算神經(jīng)元的輸出。

監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)是學(xué)習(xí)算法的兩類(lèi)：第一，監(jiān)督學(xué)習(xí)，外部的教師信號(hào)，當(dāng)結(jié)果和期望的輸出之間存在誤差，連接強(qiáng)度的調(diào)整由網(wǎng)絡(luò)自動(dòng)完成按照自動(dòng)調(diào)整機(jī)制，經(jīng)過(guò)多次反復(fù)跳幀，減少誤差，最終結(jié)果符合要求；第二，無(wú)監(jiān)督學(xué)習(xí)，沒(méi)有外部的教師信號(hào)，其性能表現(xiàn)為自適應(yīng)輸入空間的測(cè)試規(guī)則，學(xué)習(xí)過(guò)程為系統(tǒng)提供動(dòng)態(tài)輸入信號(hào)，使各單位以某種方式競(jìng)爭(zhēng)，獲得神經(jīng)元本身或其鄰近域增強(qiáng)，其他神經(jīng)元從而進(jìn)一步抑制信號(hào)空間分為多個(gè)區(qū)域是非常有用的。常用的集中規(guī)則如下：

（1）有監(jiān)督學(xué)習(xí)規(guī)則Hebb，Hebb學(xué)習(xí)是一種相關(guān)的學(xué)習(xí)。基本思想是：如果兩個(gè)神經(jīng)元激活的同時(shí)，加強(qiáng)他們之間的連接強(qiáng)度和他們的激勵(lì)的乘積直接成正比的關(guān)系。

（2）有監(jiān)督的Delta學(xué)習(xí)規(guī)則在Hebb學(xué)習(xí)規(guī)則中把教師信號(hào)引入。

（3）監(jiān)督Hebb學(xué)習(xí)規(guī)則，非監(jiān)督學(xué)習(xí)規(guī)則和有監(jiān)督學(xué)習(xí)規(guī)則兩個(gè)組合在一起構(gòu)成有監(jiān)督Hebb學(xué)習(xí)規(guī)則。

2 汽車(chē)速度單神經(jīng)元自適應(yīng)PID控制

駕駛員鞏通過(guò)改變剎車(chē)踏板的位置和油門(mén)踏板控制車(chē)輛的縱向加速度和速度。由于涉及的控制引擎和輪胎等強(qiáng)非線(xiàn)性環(huán)節(jié)，所以它是一個(gè)強(qiáng)非線(xiàn)性參數(shù)時(shí)變系統(tǒng)。為了正確地描述駕駛員輸入的關(guān)系以及縱向油門(mén)踏板的反應(yīng)，我們做一個(gè)綜合分析，采用汽車(chē)速度控制強(qiáng)非線(xiàn)性系統(tǒng)的工作點(diǎn)附近的局部線(xiàn)性化方法，簡(jiǎn)化局部非線(xiàn)性參考模型來(lái)描述動(dòng)態(tài)響應(yīng)特性的汽車(chē)速度控制。這樣控制存在靜差，所以我們要先進(jìn)行動(dòng)力學(xué)模型參數(shù)的辨識(shí)，才能進(jìn)行速度控制。

單神經(jīng)元網(wǎng)絡(luò)是以神經(jīng)元為節(jié)點(diǎn)，使用一個(gè)網(wǎng)絡(luò)拓?fù)錁?gòu)成的活性網(wǎng)絡(luò)。理論上實(shí)現(xiàn)任意非線(xiàn)性映射和逼近復(fù)雜的非線(xiàn)性關(guān)系。單神經(jīng)元的自學(xué)習(xí)和自適應(yīng)能力，結(jié)構(gòu)簡(jiǎn)單，易于計(jì)算。傳統(tǒng)的PID控制器由于其算法簡(jiǎn)單、魯棒性好和可靠性高的優(yōu)點(diǎn)，廣泛應(yīng)用于工業(yè)過(guò)程控制。但是其對(duì)運(yùn)行工況適應(yīng)性不好，參數(shù)整點(diǎn)不良等缺點(diǎn)。通過(guò)兩者結(jié)合解決PID控制的不足，提高系統(tǒng)的性能。汽車(chē)速度的控制流程圖如圖2所示。

3 閉環(huán)系統(tǒng)仿真分析

為了驗(yàn)證速度控制駕駛員模型的合理性，驗(yàn)證汽車(chē)速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型比簡(jiǎn)單的PID控制駕駛員模型具有更好的適應(yīng)性和魯棒性。在仿真中，參考的縱向速度積分的方法為縱向參考位移的輸入；方向盤(pán)角設(shè)置為零，即線(xiàn)性速度跟隨仿真實(shí)驗(yàn)，對(duì)于方向盤(pán)角為非零值的速度時(shí)，跟隨工況下存在的耦合，我們?cè)谶@里主要介紹在汽車(chē)直線(xiàn)行駛時(shí)，在減速跟隨工況下進(jìn)行仿真，汽車(chē)在簡(jiǎn)單PID控制和單神經(jīng)元自適應(yīng)PID控制下進(jìn)行仿真所得到的縱向速度、縱向加速度等參量相比較而繪制的曲線(xiàn)示意圖。圖3和圖4所示。

4 結(jié)論

應(yīng)用神經(jīng)網(wǎng)絡(luò)和PID控制原理，針對(duì)車(chē)輛動(dòng)力學(xué)控制的特點(diǎn)，建立了強(qiáng)非線(xiàn)性特征基于車(chē)輛速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型，駕駛員-汽車(chē)-道路閉環(huán)系統(tǒng)進(jìn)行了仿真分析，仿真結(jié)果和簡(jiǎn)單的PID控制仿真結(jié)果進(jìn)行比較。車(chē)輛速度的單神經(jīng)元PID控制驅(qū)動(dòng)模型比簡(jiǎn)單的PID控制驅(qū)動(dòng)驅(qū)動(dòng)具有更好的適應(yīng)性。提高了系統(tǒng)的性能，為汽車(chē)的智能化提供參數(shù)。

參考文獻(xiàn)

[1] XuH G，WangC X，YangR Q.ExtendedKalman filterbasedmag-netic guidance for intelligent vehicles[C]// Tokyo，Japan：Intell-igentVehicles Symposium.2006.

[2] 沈吟東，曾西洋.公共交通駕駛員調(diào)度的復(fù)雜性及解決方法[C]//2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集.2004.

[3] 李冬輝，葉利濤.基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2005（4）.

[4] 王宏濤，劉朝勇，鄭世杰.基于模糊RBF神經(jīng)網(wǎng)絡(luò)的復(fù)合材料結(jié)構(gòu)脫層損傷監(jiān)測(cè)研究[J].兵器材料科學(xué)與工程，2011（1）.

[5] 王述彥，師宇，馮忠緒.基于模糊PID控制器的控制方法研究[J].機(jī)械科學(xué)與技術(shù)，2011（1）.endprint

摘 要：汽車(chē)經(jīng)過(guò)一百多年的發(fā)展，已成為人們生活不可或缺的交通工具。駕駛員、道路、汽車(chē)構(gòu)成一個(gè)完整的有機(jī)系統(tǒng)。駕駛員的地位在車(chē)輛操縱穩(wěn)定性的閉環(huán)研究中和智能車(chē)的開(kāi)發(fā)中非常的重要，現(xiàn)在研究駕駛員速度控制行為特性較少。神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制理論應(yīng)用于本文中，對(duì)汽車(chē)速度神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制進(jìn)行研究。

關(guān)鍵詞：汽車(chē) 神經(jīng)網(wǎng)絡(luò) PID控制 智能

中圖分類(lèi)號(hào)：U46 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）05（c）-0073-02

汽車(chē)以有將近百年的發(fā)展，以成為人們生活不可或缺的交通工具，使人們出行變得方便，提高人們的生活質(zhì)量。但隨著汽車(chē)技術(shù)的進(jìn)步和人民物質(zhì)水平的提高，道路上越來(lái)越多的汽車(chē)，交通越來(lái)越擁擠，駕駛員的非職業(yè)性等等。使得交通事故頻繁發(fā)生，造成巨大的人員傷亡和財(cái)產(chǎn)損失。汽車(chē)交通安全已成為一個(gè)社會(huì)問(wèn)題。為了解決這個(gè)問(wèn)題，首先，汽車(chē)必須有良好的安全。一些功能的設(shè)計(jì)，主要研究方向之一是汽車(chē)的主動(dòng)安全性是否良好。

汽車(chē)操縱穩(wěn)定性的研究，已經(jīng)有七十多年的歷史。目前，研究汽車(chē)本身的問(wèn)題已經(jīng)相當(dāng)深入。然而，人們使用智能汽車(chē)模型操縱穩(wěn)定性評(píng)價(jià)時(shí)，有這樣一個(gè)問(wèn)題：缺乏基本了解對(duì)駕駛員的特性。因此，人們只知道方向盤(pán)輸入對(duì)應(yīng)汽車(chē)的具體響應(yīng)，很難確定駕駛員對(duì)系統(tǒng)的性能影響。通過(guò)了解，一些研究人員開(kāi)始研究駕駛員模型和駕駛員汽車(chē)閉環(huán)系統(tǒng)。

本文根據(jù)實(shí)踐經(jīng)驗(yàn)和方向控制驅(qū)動(dòng)模型，研究基于智能車(chē)輛的需求和汽車(chē)操縱穩(wěn)定性評(píng)價(jià)研究閉環(huán)駕駛模型?；谲?chē)輛速度單神經(jīng)元自適應(yīng)PID控制的駕駛員模型。

1 神經(jīng)網(wǎng)絡(luò)和PID控制

1.1 PID控制原理

PID控制是最早的控制策略，比例、積分和微分組合控制，控制被控對(duì)象，稱(chēng)為PID控制器。自從計(jì)算機(jī)進(jìn)入控制領(lǐng)域以來(lái)，模擬控制器被數(shù)字計(jì)算機(jī)代替組成計(jì)算機(jī)控制系統(tǒng)，在軟件上實(shí)現(xiàn)PID控制算法，對(duì)PID控制使用更靈活，因其控制簡(jiǎn)單、可靠性高和魯棒性好成為生產(chǎn)中常見(jiàn)的控制方法，過(guò)程控制和運(yùn)動(dòng)控制被廣泛應(yīng)用。模擬PID控制系統(tǒng)原理如圖1所示。系統(tǒng)是由PID控制器和控制對(duì)象，根據(jù)給定的值和輸出值來(lái)控制時(shí)間偏差，PID控制規(guī)則是：

比例環(huán)節(jié)是偏差信號(hào)成比例被放大；積分環(huán)節(jié)是累加比例偏差；微分環(huán)節(jié)是根據(jù)差值的變化速率，提前調(diào)節(jié)動(dòng)作。PID參數(shù)預(yù)置是互補(bǔ)的，應(yīng)該根據(jù)實(shí)際情況進(jìn)行微調(diào)：控制量在目標(biāo)值附近震蕩，首先增加積分時(shí)間，如果有振動(dòng)，可適當(dāng)降低比例增益P?？刂屏孔兓箅y以恢復(fù)，首先增加比例增益P，如果恢復(fù)相對(duì)較慢，還可以適當(dāng)?shù)臏p少積分時(shí)間，還可以增加微分時(shí)間。

1.2 神經(jīng)網(wǎng)絡(luò)控制

大腦神經(jīng)元組成大腦的神經(jīng)系統(tǒng)最基本的單位，大腦皮層神經(jīng)元數(shù)量在101110～10個(gè)數(shù)量級(jí)。神經(jīng)由胞體和許多的的突起構(gòu)成。細(xì)胞體內(nèi)細(xì)胞核，突起的作用是傳遞信息。作為輸入信號(hào)的若干個(gè)過(guò)程，稱(chēng)為樹(shù)突；作為輸出端的突起只有一個(gè)。即軸突，把許多神經(jīng)元連接在一個(gè)神經(jīng)網(wǎng)絡(luò)，通過(guò)樹(shù)突和軸突的對(duì)接。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能是主要特征之一，神經(jīng)元之間的連接強(qiáng)度或加權(quán)系數(shù)算法是通過(guò)學(xué)習(xí)規(guī)則，學(xué)習(xí)知識(shí)來(lái)適應(yīng)環(huán)境的變化。修正加權(quán)系數(shù)在學(xué)習(xí)的過(guò)程中被修正。在工作期間，加權(quán)系數(shù)參與計(jì)算神經(jīng)元的輸出。

監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)是學(xué)習(xí)算法的兩類(lèi)：第一，監(jiān)督學(xué)習(xí)，外部的教師信號(hào)，當(dāng)結(jié)果和期望的輸出之間存在誤差，連接強(qiáng)度的調(diào)整由網(wǎng)絡(luò)自動(dòng)完成按照自動(dòng)調(diào)整機(jī)制，經(jīng)過(guò)多次反復(fù)跳幀，減少誤差，最終結(jié)果符合要求；第二，無(wú)監(jiān)督學(xué)習(xí)，沒(méi)有外部的教師信號(hào)，其性能表現(xiàn)為自適應(yīng)輸入空間的測(cè)試規(guī)則，學(xué)習(xí)過(guò)程為系統(tǒng)提供動(dòng)態(tài)輸入信號(hào)，使各單位以某種方式競(jìng)爭(zhēng)，獲得神經(jīng)元本身或其鄰近域增強(qiáng)，其他神經(jīng)元從而進(jìn)一步抑制信號(hào)空間分為多個(gè)區(qū)域是非常有用的。常用的集中規(guī)則如下：

（1）有監(jiān)督學(xué)習(xí)規(guī)則Hebb，Hebb學(xué)習(xí)是一種相關(guān)的學(xué)習(xí)?；舅枷胧牵喝绻麅蓚€(gè)神經(jīng)元激活的同時(shí)，加強(qiáng)他們之間的連接強(qiáng)度和他們的激勵(lì)的乘積直接成正比的關(guān)系。

（2）有監(jiān)督的Delta學(xué)習(xí)規(guī)則在Hebb學(xué)習(xí)規(guī)則中把教師信號(hào)引入。

（3）監(jiān)督Hebb學(xué)習(xí)規(guī)則，非監(jiān)督學(xué)習(xí)規(guī)則和有監(jiān)督學(xué)習(xí)規(guī)則兩個(gè)組合在一起構(gòu)成有監(jiān)督Hebb學(xué)習(xí)規(guī)則。

2 汽車(chē)速度單神經(jīng)元自適應(yīng)PID控制

駕駛員鞏通過(guò)改變剎車(chē)踏板的位置和油門(mén)踏板控制車(chē)輛的縱向加速度和速度。由于涉及的控制引擎和輪胎等強(qiáng)非線(xiàn)性環(huán)節(jié)，所以它是一個(gè)強(qiáng)非線(xiàn)性參數(shù)時(shí)變系統(tǒng)。為了正確地描述駕駛員輸入的關(guān)系以及縱向油門(mén)踏板的反應(yīng)，我們做一個(gè)綜合分析，采用汽車(chē)速度控制強(qiáng)非線(xiàn)性系統(tǒng)的工作點(diǎn)附近的局部線(xiàn)性化方法，簡(jiǎn)化局部非線(xiàn)性參考模型來(lái)描述動(dòng)態(tài)響應(yīng)特性的汽車(chē)速度控制。這樣控制存在靜差，所以我們要先進(jìn)行動(dòng)力學(xué)模型參數(shù)的辨識(shí)，才能進(jìn)行速度控制。

單神經(jīng)元網(wǎng)絡(luò)是以神經(jīng)元為節(jié)點(diǎn)，使用一個(gè)網(wǎng)絡(luò)拓?fù)錁?gòu)成的活性網(wǎng)絡(luò)。理論上實(shí)現(xiàn)任意非線(xiàn)性映射和逼近復(fù)雜的非線(xiàn)性關(guān)系。單神經(jīng)元的自學(xué)習(xí)和自適應(yīng)能力，結(jié)構(gòu)簡(jiǎn)單，易于計(jì)算。傳統(tǒng)的PID控制器由于其算法簡(jiǎn)單、魯棒性好和可靠性高的優(yōu)點(diǎn)，廣泛應(yīng)用于工業(yè)過(guò)程控制。但是其對(duì)運(yùn)行工況適應(yīng)性不好，參數(shù)整點(diǎn)不良等缺點(diǎn)。通過(guò)兩者結(jié)合解決PID控制的不足，提高系統(tǒng)的性能。汽車(chē)速度的控制流程圖如圖2所示。

3 閉環(huán)系統(tǒng)仿真分析

為了驗(yàn)證速度控制駕駛員模型的合理性，驗(yàn)證汽車(chē)速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型比簡(jiǎn)單的PID控制駕駛員模型具有更好的適應(yīng)性和魯棒性。在仿真中，參考的縱向速度積分的方法為縱向參考位移的輸入；方向盤(pán)角設(shè)置為零，即線(xiàn)性速度跟隨仿真實(shí)驗(yàn)，對(duì)于方向盤(pán)角為非零值的速度時(shí)，跟隨工況下存在的耦合，我們?cè)谶@里主要介紹在汽車(chē)直線(xiàn)行駛時(shí)，在減速跟隨工況下進(jìn)行仿真，汽車(chē)在簡(jiǎn)單PID控制和單神經(jīng)元自適應(yīng)PID控制下進(jìn)行仿真所得到的縱向速度、縱向加速度等參量相比較而繪制的曲線(xiàn)示意圖。圖3和圖4所示。

4 結(jié)論

應(yīng)用神經(jīng)網(wǎng)絡(luò)和PID控制原理，針對(duì)車(chē)輛動(dòng)力學(xué)控制的特點(diǎn)，建立了強(qiáng)非線(xiàn)性特征基于車(chē)輛速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型，駕駛員-汽車(chē)-道路閉環(huán)系統(tǒng)進(jìn)行了仿真分析，仿真結(jié)果和簡(jiǎn)單的PID控制仿真結(jié)果進(jìn)行比較。車(chē)輛速度的單神經(jīng)元PID控制驅(qū)動(dòng)模型比簡(jiǎn)單的PID控制驅(qū)動(dòng)驅(qū)動(dòng)具有更好的適應(yīng)性。提高了系統(tǒng)的性能，為汽車(chē)的智能化提供參數(shù)。

參考文獻(xiàn)

[1] XuH G，WangC X，YangR Q.ExtendedKalman filterbasedmag-netic guidance for intelligent vehicles[C]// Tokyo，Japan：Intell-igentVehicles Symposium.2006.

[2] 沈吟東，曾西洋.公共交通駕駛員調(diào)度的復(fù)雜性及解決方法[C]//2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集.2004.

[3] 李冬輝，葉利濤.基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2005（4）.

[4] 王宏濤，劉朝勇，鄭世杰.基于模糊RBF神經(jīng)網(wǎng)絡(luò)的復(fù)合材料結(jié)構(gòu)脫層損傷監(jiān)測(cè)研究[J].兵器材料科學(xué)與工程，2011（1）.

[5] 王述彥，師宇，馮忠緒.基于模糊PID控制器的控制方法研究[J].機(jī)械科學(xué)與技術(shù)，2011（1）.endprint

摘 要：汽車(chē)經(jīng)過(guò)一百多年的發(fā)展，已成為人們生活不可或缺的交通工具。駕駛員、道路、汽車(chē)構(gòu)成一個(gè)完整的有機(jī)系統(tǒng)。駕駛員的地位在車(chē)輛操縱穩(wěn)定性的閉環(huán)研究中和智能車(chē)的開(kāi)發(fā)中非常的重要，現(xiàn)在研究駕駛員速度控制行為特性較少。神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制理論應(yīng)用于本文中，對(duì)汽車(chē)速度神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制進(jìn)行研究。

關(guān)鍵詞：汽車(chē) 神經(jīng)網(wǎng)絡(luò) PID控制 智能

中圖分類(lèi)號(hào)：U46 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）05（c）-0073-02

汽車(chē)以有將近百年的發(fā)展，以成為人們生活不可或缺的交通工具，使人們出行變得方便，提高人們的生活質(zhì)量。但隨著汽車(chē)技術(shù)的進(jìn)步和人民物質(zhì)水平的提高，道路上越來(lái)越多的汽車(chē)，交通越來(lái)越擁擠，駕駛員的非職業(yè)性等等。使得交通事故頻繁發(fā)生，造成巨大的人員傷亡和財(cái)產(chǎn)損失。汽車(chē)交通安全已成為一個(gè)社會(huì)問(wèn)題。為了解決這個(gè)問(wèn)題，首先，汽車(chē)必須有良好的安全。一些功能的設(shè)計(jì)，主要研究方向之一是汽車(chē)的主動(dòng)安全性是否良好。

汽車(chē)操縱穩(wěn)定性的研究，已經(jīng)有七十多年的歷史。目前，研究汽車(chē)本身的問(wèn)題已經(jīng)相當(dāng)深入。然而，人們使用智能汽車(chē)模型操縱穩(wěn)定性評(píng)價(jià)時(shí)，有這樣一個(gè)問(wèn)題：缺乏基本了解對(duì)駕駛員的特性。因此，人們只知道方向盤(pán)輸入對(duì)應(yīng)汽車(chē)的具體響應(yīng)，很難確定駕駛員對(duì)系統(tǒng)的性能影響。通過(guò)了解，一些研究人員開(kāi)始研究駕駛員模型和駕駛員汽車(chē)閉環(huán)系統(tǒng)。

本文根據(jù)實(shí)踐經(jīng)驗(yàn)和方向控制驅(qū)動(dòng)模型，研究基于智能車(chē)輛的需求和汽車(chē)操縱穩(wěn)定性評(píng)價(jià)研究閉環(huán)駕駛模型?；谲?chē)輛速度單神經(jīng)元自適應(yīng)PID控制的駕駛員模型。

1 神經(jīng)網(wǎng)絡(luò)和PID控制

1.1 PID控制原理

PID控制是最早的控制策略，比例、積分和微分組合控制，控制被控對(duì)象，稱(chēng)為PID控制器。自從計(jì)算機(jī)進(jìn)入控制領(lǐng)域以來(lái)，模擬控制器被數(shù)字計(jì)算機(jī)代替組成計(jì)算機(jī)控制系統(tǒng)，在軟件上實(shí)現(xiàn)PID控制算法，對(duì)PID控制使用更靈活，因其控制簡(jiǎn)單、可靠性高和魯棒性好成為生產(chǎn)中常見(jiàn)的控制方法，過(guò)程控制和運(yùn)動(dòng)控制被廣泛應(yīng)用。模擬PID控制系統(tǒng)原理如圖1所示。系統(tǒng)是由PID控制器和控制對(duì)象，根據(jù)給定的值和輸出值來(lái)控制時(shí)間偏差，PID控制規(guī)則是：

比例環(huán)節(jié)是偏差信號(hào)成比例被放大；積分環(huán)節(jié)是累加比例偏差；微分環(huán)節(jié)是根據(jù)差值的變化速率，提前調(diào)節(jié)動(dòng)作。PID參數(shù)預(yù)置是互補(bǔ)的，應(yīng)該根據(jù)實(shí)際情況進(jìn)行微調(diào)：控制量在目標(biāo)值附近震蕩，首先增加積分時(shí)間，如果有振動(dòng)，可適當(dāng)降低比例增益P?？刂屏孔兓箅y以恢復(fù)，首先增加比例增益P，如果恢復(fù)相對(duì)較慢，還可以適當(dāng)?shù)臏p少積分時(shí)間，還可以增加微分時(shí)間。

1.2 神經(jīng)網(wǎng)絡(luò)控制

大腦神經(jīng)元組成大腦的神經(jīng)系統(tǒng)最基本的單位，大腦皮層神經(jīng)元數(shù)量在101110～10個(gè)數(shù)量級(jí)。神經(jīng)由胞體和許多的的突起構(gòu)成。細(xì)胞體內(nèi)細(xì)胞核，突起的作用是傳遞信息。作為輸入信號(hào)的若干個(gè)過(guò)程，稱(chēng)為樹(shù)突；作為輸出端的突起只有一個(gè)。即軸突，把許多神經(jīng)元連接在一個(gè)神經(jīng)網(wǎng)絡(luò)，通過(guò)樹(shù)突和軸突的對(duì)接。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能是主要特征之一，神經(jīng)元之間的連接強(qiáng)度或加權(quán)系數(shù)算法是通過(guò)學(xué)習(xí)規(guī)則，學(xué)習(xí)知識(shí)來(lái)適應(yīng)環(huán)境的變化。修正加權(quán)系數(shù)在學(xué)習(xí)的過(guò)程中被修正。在工作期間，加權(quán)系數(shù)參與計(jì)算神經(jīng)元的輸出。

監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)是學(xué)習(xí)算法的兩類(lèi)：第一，監(jiān)督學(xué)習(xí)，外部的教師信號(hào)，當(dāng)結(jié)果和期望的輸出之間存在誤差，連接強(qiáng)度的調(diào)整由網(wǎng)絡(luò)自動(dòng)完成按照自動(dòng)調(diào)整機(jī)制，經(jīng)過(guò)多次反復(fù)跳幀，減少誤差，最終結(jié)果符合要求；第二，無(wú)監(jiān)督學(xué)習(xí)，沒(méi)有外部的教師信號(hào)，其性能表現(xiàn)為自適應(yīng)輸入空間的測(cè)試規(guī)則，學(xué)習(xí)過(guò)程為系統(tǒng)提供動(dòng)態(tài)輸入信號(hào)，使各單位以某種方式競(jìng)爭(zhēng)，獲得神經(jīng)元本身或其鄰近域增強(qiáng)，其他神經(jīng)元從而進(jìn)一步抑制信號(hào)空間分為多個(gè)區(qū)域是非常有用的。常用的集中規(guī)則如下：

（1）有監(jiān)督學(xué)習(xí)規(guī)則Hebb，Hebb學(xué)習(xí)是一種相關(guān)的學(xué)習(xí)?；舅枷胧牵喝绻麅蓚€(gè)神經(jīng)元激活的同時(shí)，加強(qiáng)他們之間的連接強(qiáng)度和他們的激勵(lì)的乘積直接成正比的關(guān)系。

（2）有監(jiān)督的Delta學(xué)習(xí)規(guī)則在Hebb學(xué)習(xí)規(guī)則中把教師信號(hào)引入。

（3）監(jiān)督Hebb學(xué)習(xí)規(guī)則，非監(jiān)督學(xué)習(xí)規(guī)則和有監(jiān)督學(xué)習(xí)規(guī)則兩個(gè)組合在一起構(gòu)成有監(jiān)督Hebb學(xué)習(xí)規(guī)則。

2 汽車(chē)速度單神經(jīng)元自適應(yīng)PID控制

駕駛員鞏通過(guò)改變剎車(chē)踏板的位置和油門(mén)踏板控制車(chē)輛的縱向加速度和速度。由于涉及的控制引擎和輪胎等強(qiáng)非線(xiàn)性環(huán)節(jié)，所以它是一個(gè)強(qiáng)非線(xiàn)性參數(shù)時(shí)變系統(tǒng)。為了正確地描述駕駛員輸入的關(guān)系以及縱向油門(mén)踏板的反應(yīng)，我們做一個(gè)綜合分析，采用汽車(chē)速度控制強(qiáng)非線(xiàn)性系統(tǒng)的工作點(diǎn)附近的局部線(xiàn)性化方法，簡(jiǎn)化局部非線(xiàn)性參考模型來(lái)描述動(dòng)態(tài)響應(yīng)特性的汽車(chē)速度控制。這樣控制存在靜差，所以我們要先進(jìn)行動(dòng)力學(xué)模型參數(shù)的辨識(shí)，才能進(jìn)行速度控制。

單神經(jīng)元網(wǎng)絡(luò)是以神經(jīng)元為節(jié)點(diǎn)，使用一個(gè)網(wǎng)絡(luò)拓?fù)錁?gòu)成的活性網(wǎng)絡(luò)。理論上實(shí)現(xiàn)任意非線(xiàn)性映射和逼近復(fù)雜的非線(xiàn)性關(guān)系。單神經(jīng)元的自學(xué)習(xí)和自適應(yīng)能力，結(jié)構(gòu)簡(jiǎn)單，易于計(jì)算。傳統(tǒng)的PID控制器由于其算法簡(jiǎn)單、魯棒性好和可靠性高的優(yōu)點(diǎn)，廣泛應(yīng)用于工業(yè)過(guò)程控制。但是其對(duì)運(yùn)行工況適應(yīng)性不好，參數(shù)整點(diǎn)不良等缺點(diǎn)。通過(guò)兩者結(jié)合解決PID控制的不足，提高系統(tǒng)的性能。汽車(chē)速度的控制流程圖如圖2所示。

3 閉環(huán)系統(tǒng)仿真分析

為了驗(yàn)證速度控制駕駛員模型的合理性，驗(yàn)證汽車(chē)速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型比簡(jiǎn)單的PID控制駕駛員模型具有更好的適應(yīng)性和魯棒性。在仿真中，參考的縱向速度積分的方法為縱向參考位移的輸入；方向盤(pán)角設(shè)置為零，即線(xiàn)性速度跟隨仿真實(shí)驗(yàn)，對(duì)于方向盤(pán)角為非零值的速度時(shí)，跟隨工況下存在的耦合，我們?cè)谶@里主要介紹在汽車(chē)直線(xiàn)行駛時(shí)，在減速跟隨工況下進(jìn)行仿真，汽車(chē)在簡(jiǎn)單PID控制和單神經(jīng)元自適應(yīng)PID控制下進(jìn)行仿真所得到的縱向速度、縱向加速度等參量相比較而繪制的曲線(xiàn)示意圖。圖3和圖4所示。

4 結(jié)論

應(yīng)用神經(jīng)網(wǎng)絡(luò)和PID控制原理，針對(duì)車(chē)輛動(dòng)力學(xué)控制的特點(diǎn)，建立了強(qiáng)非線(xiàn)性特征基于車(chē)輛速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型，駕駛員-汽車(chē)-道路閉環(huán)系統(tǒng)進(jìn)行了仿真分析，仿真結(jié)果和簡(jiǎn)單的PID控制仿真結(jié)果進(jìn)行比較。車(chē)輛速度的單神經(jīng)元PID控制驅(qū)動(dòng)模型比簡(jiǎn)單的PID控制驅(qū)動(dòng)驅(qū)動(dòng)具有更好的適應(yīng)性。提高了系統(tǒng)的性能，為汽車(chē)的智能化提供參數(shù)。

參考文獻(xiàn)

[1] XuH G，WangC X，YangR Q.ExtendedKalman filterbasedmag-netic guidance for intelligent vehicles[C]// Tokyo，Japan：Intell-igentVehicles Symposium.2006.

[2] 沈吟東，曾西洋.公共交通駕駛員調(diào)度的復(fù)雜性及解決方法[C]//2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集.2004.

[3] 李冬輝，葉利濤.基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2005（4）.

[4] 王宏濤，劉朝勇，鄭世杰.基于模糊RBF神經(jīng)網(wǎng)絡(luò)的復(fù)合材料結(jié)構(gòu)脫層損傷監(jiān)測(cè)研究[J].兵器材料科學(xué)與工程，2011（1）.

[5] 王述彥，師宇，馮忠緒.基于模糊PID控制器的控制方法研究[J].機(jī)械科學(xué)與技術(shù)，2011（1）.endprint