楊小峰 杜龑 郭達(dá)

摘 要：本文基于模糊PID控制對(duì)智能車車體控制展開研究。分別基于CarSim和Simulink搭建了車輛動(dòng)力學(xué)模型和預(yù)瞄模型，以及基于模糊PID控制的車體控制模型。在CarSim/Simulink聯(lián)合仿真平臺(tái)上，分別用PID、模糊PID控制智能車對(duì)正弦路徑和規(guī)劃的避障路徑進(jìn)行變速跟蹤，結(jié)果表明，相同條件下模糊PID控制具有更好的控制效果、跟蹤準(zhǔn)確且能成功的避開動(dòng)態(tài)障礙物。

關(guān)鍵詞：模糊PID控制；車體控制；聯(lián)合仿真

對(duì)智能車車體控制的研究，是智能車技術(shù)的關(guān)鍵之一，對(duì)研究智能車的發(fā)展具有重大意義。智能車車體控制，以研究智能車的橫向控制為主，橫向控制是指控制智能車準(zhǔn)確的按照給定的路徑行駛。

1 車輛動(dòng)力學(xué)模型和預(yù)瞄模型

本文只考慮車輛操縱穩(wěn)定性。車輛動(dòng)力學(xué)模型用來確定車輛的狀態(tài)量和控制量。在進(jìn)行車輛動(dòng)力學(xué)建模[ 1 ]時(shí)進(jìn)行相關(guān)理想化的假設(shè)，如圖1所示。車輛動(dòng)力學(xué)非線性模型[ 2 ]為：

通過行駛速度Vf和前輪轉(zhuǎn)角δf確定汽車的位置X，Y，φ。駕駛員要想跟隨某一路徑行駛，需要確定汽車與路徑間的距離、相對(duì)于路徑的方向，即橫向偏差和方向偏差[ 3 ]。

yL=ym-Y εL=φ-α （2）

其中，yL為橫向偏差；εL為方向偏差；L為預(yù)瞄距離，L=10m。

2 模糊PID控制原理

模糊PID控制不但具有模糊控制的非線性和智能性，還具有PID控制結(jié)構(gòu)可靠性好、控制精度高等優(yōu)點(diǎn)。

yL=1-2，εL=1-2 （3）

eL=η1yL+η2εL （4）

其中，η1、η2均大于0，且η1+η2=1；eL是融合偏差，即相對(duì)誤差。

本文設(shè)計(jì)的模糊PID控制，以融合偏差eL和融合偏差的變化率L為輸入，并加入自我調(diào)整參數(shù)的選項(xiàng)，通過調(diào)節(jié)增量ΔKp、ΔKi和ΔKd來調(diào)節(jié)PID控制器參數(shù)Kp、Ki和Kd，增量由模糊控制器控制。

Kp=Kp0+ΔKp，Ki=Ki0+ΔKi，Kd=Kd0+ΔKd （5）

3 基于模糊PID的智能車車體控制模型仿真分析

智能車的車速設(shè)定為連續(xù)變化的，初始車速為0km/h，目標(biāo)車速為100km/h。圖3和圖4分別為智能車基于模糊PID控制和PID控制對(duì)正弦路徑和規(guī)劃的避障路徑跟蹤仿真的結(jié)果。從圖中可知PID控制的跟蹤軌跡偏差比較大，模糊PID控制較好。模糊PID控制的軌跡與目標(biāo)軌跡的最大距離為0.6m，而PID控制為4.6m。前者最大誤差為3%，后者為23%。

綜上所述，相比于PID控制，基于模糊PID控制的智能車車體控制不但具有更好的控制效果，而且適用于變速情況下對(duì)動(dòng)態(tài)避障路徑的跟蹤，跟蹤效果良好。

4 結(jié)語

本文選擇模糊PID控制進(jìn)行智能車車體控制研究，結(jié)合了模糊控制和PID控制的優(yōu)點(diǎn)。為了驗(yàn)證其控制效果，分別對(duì)正弦路徑和規(guī)劃路徑進(jìn)行跟蹤，并進(jìn)行對(duì)比，可知當(dāng)車速連續(xù)變化時(shí)，模糊PID控制的控制效果更理想，對(duì)路徑的跟蹤效果更好，且能成功的避開動(dòng)態(tài)障礙物達(dá)到目標(biāo)點(diǎn)。

參考文獻(xiàn)：

[1] Sam-Sang You，Seok-Kwon Jeony.Controller design and analysis for automatic steering of passenger cars[J].Mecha—tronjcs，2002.（12）：427-446.

[2] 龔建偉，姜巖，徐威.無人駕駛車輛模型預(yù)測(cè)控制[M].北京：北京理工大學(xué)出版社，2014.

[3] 趙熙俊，陳慧巖.智能車輛路徑跟蹤橫向控制方法的研究[J].汽車工程，2011，5（33）.

[4] 郭景華，胡平，李琳輝，王榮本，張明恒，郭烈.基于遺傳優(yōu)化的無人車橫向模糊控制[J].機(jī)械工程學(xué)報(bào)，2012，48（6）：77-82.