基于視覺的智能車行駛控制技術(shù)的改進(jìn)論文

基于視覺的智能車行駛控制技術(shù)的改進(jìn)論文摘 要：本文針對(duì)車輛的行駛控制技術(shù)進(jìn)行了研究，提出了一種模糊神經(jīng)網(wǎng)絡(luò)PID控制算法來實(shí)現(xiàn)車輛的行駛控制。該方法將模糊理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合，并利用其調(diào)整PID參數(shù)，實(shí)現(xiàn)對(duì)自動(dòng)監(jiān)測(cè)車輛的行駛控制。由仿真得出，該控制算法具有很好的控制性能，解決了普通PID控制器在控制時(shí)變、非線性系統(tǒng)中所出現(xiàn)的問題，具有控制速度快、實(shí)時(shí)性好、穩(wěn)態(tài)誤差小的特點(diǎn)。關(guān)鍵詞：智能車；PID控制；模糊算法；神經(jīng)網(wǎng)絡(luò)引言隨著智能交通技術(shù)（ITS）的發(fā)展，智能車的自主化行駛程度不斷提高，無人車的自動(dòng)駕駛控制技術(shù)的研究也逐漸成為各個(gè)國(guó)家的熱點(diǎn)。今后的研究方向是如何將各種控制方法有效的結(jié)合以達(dá)到最優(yōu)的控制效果。對(duì)此，本文針對(duì)智能車行駛控制問題進(jìn)行了深入的研究，提出了一種自適應(yīng)性比較高的單車線沿線制導(dǎo)行駛控制算法。1。行駛控制算法選定PID控制是應(yīng)用最為廣泛的策略之一，其控制結(jié)構(gòu)簡(jiǎn)單、參數(shù)易于在線調(diào)整，主要適用于線性系統(tǒng)控制。而被控對(duì)象往往機(jī)理復(fù)雜，具有高度非線性、時(shí)變不確定性和純滯后等特點(diǎn)，常規(guī)PID控制器存在參數(shù)整定不良、適應(yīng)性差等問題。仿真假設(shè)道路上沒有障礙、岔道等較為理想的情況；車道寬為3m；車中心沿車道線右邊1m處行駛；車寬1m；道路由直線路段和弧度較大的圓弧路段組成；車與引導(dǎo)線的夾角小于等于45度；車前輪轉(zhuǎn)角小于30度；油門開度調(diào)節(jié)最大值30%；偏移量最大為150cm；車輛以80KM/h的速度跟蹤車道線而不沖出路面；車輛實(shí)際速度與設(shè)定的標(biāo)準(zhǔn)速度的偏差作為第一個(gè)控制器的輸入量，輸出的控制量為車輪驅(qū)動(dòng)力。為確保車輛的安全行駛，即不讓車輛沖出即定的軌道，選定車身到路中心距離作為第二個(gè)控制器輸入量，輸出為車輛的前輪拐角。僅考慮車輛與軌道中心的距離這個(gè)偏差作為輸入量，車輛不可避免地會(huì)圍繞路中心振蕩，為此選定車輛速度方向與道路方向之間的夾角作為第三個(gè)控制器輸入量，輸出的控制量仍為方向盤拐角。在控制模型內(nèi)對(duì)三個(gè)PID環(huán)節(jié)的輸出進(jìn)行線性加權(quán)。控制結(jié)構(gòu)如圖3所示。仿真程序的流程如圖4所示。圖3車輛控制模型原理圖 圖4行駛控制仿真程序流程圖將模糊神經(jīng)網(wǎng)絡(luò)PID控制算法應(yīng)用到仿真程序中，所得的實(shí)驗(yàn)結(jié)果如下。實(shí)驗(yàn)將普通PID控制和模糊神經(jīng)網(wǎng)絡(luò)PID控制的結(jié)果進(jìn)行對(duì)比，此外也將模糊PID控制的誤差進(jìn)行了詳細(xì)的統(tǒng)計(jì)。圖中，豎格線為行駛距離標(biāo)致線，每一格表示100米；虛線為自動(dòng)監(jiān)測(cè)車輛中心所要求行駛的路徑；虛線上面的線為應(yīng)急車道線，即自動(dòng)監(jiān)測(cè)車輛所要跟蹤的引導(dǎo)線；虛線下方的線為假定高速路邊界。圖5直線路段使用普通PID的控制效果圖 圖6直線路段使用模糊神經(jīng)網(wǎng)絡(luò)PID的控制效果圖（注：初始kp=0。2、ki=20、 kd=50，初始偏移量為100cm，初始偏移角度為0）圖7曲線路段使用普通PID的控制效果圖 圖8曲線路段使用模糊神經(jīng)網(wǎng)絡(luò)PID的控制效果圖（注：初始kp=0。2、ki=20、 kd=50，初始偏移量為0，初始偏移角度為0）由上面的仿真結(jié)果可知，使用模糊神經(jīng)網(wǎng)絡(luò)PID控制的控制效果比普通PID控制的控制效果有了很大的提升。試驗(yàn)證明了該模糊神經(jīng)網(wǎng)PID控制算法是收斂的，能在效短的時(shí)間內(nèi)達(dá)到穩(wěn)態(tài)。表1中所示的是在不同道路彎度和不同初始偏移量及偏移角度下的行駛跟蹤高誤差。表1 行駛控制誤差表（注：曲度為每一千米道路方向所轉(zhuǎn)過的角度，單位為度；誤差為行駛控制的穩(wěn)態(tài)偏移量，即車輛偏離即定路線的距離，單位為厘米；初始偏移量為車進(jìn)行控制前偏離軌道的距離和車身方向與道路方向的偏角，表示為 偏離角度/偏離距離 ，單位為 度/厘米）從表1可以看出，使用模糊神經(jīng)網(wǎng)絡(luò)PID控制算法，對(duì)于適當(dāng)?shù)某跏糚ID參數(shù)，所取得的控制效果能夠得到較大的改善。在彎道路段的穩(wěn)態(tài)誤差到直線路段均能收斂為0。2。結(jié)束語本文對(duì)自智能車行駛控制的算法進(jìn)行了研究。通過對(duì)各種控制算法的研究比較，提出了一種模糊神經(jīng)網(wǎng)絡(luò)PID控制算法，將模糊理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合，并利用其調(diào)整PID參數(shù)，使控制系統(tǒng)達(dá)到很好的控制性能，解決了普通PID控制器在控制時(shí)變、非線性系統(tǒng)中所出現(xiàn)問題。將算法應(yīng)用到本課題所研究的自動(dòng)監(jiān)測(cè)車輛行駛控制中，從仿真可知模糊神經(jīng)網(wǎng)絡(luò)PID控制器的控制效果明顯優(yōu)于普通的PID控制器，具有控制速度快、實(shí)時(shí)性好、穩(wěn)態(tài)誤差小的特點(diǎn)