基于模糊逻辑的车速控制系统方案设计书

《基于模糊逻辑的车速控制系统方案设计书》由会员分享，可在线阅读，更多相关《基于模糊逻辑的车速控制系统方案设计书（13页珍藏版）》请在装配图网上搜索。

1、摘要： 汽车巡航控制系统具有强非线性、 时变不确定性， 并受到外界扰动、 复杂的运行工况等影响，采用传统 PID控制很难取得满意的效果。本文设计了一种基于模糊 PI 和模糊PD控制算法的汽车巡航控制系统， 并给出了系统的仿真结果。 研究结果显示， 所设计的巡航控制系统算法可行有效，性能指标均达到预定工程实用要求。关键词： 巡航控制；模糊控制；PI 控制； PD控制一、概述汽车巡航控制系统，简称 COS(Cruise Control System)。它实际上是一种辅助驾驶系统。在装备巡航控制系统的汽车上，当汽车行驶速度超过一定值(一般为40 kmh)时，如果驾驶员利用巡航控制开关设定一个车速，那

2、么在巡航控制期间，随着道路坡度的变化以及汽车行驶中所可能遇到的阻力， 车辆自动变换节气门开度或自动进行档位转换， 以按存储在微机内的最佳燃料经济性规律或动力性规律稳定行驶。 汽车巡航控制系统可以减轻驾驶员的负担， 减少了不必要的车速变化，最大限度地节省燃料，降低排气污染，提高发动机的使用效率，并可在一定程度上提高汽车的动力性能和乘坐的舒适性。目前，很多车辆，特别是高级轿车已经把巡航控制系统作为配备设备或备选设备。由于国内对汽车巡航的研究起步较晚， 并且技术相对落后， 所以国内对汽车巡航控制系统的研究应用主要是以单车定速控制为主。 虽然国内的一些规构已经开始了对电子式巡航控制装置的研究， 但从总

3、体上来说， 目前国内对汽车巡航控制系统的研究还不是很成熟。目前，发动机和车辆系统的电子控制系统在不断增加， 这有助于改善燃油经济性，减少排放，提高驾驶安全性以及降低生产成本。 但是，车辆系统环境恶劣：特别是在高温、潮湿、振动强烈、充满电子干扰的发动机室，会导致电子系统各种形式的失效，进而甚至导致交通事故和人员伤亡。本文应用模糊控制逻辑设计了车速控制器， 调节车辆速度到设定值并保持恒定。二、车辆模型构建根据研究角度选择汽车动力学模型如式(1)所示：t1A2 (t ) d f (t )mp式(1)1 (f (t )f (t)u(t)式中： u(t) 为控制输入（ u(t) 0代表油门输入， u(t

4、 ) 0 代表刹车输入）；车辆质量 m 为 1300Kg；空气阻力Ap 系 数 =0.3 ； 恒 定 摩 擦 力 d=100N；f (t)为驱动 /制动力； =0.2s。应用模糊控制方法的目标为快速调节车辆速度达到驾驶员设定值并保持恒定。三、基于模糊逻辑的速度控制器设计及仿真试验模糊控制与神经网络是控制工程师为了应对十分复杂的系统而提出的控制方法论，模糊控制在巡航控制领域有着优良的应用。3.1模糊PI 控制器设计假如我们想精确的跟踪驾驶员设定的阶跃或倾斜车速变化， 将应用图 1 所示的 PI 模糊车速控制器。图中， g0、 g1、 g2 为信号增益， b(t)为积分器输入。图 1模糊 PI 车

5、速控制系统框图由于车辆系统为一阶常微分方程， 因此可以用龙格库塔方法进行闭环仿真试验。实施以下不同参考输入下的仿真分析：1)当 0t10 时，初始车速设定为 18m/s；当 10t30 时，目标车速设定为 22m/s2)当 0t10，目标车速在 25s 内由 18m/s至 22m/s 线性倾斜变化；当 25t30 时，目标车速保持 22m/s。3) 当 0t 时，静止车辆目标车速设定为 22m/s。模糊控制器的设计参数为：超调量小于2%，上升时间为5 至 7 秒，稳定时间小于8 秒。仿真参数设置为：积分步长为0.01 秒，求解器为龙格库塔算法。三次仿真试验结果如图2、图 3、图 4 所示。Ve

6、hicle Speed(solid) and desired speed (dashed)24222018051015202530Time(sec)Output of fuzzy controller (input to the vehicle)150010005000051015202530Time(sec)图 2 测试输入一响应曲线在实验一中可以看出，速度上升时间为7.2 秒，稳定时间小于8 秒，超调量为 0.9%，远小于 2%的要求，证明控制器设计满足预定设计要求，性能良好。Vehicle Speed(solid) and desired speed (dashed)2422201805

7、1015202530Time(sec)Output of fuzzy controller (input to the vehicle)8006004002000051015202530Time(sec)图 3 测试输入二响应曲线Vehicle Speed(solid) and desired speed (dashed)24222018051015202530 Time(sec)Output of fuzzy controller (input to the vehicle)150010005000051015202530Time(sec)图 4 测试输入三响应曲线3.2模糊 PD 控制器设

8、计以下对模糊 PD 控制算法进行设计，系统结构框图如图5 所示。图 5模糊 PD车速控制系统框图应用一个后向差分环节简化微分，如式(2)所示。e(t ) e(t h)式(2)c(t)h模糊 PD 控制器的设计要求为：超调量小于 2%；上升时间为 7 至 10 秒；对于实验一输入稳定时间控制在 10 秒以内；对于实验二倾斜输入信号，稳态误差控制在 1mps。与模糊 PI 控制器闭环仿真类似， 进行数值分析试验， 结果如图 6、图 7、图 8 所示。图 6 测试输入一响应曲线图 7 测试输入二响应曲线图 8 测试输入三响应曲线可以看出，所设计的模糊PD 控制器各项指标达到预定设计要求。在测试输入一

9、响应曲线中，上升时间为9 秒，在 7 至 10 秒的范围内；超调量远小于2%；稳定时间成功控制在10 秒以内。对于测试输入二，稳态误差控制在1mps 内。在测试输入三仿真试验中，上升时间符合7 至 10 秒范围，稳态误差小，性能优良。总结与展望在车辆巡航控制系统中， 为了保持恒定的车速， 设计了一个基于模糊逻辑的控制器。通过仿真结果可以看出，当采用模糊逻辑控制方法联合经典 PID 控制算法来设计汽车巡航控制系统时， 系统的超调小， 反应速度快， 具有良好的鲁棒性，可以达到预期控制效果。控制器设计过程可总结为：1、控制对象建模；2、模糊控制器设计；3、计算机数值仿真试验。参考文献1Passino

10、 K M,Yurkovich S.Fuzzy Control,1st edn,Addision Wesley Longman,Colifornia,19972Ward D.Berlitz complete guide to cruising and cruise ships 2000.Princeton,New Jersey:Berlitz Publishing Company,19993Ioannou P A,Chien C C. ”Autonomous Intelligent Cruise Control,”IEEE Trans.on Vehicular Technology,1993,4

11、2(4):6576724Mayr R.”Intelligent cruise control for vehicle based on feedback linearization”.Proc.of American Control Conference,1994:16205Mayr R,Bauer O. ”Safety issues in intelligent cruise control ”.Proc. Of 1999 IEEE Intelligent Transportation Systems,1999:970975.附录一文中仿真所用程序clear%Vehicle Paramete

12、rm=1300;Ar=0.3;tau=0.2;d=100;%Initialiaze parameter for the fuzzy controllernume=11;numie=11;g1=1;g2=.01;g0=1000;we=0.2*(1/g1);wie=0.2*(1/g2);base=0.4*g0;ce=-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1*(1/g1);cie=-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1*(1/g2);rules=-1 -1-1-1-1-1-0.8 -0.6 -0.4 -0.2

13、0;-1-1-1-1-1-0.8 -0.6 -0.4 -0.200.2;-1-1-1-1-0.8 -0.6 -0.4 -0.200.2 0.4;-1-1-1-0.8 -0.6-0.4 -0.200.20.4 0.6;-1-1-0.8 -0.6 -0.4-0.200.20.40.6 0.8;-1-0.8 -0.6 -0.4 -0.200.2 0.4 0.6 0.8 1 ;-0.8 -0.6-0.4 -0.2 00.20.40.60.8 11;-0.6 -0.4-0.200.20.40.60.8111;-0.4 -0.200.20.40.60.81111;-0.200.20.40.60.81111

14、1;00.20.40.60.8111111 *g0;t=0;index=1;tstop=60;step=0.01;x=18;197.2;20;while t=tstopv(index)=x(1);%Test 1if t10,vd(index)=22;end%Test2%if t10,vd(index)=vd(index-1)+(2/750);end%if t25,vd(index)=22;end%Test3%vd(index)=22;ie_count=0;e_count=0;e(index)=vd(index)-v(index);b(index)=x(3);%if e(index)=ce(nu

15、me)mfe=0 0 0 0 0 0 0 0 0 0 1;e_count=e_count + 1;e_int = nume;elsefor i=1:numeif e(index)=ce(i)mfe(i)=max(0,1+(e(index)-ce(i)/we);if mfe(i)=0e_count=e_count+1;e_int=i;endelsemfe(i)=max(0,1+(ce(i)-e(index)/we);if mfe(i)=0e_count=e_count+1;e_int=i;endendendend%if b(index)=cie(numie)mfie=0 0 0 0 0 0 0

16、0 0 0 1;ie_count=ie_count+1;ie_int=numie;elsefor i=1:numieif b(index)=cie(i)mfie(i)=max(0,1+(b(index)-cie(i)/wie);if mfie(i)=0ie_count=ie_count + 1;ie_int=i;endelsemfie(i)=max(0,1+(cie(i)-b(index)/wie);if mfie=0ie_count=ie_count + 1;ie_int=i;endendendend%num=0;den=0;for k=(e_int-e_count+1):e_intfor

17、l=(ie_int-ie_count+1):ie_intprem=min(mfe(k) mfie(l);num=num+rules(k,l)*base*(prem-(prem)2/2);den=den+base*(prem-(prem)2/2);endendu(index)=num/den;time(index)=t;F=(1/m)*(-Ar*x(1)2-d+x(2);(1/tau)*(-x(2)+u(index) ;vd(index)-x(1);k1=step*F;xnew=x+k1/2;F=(1/m)*(-Ar*xnew(1)2-d+xnew(2);(1/tau)*(-xnew(2)+u(

18、index);vd(index)-xnew(1);k2=step*F;xnew=x+k2/2;F=(1/m)*(-Ar*xnew(1)2-d+xnew(2);(1/tau)*(-xnew(2)+u(index);vd(index)-xnew(1);k3=step*F;xnew=x+k3;F=(1/m)*(-Ar*xnew(1)2-d+xnew(2);(1/tau)*(-xnew(2)+u(index);vd(index)-xnew(1);k4=step*F;x=x+(1/6)*(k1+2*k2+2*k3+k4);t=t+step;index=index+1;endsubplot(211)plot(time,v,-,time,vd,-)grid onxlabel(Time(sec)title(Vehicle Speed(solid) and desired speed (dashed)subplot(212)plot(time,u)grid onxlabel(Time(sec)title(Output of fuzzy controller (input to the vehicle)