CN108629084A - 一种cmac和pid复合的智能车辆轨迹跟踪控制方法 - Google Patents
一种cmac和pid复合的智能车辆轨迹跟踪控制方法 Download PDFInfo
- Publication number
- CN108629084A CN108629084A CN201810306705.4A CN201810306705A CN108629084A CN 108629084 A CN108629084 A CN 108629084A CN 201810306705 A CN201810306705 A CN 201810306705A CN 108629084 A CN108629084 A CN 108629084A
- Authority
- CN
- China
- Prior art keywords
- cmac
- pid
- equation
- transmission function
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- VIEYMVWPECAOCY-UHFFFAOYSA-N 7-amino-4-(chloromethyl)chromen-2-one Chemical compound ClCC1=CC(=O)OC2=CC(N)=CC=C21 VIEYMVWPECAOCY-UHFFFAOYSA-N 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 20
- 150000001875 compounds Chemical class 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 238000002474 experimental method Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000010586 diagram Methods 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 4
- -1 PID compound Chemical class 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 5
- 238000013178 mathematical model Methods 0.000 abstract description 4
- 230000007812 deficiency Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明公开了一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,包括以下步骤,查找相关资料,得到“自行车模型”并对其进行简化,建立三维空间坐标,分析模型得到运动方程,对运动方程进行进一步的推理,将其转化为标准的状态空间方程,结合实验车辆动力学模型参数表和运动方程推理出车辆前轮转角到位置误差输出的传递函数,根据传递函数,利用相关的绘图软件,绘制传递函数的根轨迹,本发明可以解决由于野外环境的复杂性、不确定性、强噪声干扰和动态多变带来的车辆横向控制算法适应性不足的问题,可以避免建立数学模型的难题,设计简单合理,计算结果较为准确,可以有效减少计算时间,具有很高优越性、有效性和实用性。
Description
技术领域
本发明涉及智能车辆轨迹跟踪控制技术领域,尤其涉及一种CMAC 和PID复合的智能车辆轨迹跟踪控制方法。
背景技术
当今世界,以智能车辆为代表的移动机器人平台在交通运输、农业生产和工业生产等领域得到了广泛的运用,并且发展前景愈发广阔,在移动机器人学的研究中,机器人控制系统的设计方法一直是人们关注的热点,其中一个关键的问题是如何使机器人适应各种地形地面,快速、稳定的跟踪预期轨迹行驶,机器人控制系统设计的好坏将决定机器人系统的整体行为和整体性能。
在以车辆为平台的移动机器人控制系统研究中,目前的方法一般是建立一个表达车辆动力学、运动学特性并且简单通用的数学模型,将车辆的非线性特征在一定条件下近似成线性,由于车辆模型随着时间和环境的改变,其系统参数会发生变化,难以建立能够适应环境变化的动力学模型,现有的智能车辆轨迹跟踪控制方法设计计算比较麻烦,需要建立数学模型,计算结果误差较大,显然无法满足人们的使用需求。
发明内容
基于背景技术存在的技术问题,本发明提出了一种CMAC和PID 复合的智能车辆轨迹跟踪控制方法。
本发明提出的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,包括以下步骤:
S1:查找相关资料,得到“自行车模型”并对其进行简化,建立三维空间坐标,分析模型得到运动方程,对运动方程进行进一步的推理,将其转化为标准的状态空间方程;
S2:结合实验车辆动力学模型参数表和运动方程推理出车辆前轮转角到位置误差输出的传递函数;
S3:根据传递函数,利用相关的绘图软件,绘制传递函数的根轨迹;
S4:设计模糊CMAC神经网络,通过网络学习利用绘图软件绘制模糊CMAC与PID复合控制结构框图,通过结构框图分析计算得出模糊CMAC权值调整算法计算公式、CMAC控制输入量计算公式和全系统输入量计算公式;
S5:根据传递函数进行离线仿真,得到仿真结果图,接着进行实车实验,得到实车实验结果图;
S6:结合仿真结果图和实车实验结果图总结实验结果。
优选地,所述运动方程为其中,m 为车辆的质量,v为沿y方向的横向速度,uc为车辆行驶速度,r为绕z方向的横摆角速度,ΣFy表示y方向的合外力,ΣMz表示绕z 轴的合外力矩,I为横摆转动惯量。
优选地,所述状态空间方程为式中, U=δf(t),
其中,a 为车辆质心到前轴的距离,b为车辆质心到后轴的距离,C为轮胎侧偏刚度,δf为转向机构对前轮产生的转向角。
优选地,所述传递函数为S3中的根轨迹绘制时应注意观察各数值建立合理的坐标,坐标值之间的间隔应该适当,各数值线条不能相交。
优选地,所述S4中模糊CMAC与PID复合控制结构框图绘制时应注意框体的大小合适,框体内的数字尽量适中,各框体之间的关系箭头不能标错。
优选地,所述模糊CMAC权值调整算法计算公式为,CMAC控制输入量计算公式为,全系统输入量计算公式为,其中,up(k)为PID环节产生的控制量。
本发明的有益效果为:本发明建立了一种基于模糊小脑模型神经网络与PID复合的控制方法,模糊逻辑用来模拟人脑的直觉和经验,神经网络使控制器具有自学习能力,PID环节用以维持系统的稳定性和鲁棒性,可以解决由于野外环境的复杂性、不确定性、强噪声干扰和动态多变带来的车辆横向控制算法适应性不足的问题,可以避免建立数学模型的难题,设计简单合理,计算结果较为准确,可以有效减少计算时间,具有很高优越性、有效性和实用性。
附图说明
图1为本发明提出的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法的流程结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
参照图1,一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,包括以下步骤:
S1:查找相关资料,得到“自行车模型”并对其进行简化,建立三维空间坐标,分析模型得到运动方程,对运动方程进行进一步的推理,将其转化为标准的状态空间方程;
S2:结合实验车辆动力学模型参数表和运动方程推理出车辆前轮转角到位置误差输出的传递函数;
S3:根据传递函数,利用相关的绘图软件,绘制传递函数的根轨迹;
S4:设计模糊CMAC神经网络,通过网络学习利用绘图软件绘制模糊CMAC与PID复合控制结构框图,通过结构框图分析计算得出模糊CMAC权值调整算法计算公式、CMAC控制输入量计算公式和全系统输入量计算公式;
S5:根据传递函数进行离线仿真,得到仿真结果图,接着进行实车实验,得到实车实验结果图;
S6:结合仿真结果图和实车实验结果图总结实验结果。
本发明中,运动方程为其中,m为车辆的质量,v为沿y方向的横向速度,uc为车辆行驶速度,r为绕 z方向的横摆角速度,ΣFy表示y方向的合外力,ΣMz表示绕z轴的合外力矩,I为横摆转动惯量。
本发明中,状态空间方程为式中, U=δf(t),其中,a 为车辆质心到前轴的距离,b为车辆质心到后轴的距离,C为轮胎侧偏刚度,δf为转向机构对前轮产生的转向角。
本发明中,所述传递函数为S3中的根轨迹绘制时应注意观察各数值建立合理的坐标,坐标值之间的间隔应该适当,各数值线条不能相交。
本发明中,S4中模糊CMAC与PID复合控制结构框图绘制时应注意框体的大小合适,框体内的数字尽量适中,各框体之间的关系箭头不能标错。
本发明中,模糊CMAC权值调整算法计算公式为,CMAC控制输入量计算公式为,全系统输入量计算公式为,其中,up(k)为PID环节产生的控制量。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,包括以下步骤:
S1:查找相关资料,得到“自行车模型”并对其进行简化,建立三维空间坐标,分析模型得到运动方程,对运动方程进行进一步的推理,将其转化为标准的状态空间方程;
S2:结合实验车辆动力学模型参数表和运动方程推理出车辆前轮转角到位置误差输出的传递函数;
S3:根据传递函数,利用相关的绘图软件,绘制传递函数的根轨迹;
S4:设计模糊CMAC神经网络,通过网络学习利用绘图软件绘制模糊CMAC与PID复合控制结构框图,通过结构框图分析计算得出模糊CMAC权值调整算法计算公式、CMAC控制输入量计算公式和全系统输入量计算公式;
S5:根据传递函数进行离线仿真,得到仿真结果图,接着进行实车实验,得到实车实验结果图;
S6:结合仿真结果图和实车实验结果图总结实验结果。
2.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述运动方程为 其中,m为车辆的质量,v为沿y方向的横向速度,uc为车辆行驶速度,r为绕z方向的横摆角速度,ΣFy表示y方向的合外力,ΣMz表示绕z轴的合外力矩,I为横摆转动惯量。
3.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述状态空间方程为式中,
其中,a为车辆质心到前轴的距离,b为车辆质心到后轴的距离,C为轮胎侧偏刚度,δf为转向机构对前轮产生的转向角。
4.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述传递函数为
S3中的根轨迹绘制时应注意观察各数值建立合理的坐标,坐标值之间的间隔应该适当,各数值线条不能相交。
5.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述S4中模糊CMAC与PID复合控制结构框图绘制时应注意框体的大小合适,框体内的数字尽量适中,各框体之间的关系箭头不能标错。
6.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述模糊CMAC权值调整算法计算公式为w(k)=w(k-1)+Δw(k),CMAC控制输入量计算公式为全系统输入量计算公式为u(k)=un(k)+up(k),其中,up(k)为PID环节产生的控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810306705.4A CN108629084A (zh) | 2018-04-08 | 2018-04-08 | 一种cmac和pid复合的智能车辆轨迹跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810306705.4A CN108629084A (zh) | 2018-04-08 | 2018-04-08 | 一种cmac和pid复合的智能车辆轨迹跟踪控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108629084A true CN108629084A (zh) | 2018-10-09 |
Family
ID=63704747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810306705.4A Pending CN108629084A (zh) | 2018-04-08 | 2018-04-08 | 一种cmac和pid复合的智能车辆轨迹跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108629084A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109459925A (zh) * | 2018-11-14 | 2019-03-12 | 浙江大学 | 一种pid控制数据手绘识别和参数整定的方法 |
CN113093526A (zh) * | 2021-04-02 | 2021-07-09 | 浙江工业大学 | 一种基于强化学习的无超调pid控制器参数整定方法 |
-
2018
- 2018-04-08 CN CN201810306705.4A patent/CN108629084A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109459925A (zh) * | 2018-11-14 | 2019-03-12 | 浙江大学 | 一种pid控制数据手绘识别和参数整定的方法 |
CN113093526A (zh) * | 2021-04-02 | 2021-07-09 | 浙江工业大学 | 一种基于强化学习的无超调pid控制器参数整定方法 |
CN113093526B (zh) * | 2021-04-02 | 2022-05-24 | 浙江工业大学 | 一种基于强化学习的无超调pid控制器参数整定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | An improved kinematic model predictive control for high-speed path tracking of autonomous vehicles | |
Wang et al. | Collision-free navigation of autonomous vehicles using convex quadratic programming-based model predictive control | |
CN104865829B (zh) | 多机器人系统分布式自适应神经网络连续跟踪控制方法 | |
CN104881044B (zh) | 一种姿态未知的多移动机器人系统的自适应跟踪控制方法 | |
CN107168369B (zh) | 一种欠驱动无人车的编队控制方法及系统 | |
CN106909151A (zh) | 用于农机无人驾驶的路径规划及其控制方法 | |
CN109240091A (zh) | 一种基于强化学习的水下机器人控制方法及其进行跟踪的控制方法 | |
CN107743299A (zh) | 面向无人机机载移动传感器网络的一致性信息滤波算法 | |
CN110162046A (zh) | 基于事件触发型模型预测控制的无人车路径跟随方法 | |
Qi et al. | Three-dimensional formation control based on nonlinear small gain method for multiple underactuated underwater vehicles | |
CN111552293A (zh) | 一种视野约束下基于图像的移动机器人编队控制方法 | |
CN114721275B (zh) | 一种基于预设性能的视觉伺服机器人自适应跟踪控制方法 | |
CN107600176A (zh) | 一种基于可拓控制理论的智能车辆主动转向控制方法 | |
CN106406097A (zh) | 多机械臂系统的分布式自适应协调控制方法 | |
CN108629084A (zh) | 一种cmac和pid复合的智能车辆轨迹跟踪控制方法 | |
Wang et al. | Learning interactive driving policies via data-driven simulation | |
CN110412984B (zh) | 一种群集安全一致性控制器及其控制方法 | |
Li et al. | Observer-based multivariable fixed-time formation control of mobile robots | |
CN102566446B (zh) | 基于线性模型组的无人直升机全包线数学模型构建方法 | |
Rasib et al. | Are self-driving vehicles ready to launch? An insight into steering control in autonomous self-driving vehicles | |
CN113885548B (zh) | 一种多四旋翼无人机输出约束状态一致博弈控制器 | |
CN107450311A (zh) | 逆模型建模方法及装置、以及自适应逆控制方法及装置 | |
CN109932929A (zh) | 船舶巡航模拟仿真方法、计算机可读存储介质及终端设备 | |
CN115328200A (zh) | 基于状态估计的飞行器集群系统的一致性控制方法 | |
Hu et al. | Real-time evaluation algorithm of human body movement in football training robot |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181009 |
|
WD01 | Invention patent application deemed withdrawn after publication |