CN110228524B - 基于多层模糊控制的无人车辆自动转向控制方法 - Google Patents
基于多层模糊控制的无人车辆自动转向控制方法 Download PDFInfo
- Publication number
- CN110228524B CN110228524B CN201810212778.7A CN201810212778A CN110228524B CN 110228524 B CN110228524 B CN 110228524B CN 201810212778 A CN201810212778 A CN 201810212778A CN 110228524 B CN110228524 B CN 110228524B
- Authority
- CN
- China
- Prior art keywords
- control
- vehicle
- fuzzy
- track
- error
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D1/00—Steering controls, i.e. means for initiating a change of direction of the vehicle
- B62D1/24—Steering controls, i.e. means for initiating a change of direction of the vehicle not vehicle-mounted
- B62D1/28—Steering controls, i.e. means for initiating a change of direction of the vehicle not vehicle-mounted non-mechanical, e.g. following a line or other known markers
- B62D1/283—Steering controls, i.e. means for initiating a change of direction of the vehicle not vehicle-mounted non-mechanical, e.g. following a line or other known markers for unmanned vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D5/00—Power-assisted or power-driven steering
- B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
- B62D5/0457—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such
- B62D5/046—Controlling the motor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
Abstract
为代替驾驶员转向操作,调高驾驶安全性,本发明提出了一种基于多层模糊控制的无人车辆自动转向控制方法。该方法包括下步骤:首先汽车系统通过环境感知模块实时检测车辆位置和行驶状态信息;然后根据车辆位置信息和预定车辆目标轨迹,通过模糊自适应算法微调PID参数,通过“轨迹‑角度‑电流”三层PID调节输出EPS控制信号(PWM)。最后在行驶过程中根据车速和转向角度,通过模糊控制进行EPS变传动比控制;在汽车进入弯道车速较高时,根据转向角度和车辆目标与实际轨迹的误差,通过模糊PID算法略微降低纵向车速。该方法引入多层模糊控制,适用性好,有效提高了自动转向过程的安全鲁棒性。
Description
技术领域
本专利属于汽车主动转向控制技术领域,特别是涉及一种用于电动汽车的基于多层模糊控制的无人车辆自动转向控制方法。
背景技术
随着汽车工业和社会经济的发展与进步,世界范围内的汽车保有量持续增加,随之而来的各种交通问题尤其是交通安全问题已成为各个国家亟待解决的共同难题。目前已有的诸如制动防抱死系统(ABS)、车身电子稳定系统(ESP)这类的主动安全技术,虽然在一定程度上提高了车辆本身的驾驶安全性,但并未改变传统的以人类为主导体的驾驶模式,无法从根本上杜绝人类驾驶员所带来的诸多安全隐患,所以本课题将关注点放在无人自动化驾驶技术的研究上,对其中的关键性控制技术-自动转向控制展开研究。
目前针对车辆自动转向技术方面的专利研究内容比较单一,大多都是针对转向技术的某一方面,如申请号201410277003.X提出一种基于EPS的自动转向控制方法,在现有的电子助力转向系统(EPS)的基础上,加装自动转向装置实现智能控制,该方法只考虑了对EPS装置的控制,且方法比较简单,适用性不高。申请号201710698586.7以方向盘目标转角和实际转角的差值作为转向控制策略的反馈,结合导航定位实现自适应转向控制,该方法提前进行路径规划,但汽车控制过程容易受实际路面环境因素的影响,控制的稳定性无法保证。申请号201680001431.7提出一种汽车线控转向系统的分数阶PID控制方法,对车辆的横向控制分析比较完善,但对于纵向车速对转向的影响考虑不足。相比而言,本专利提出的自动转向方法具有以下优点,将整个系统分为内外环境信息感知模块,自动转向控制模块,横纵向协同控制模块三个部分,既考虑在现有EPS基础上实时导入外界环境信息进行行驶规划及制定智能转向控制策略,节约成本,提高效率,适用性好;又考虑了自动转向控制的稳定性,采用参数在线整定和“轨迹-角度-电流”三层模糊自适应PID控制,保证转向的可靠性和电机功率的可控性;还考虑了汽车横向运动和纵向车速之间的协同控制,包括变传动比控制和转弯时车速调节控制,特别是在汽车进入弯道车速较高的情况下,控制效果很好。
发明内容
本发明提出了一种基于多层模糊控制的无人车辆自动转向控制方法。所述车辆为电动汽车,具有车载CAN总线,整车控制器通过车载CAN总线与车载设备进行通信。整个系统分为内外环境信息感知模块,自动转向控制模块,横纵向协同控制模块三个部分,该方法通过设置在车身的超声波传感器,侧前方的图像传感器及控制器组成的环境感知模块对车辆位置进行检测和信息融合,通过自动转向控制模块分析车辆位置信息,根据转向控制策略得出EPS控制信号(PWM),并通过横纵向协同控制模块协调纵向车速与转向的关系,最后实现智能驾驶自动转向功能。
为实现上述目的,本发明的技术方案如下:
一种基于多层模糊控制的无人车辆自动转向控制方法,包括以下步骤:
S1:汽车通过安装于车辆右侧两轮轴距上方的2个超声波传感器,实时采集车辆与道路边沿的距离信息,通过卡尔曼滤波进行预处理降噪,然后通过加权平均法得出最终结果;通过安装于车辆侧前方的图像传感器进行图像采集,高斯滤波预处理,边缘检测,霍夫变换,设定道路检测规则等图像处理方法实时识别并追踪道路车道线信息,计算车与车道线的距离;通过平均加权计算得到车辆轨迹信息;车辆内部行驶状态信息主要通过汽车can总线网络节点和车辆自身传感器获取,主要信息包括利用车速传感器获取的实时车辆行驶速度信号,利用安装在方向盘下面的角度传感器获取的车辆转向角度信号。
S2:自动转向控制模块根据车辆轨迹信息和预定车辆目标轨迹,采用7×7的模糊推理规则,通过模糊算法整定PID参数,微调之后pid参数如式(1)所示:
然后以车辆目标预期轨迹和实际行驶轨迹的误差和误差变化率作为输入,以实际行驶轨迹,方向盘转动角度,EPS电机电流为观测量,通过“轨迹-角度-电流”三层PID调节输出EPS控制信号(PWM);外环选择轨迹误差作为控制量。它将外部环境信息与控制器连接起来。实时导入车辆在道路中的位置。中环以方向盘转角为直接观测量,保证了转向的稳定性。根据外环输出中间变量的误差和误差变化率决定方向盘转角的控制量。内环是电流环,从中环接收信号作为输入。内环将方向盘转角控制量转换为转向电机电流控制量,对转向电机直接控制。内循环短,反应快,保证了系统的快速性和稳定性。该方法所用增量式PID算法如式2所示,
u(n)=u(n-1)+Δu(n) (2),
式中u(n)为第n个控制周期的期望PWM占空比值,Δu(n)为期望PWM占空比值变化量,Δu(n)计算公式为
Δu(n)=[Kp0+ΔKp(n)]*ec(n)+[Ki0+ΔKi(n)]*e(n)+[Kd0+ΔKd(n)]*[e(n)-2*e(n-1)+e(n-2)] (3),
式中,Kp0、Ki0是初始设定值。
S3:横纵向协同控制模块通过模糊控制进行EPS变传动比控制:理想的转向传动比应根据车速和转向盘转角的变化而改变,在低速时,应该采用较小的转向传动比,增加转向的灵敏性;在汽车高速行驶时,应采用较大的转向传动比,从而避免了转向盘一个较小的扰动使汽车发生显著的侧向运动的可能,保证汽车行驶稳定性。横纵向协同控制模块采用模糊控制算法进行变传动比控制,输入信号为方向盘角度传感器的信号和汽车速度传感器的信号,输出信号为EPS传动比的数值。模糊控制器包括输入模糊性、模糊规则推理和输出模糊逆三个步骤。然后本专利采用的是5×5的模糊推理规则,由方向盘转角和车速推理得到传动比的模糊语言变量;最后采用加权平均法(重心法)将传动比的模糊语言变量清晰化,乘以相应的比例因子得到精确的传动比。
S4:在汽车进入弯道车速较高时,自动转向系统存在一定的压力。因此,本专利提出了一种车辆速度的反馈控制方法。速度反馈控制的使用取决于方向盘转角。如果该值超过90(弯道曲率较大),角速度超过0.5π弧度/秒且车速超过20km/h,速度反馈控制启动。输入信号为转向角度和车辆目标轨迹与实际轨迹的误差,输出为纵向车速的修正值ΔV。模糊控制过程和步骤S4类似。最后通过PID调节降低车速ΔV的数值。在车辆通过弯道之后,速度反馈调节模块停止工作,车速恢复正常。
本发明的有益效果在于:
1.本发明提供了一种基于多层模糊控制的无人车辆自动转向控制方法,在现有EPS基础上引入了基于图像传感器和多超声波传感器进行信息融合的方法实时获取车辆位置信息以解决环境感知成本高,实时性差等问题;
2.通过建立参数在线自整定和“轨迹-角度-电流”三层模糊自适应PID控制方法,提高了自动转向的成功率,既保证了转向的准确性,又保证了转向电机功率的可控性;
3.建立了汽车横向运动和纵向车速之间的协同控制方法,通过模糊算法进行变传动比控制和纵向车速反馈修正控制,有效提高了自动转向过程的安全鲁棒性;同时本方法比现有的其它方法更易实施,能更好的应用于工程实践中。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明提出的基于多层模糊控制的无人车辆自动转向控制方法的具体流程图;
图2为车辆环境检测模型图;
图3为本发明提出的一种“轨迹-角度-电流”三层模糊自适应PID控制方法原理图;
图4为本发明提出的PID参数整定模糊规则控制表;
图5为车辆横纵向协同控制中纵向车速调节控制整体结构图;
图6为本发明提出的车辆横纵向协同控制模糊规则控制表。
具体实施方式
以下结合附图对本发明作进一步说明。
自动转向系统分为内外环境信息感知模块,自动转向控制模块,横纵向协同控制模块三个部分。通过三个部分的协同工作实现无人车辆自动转向控制。
1.内外环境信息感知模块包括安装于车辆左右两侧两轮轴距上方的4个超声波传感器,安装于车辆前方的图像传感器,安装于方向盘下方的方向盘角度传感器和车辆自带的连接can网络的车速传感器,整体布局如图2所示。环境感知的方案为以图像传感器为主要手段,以超声波传感器为辅助措施,利用安装于车辆侧前方的图像传感器通过图像采集,高斯滤波预处理,边缘检测,霍夫变换,设定道路检测规则等图像处理方法实时识别并追踪道路车道线信息,计算车与车道线的距离;同时利用前后超声波传感器实时采集车辆与道路边沿的距离信息,并对距离信息进行滤波预处理以去除噪点,然后通过加权平均法得出最终结果。环境感知模块通过多传感器信息融合建立车辆位置模型。车辆内部行驶状态信息主要通过汽车can总线网络节点和车辆自身传感器获取,主要信息包括利用车速传感器获取的车辆行驶速度信号,利用安装在方向盘下面的角度传感器获取的车辆转向角度信号。通过控制器上的can网络节点获取相应的报文数据,为控制算法提供内部车辆状态信息。
2.自动转向控制模块采用了一种基于“轨迹-角度-电流”三层模糊自适应PID控制方法,首先进行PID参数调节,采用模糊自适应算法,如图3所示。模糊论域越多,则系统的精确度越高同时亦会使算法的复杂度增加。模糊论域越少,则会导致系统的模糊值长时间滞留在饱和区从而影响系统的控制精度。本发明的模糊论域采用较为常见的7值离散型模糊论域{-3,-2,-1,0,1,2,3}。首先根据PID参数的调整原则,并结合实际操作经验确定0-20km/h车速内参数的合适取值范围即输出论域范围。自动转向控制模块的输入为车辆目标预期轨迹和实际行驶轨迹的误差和误差变化率。
首先建立误差e和误差变化率ec的模糊子集,模糊子集为{NB,NM,NS,ZO,PS,PM,PB},通过计算控制周期内的车辆目标预期轨迹和实际行驶轨迹的误差e(n)和误差变化率ec(n),从而确定e(n)和ec(n)的模糊值,如公式(1)和公式(2)所示:
采用Mamdani模糊推理方法,误差e、误差变化率ec和控制输出量ΔKp、ΔKi、ΔKd的隶属度函数均采用三角形,其函数表达式如公式(3),根据EPS的实际操作经验建立误差、误差变化率和ΔKp、ΔKi、ΔKd的模糊规则表,其设计原则是误差量较大时调整为较大的参数,使得控制目标可以快速收敛至期望目标值;误差量较小时调整为较小参数,使得控制目标能稳定在期望目标值附近。图4为可供参考的模糊规则表。
将e,ec模糊化后,通过查表的方式确定输出量ΔKp、ΔKi、ΔKd的模糊值,清晰化采用加权平均法确定ΔKp、ΔKi、ΔKd的清晰值,从而得到算法所需的控制参数ΔKp、ΔKi、ΔKd。该方法在模糊规则形式不变的前提下实现对PID参数的微调,提高系统响应速度和跟踪性能。微调之后pid参数如公式(4)所示:
然后根据整定的PID参数,以车辆目标预期轨迹和实际行驶轨迹的误差和误差变化率作为输入,以实际行驶轨迹,方向盘转动角度,EPS电机电流为观测量,通过“轨迹-角度-电流”三层串联结构PID控制。外环选择目标轨迹与实际轨迹之间的距离作为控制量。它将外部环境信息与控制器连接起来。实时导入车辆在道路中的位置。根据车辆轨迹误差和误差变化率决定输出的中间变量。为了满足转向角和角速度的要求,在转向的过程中保持方向盘稳定转动,在中环以方向盘转角为直接观测量。根据外环输出中间变量的误差和误差变化率决定方向盘转角的控制量。内环是电流环,从中环接收信号作为输入。内环将方向盘转角控制量转换为转向电机电流控制量,对转向电机直接控制。内循环短,反应快,保证了系统的快速性和稳定性。最终输出EPS控制信号(PWM波),进而控制转向电机的转动方向和力矩。具体结构图如图3所示。
根据ΔKp、ΔKi、ΔKd,由加法运算器加上初始值,就得到优化后的PID控制参数ΔKp、ΔKi、ΔKd,结合增量式PID,得到如公式(5)所示的期望PWM占空比值。
u(n)=u(n-1)+Δu(n) 公式(5)
式中u(n)为第n个控制周期的期望PWM占空比值,Δu(n)为期望PWM占空比值变化量,Kp0、Ki0、Kd0是设定初始值,如公式(6)所示。
Δu(n)=[Kp0+ΔKp(n)]*ec(n)+[Ki0+ΔKi(n)]*e(n)+[Kd0+ΔKd(n)]*[e(n)2*e(n-1)+e(n-2)] 公式(6)
3.横纵向协同控制模块主要分为前馈的变传动比控制和反馈的纵向车速调节控制。变传动比控制,输入信号为方向盘角度传感器的信号和汽车速度传感器的信号,输出信号为EPS传动比的数值。模糊控制器包括输入模糊性、模糊规则推理和输出模糊逆三个步骤。对转向盘转角传感器测得的转向盘转角和汽车速度传感器测得的车速进行模糊化,转向盘转角,车速和传动比三个语言变量均选择取三角形隶属函数(trimf);其函数表达式如公式(4),将方向盘转角分为5个模糊子集{NB,NS,ZO,PS,PB},车速由小到大分为5个模糊子集{S1,S2,S3,S4,S5},输出转向传动比也由小到大分为5个模糊子集{C1,C2,C3,C4,C5},对应传动比系数0.85-1.2,采用的是5×5的模糊推理规则,如图6所示,由方向盘转角和车速推理得到传动比的模糊语言变量;最后采用加权平均法(重心法)将传动比的模糊语言变量清晰化,乘以相应的比例因子得到精确的传动比,从而实现变传动比控制。速度反馈控制的使用取决于方向盘转角。如果该值超过90(弯道曲率较大),角速度超过0.5π弧度/秒且车速超过20km/h,速度反馈控制启动。整体原理结构图如图5所示。输入信号为转向角度和车辆目标轨迹与实际轨迹的误差,输出为纵向车速的修正值ΔV。模糊控制过程和变传动比控制类似,同样分为模糊性、模糊规则推理和输出模糊逆三个步骤。两个输入方向盘转角和车辆期望与实际轨迹误差都分为5个模糊子集{NB,NS,ZO,PS,PB},输出车速调整值分为5个模糊子集{V1,V2,V3,V4,V5},对应于车速调节值0-5km/h,采用的同样是5×5的模糊推理规则,如图6所示,最后通过PID调节降低车速ΔV的数值。在车辆通过弯道之后,速度反馈调节模块停止工作,车速恢复正常。
在本实施例中,所述自动转向控制方法具体流程如图1所示,下面进一步的举一个例子来描述:
1.系统启动及环境感知:启动汽车之后,超声波传感器开始工作,以一定的频率周期性发射一定数量的脉冲波并开通超声波捕获通道以实时捕获反射回波,得到车辆距离路沿距离;图像传感器工作,利用安装于车辆侧前方的图像传感器通过图像采集,高斯滤波预处理,边缘检测,霍夫变换,设定道路检测规则等图像处理方法实时识别并追踪道路车道线信息,计算车与车道线的距离,将两种位置信息进行加权求和得到车辆轨迹信息(车辆在道路中的位置)。控制器通过车载CAN总线获得当前车速和方向盘转角。
2.模糊决策ΔKp、ΔKi、ΔKd:以车辆目标预期轨迹和实际行驶轨迹的误差和误差变化率作为输入,建立误差e和误差变化率ec的模糊子集,模糊子集为{NB,NM,NS,ZO,PS,PM,PB},利用公式(1)和公式(2)求得e(n)和ec(n)的模糊值,隶属度函数均采用三角形,其函数表达式如公式(3)。结合图4所示的模糊控制规则表确定ΔKp、ΔKi、ΔKd的模糊值。
3.清晰化pid参数:采用加权平均法(重心法)将传动比的ΔKp、ΔKi、ΔKd的模糊值清晰化,乘以相应的比例因子得到精确的pid参数,通过公式(4)得到在线自整定系数。
4.通过模糊控制计算传动比系数:本专利采用的是5×5的模糊推理规则,由方向盘转角和车速推理得到传动比的模糊语言变量;最后采用加权平均法(重心法)将传动比的模糊语言变量清晰化,乘以相应的比例因子得到精确的传动比。
5.三层串联结构PID控制得到转向控制电流:根据步骤3整定的PID参数,以车辆目标预期轨迹和实际行驶轨迹的误差和误差变化率作为输入,以实际行驶轨迹,方向盘转动角度,EPS电机电流为观测量,通过“轨迹-角度-电流”三层串联结构PID控制。外环选择目标轨迹与实际轨迹之间的距离作为控制量,实时导入车辆在道路中的位置。然后根据车辆轨迹误差和误差变化率决定输出的中间变量。中环以方向盘转角为直接观测量。根据外环输出中间变量的误差和误差变化率决定方向盘转角的控制量。内环将方向盘转角控制量转换为转向电机电流控制量,对转向电机直接控制。结合公式(5)、(6)计算输出PWM波占空比增量并乘以步骤S4计算的传动比系数得到最终值,通过PWM方式控制电机输出助力扭矩,从而达到助力控制的目的。
6.通过模糊控制反馈调节纵向车速:速度反馈控制的使用取决于方向盘转角。如果该值超过90(弯道曲率较大),角速度超过0.5π弧度/秒且车速超过20km/h,速度反馈控制启动。输入信号为转向角度和车辆目标轨迹与实际轨迹的误差,输出为纵向车速的修正值ΔV。模糊控制过程和变传动比控制类似。采用的是5×5的模糊推理规则。利用公式(1)和公式(2)求得转向角度和轨迹误差的模糊值,结合图6中的模糊控制表得到调节车速模糊值,最后通过重心法使调节车速的模糊值清晰化,得到最后通过PID调节降低车速ΔV的数值。在车辆通过弯道之后,速度反馈调节模块停止工作,车速恢复正常。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (5)
1.一种基于多层模糊控制的无人车辆自动转向控制方法,包括以下步骤:
S1:汽车通过2个超声波传感器,实时采集车辆与道路边沿的距离信息,通过卡尔曼滤波进行预处理降噪,然后通过加权平均法得出最终结果;通过图像传感器进行图像采集,高斯滤波预处理,边缘检测,霍夫变换,设定道路检测规则的图像处理方法实时识别并追踪道路车道线信息,计算车与车道线的距离;通过平均加权计算得到车辆轨迹信息;
S2:自动转向控制模块根据车辆位置信息和预定车辆目标轨迹,采用7×7的模糊推理规则,通过模糊算法整定PID参数,然后以车辆目标预期轨迹和实际行驶轨迹的误差和误差变化率作为输入,以实际行驶轨迹,方向盘转动角度,EPS电机电流为观测量,通过“轨迹-角度-电流”三层PID调节输出EPS控制信号;
S3:横纵向协同控制模块通过模糊控制进行EPS变传动比控制:输入信号为两个分别为方向盘转角传感器的信号和汽车速度传感器的信号,输出信号为汽车此刻理想传动比的数值;
S4:在汽车进入弯道时,方向盘转角超过90,角速度超过0.5π弧度/秒且车速超过20km/h,横纵向协同控制模块根据转向角度和车辆目标与实际轨迹的误差,通过模糊PID算法降低纵向车速:输入信号为汽车轨迹误差,输出为纵向车速的修正值ΔV。
2.根据权利要求1中所述的基于多层模糊控制的无人车辆自动转向控制方法,其特征在于:所述步骤S2中,PID参数整定过程中,输入为车辆轨迹误差e和误差变化率ec,输出为控制参数ΔKp、ΔKi、ΔKd,所述的控制参数ΔKp、ΔKi由Mamdani推理算法获得;然后以车辆轨迹误差作为输入,以实际行驶轨迹,方向盘转动角度,EPS电机电流为观测量,根据整定的PID参数通过“轨迹-角度-电流”三层串联结构PID控制输出EPS控制信号,进而控制转向电机的转动方向和力矩,该方法提高了行驶的稳定性和转向的精确性。
3.根据权利要求1中所述的基于多层模糊控制的无人车辆自动转向控制方法,其特征在于:所述步骤S2中,增量式PID算法如公式(1)所示,
u(n)=u(n-1)+Δu(n) (1),
式中u(n)为第n个控制周期的期望PWM占空比值,Δu(n)为期望PWM占空比值变化量,如公式(2)所示:
Δu(n)=[Kp0+ΔKp(n)]*ec(n)+[Ki0+ΔKi(n)]*e(n)+[Kd0+ΔKd(n)]*[e(n)-2*e(n-1)+e(n-2)] (2),
式中Δu(n)为期望PWM占空比值变化量,Kp0、Ki0、Kd0是初始设定值,ΔKp(n)、ΔKi(n)、ΔKd(n)是输出变化量,e(n)为误差,ec(n)为误差变化率,e(n-1)为第n-1个控制周期的误差,e(n-2)为第n-2个控制周期的误差,ec(n-1)为第n-1个控制周期的误差变化率。
4.根据权利要求1中所述的基于多层模糊控制的无人车辆自动转向控制方法,其特征在于:所述步骤S3中,变传动比控制,输入信号为方向盘角度传感器的信号和汽车速度传感器的信号,输出信号为EPS传动比的数值;采用的是5×5的模糊推理规则,对应输出传动比系数0.85-1.2,由方向盘转角和车速通过模糊控制规则表查询推理得到传动比的模糊语言变量;最后采用加权平均法将传动比的模糊语言变量清晰化,得到精确的传动比。
5.根据权利要求1中所述的基于多层模糊控制的无人车辆自动转向控制方法,其特征在于:所述步骤S4中,转弯时当方向盘转角超过90,角速度超过0.5π弧度/秒且车速超过20km/h,速度反馈控制启动;输入信号为转向角度和车辆轨迹误差,输出为纵向车速的修正值ΔV;输出车速调节值0-5km/h,采用的是5×5的模糊推理规则,通过模糊控制规则表查询得出车速调节值的模糊值,最后采用加权平均法将模糊值清晰化,通过PID调节降低车速ΔV的数值;在车辆通过弯道之后,速度反馈调节模块停止工作,车速恢复正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810212778.7A CN110228524B (zh) | 2018-03-06 | 2018-03-06 | 基于多层模糊控制的无人车辆自动转向控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810212778.7A CN110228524B (zh) | 2018-03-06 | 2018-03-06 | 基于多层模糊控制的无人车辆自动转向控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110228524A CN110228524A (zh) | 2019-09-13 |
CN110228524B true CN110228524B (zh) | 2021-09-14 |
Family
ID=67862204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810212778.7A Active CN110228524B (zh) | 2018-03-06 | 2018-03-06 | 基于多层模糊控制的无人车辆自动转向控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110228524B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111221244A (zh) * | 2020-01-15 | 2020-06-02 | 哈尔滨工程大学 | 一种船舶舵减横摇控制方法 |
CN111317653B (zh) * | 2020-02-24 | 2023-10-13 | 江苏大学 | 一种交互式盲人智能辅助装置及方法 |
US11479265B2 (en) * | 2020-03-25 | 2022-10-25 | Baidu Usa Llc | Incremental lateral control system using feedbacks for autonomous driving vehicles |
CN111538336B (zh) * | 2020-05-20 | 2023-11-21 | 西交利物浦大学 | 一种无人船控制系统 |
CN111966101B (zh) * | 2020-08-18 | 2021-12-14 | 国以贤智能科技(上海)股份有限公司 | 无人移动装置的转弯控制方法、装置、系统及存储介质 |
CN112130559A (zh) * | 2020-08-21 | 2020-12-25 | 同济大学 | 一种基于uwb与激光雷达的室内行人跟随与避障方法 |
CN112462787B (zh) * | 2020-12-07 | 2023-09-22 | 航天科技控股集团股份有限公司 | 一种工业用转工电动运输车控制系统及控制方法 |
CN112918550B (zh) * | 2021-03-04 | 2022-06-03 | 重庆邮电大学 | 一种无人驾驶汽车主动转向系统的控制方法及控制系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6177573A (ja) * | 1984-09-25 | 1986-04-21 | Mazda Motor Corp | 車両の4輪操舵装置 |
JP2707546B2 (ja) * | 1987-05-06 | 1998-01-28 | 日産自動車株式会社 | 車両の操舵制御装置 |
JPH02182576A (ja) * | 1988-12-29 | 1990-07-17 | Omron Tateisi Electron Co | パワーステアリング装置 |
CN1068553C (zh) * | 1995-06-27 | 2001-07-18 | 杰维斯B·韦布国际公司 | 引导无人驾驶车辆的方法和设备 |
JP4603340B2 (ja) * | 2004-11-30 | 2010-12-22 | 株式会社デンソー | モータ制御装置、および操舵装置 |
CN101353052B (zh) * | 2008-09-17 | 2010-06-16 | 南京天擎汽车电子有限公司 | 一种汽车电动助力转向系统的电机控制方法 |
JP5569273B2 (ja) * | 2010-09-07 | 2014-08-13 | 株式会社ジェイテクト | 電動パワーステアリング装置 |
CN102495631B (zh) * | 2011-12-09 | 2013-08-21 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆跟踪预定轨迹的智能控制方法 |
CN103587576B (zh) * | 2013-12-06 | 2015-09-02 | 中国石油大学(华东) | 一种电动汽车线控转向系统及控制方法 |
CN105667580B (zh) * | 2016-03-22 | 2018-08-24 | 南京航空航天大学 | 一种基于模糊控制的线控转向系统及其控制方法 |
CN107512305B (zh) * | 2017-08-08 | 2019-08-27 | 南京汽车集团有限公司 | 线控转向系统及其稳定性控制方法 |
-
2018
- 2018-03-06 CN CN201810212778.7A patent/CN110228524B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110228524A (zh) | 2019-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110228524B (zh) | 基于多层模糊控制的无人车辆自动转向控制方法 | |
CN112918550B (zh) | 一种无人驾驶汽车主动转向系统的控制方法及控制系统 | |
CN107512305B (zh) | 线控转向系统及其稳定性控制方法 | |
CN110018632B (zh) | 一种车辆变道控制方法和装置 | |
CN109969181B (zh) | 一种车道偏离辅助系统及其车道偏离辅助方法 | |
Saleh et al. | Human-like cybernetic driver model for lane keeping | |
CN109017975B (zh) | 一种智能转向系统的控制方法及其控制系统 | |
CN107885932B (zh) | 一种考虑人机和谐的汽车紧急避撞分层式控制方法 | |
CN112489431B (zh) | 一种基于5g v2x的车辆协同跟随控制系统及控制方法 | |
CN108646756B (zh) | 基于分段仿射模糊滑模的智能汽车横向控制方法及系统 | |
CN101746412A (zh) | 电动助力转向系统中扭矩重叠操作期间的驾驶员介入检测 | |
CN104955701A (zh) | 车辆控制装置 | |
JP2000302055A (ja) | 車線追従制御装置 | |
CN111152776B (zh) | 一种无人驾驶方程式赛车转向与制动协调控制方法及系统 | |
Huang et al. | Parallel auto-parking of a model vehicle using a self-organizing fuzzy controller | |
CN109878568A (zh) | 一种自动驾驶汽车eps控制系统、方法 | |
CN111086510A (zh) | 一种基于预测函数控制的前轮转向车辆车道保持控制方法 | |
CN112644488A (zh) | 自适应巡航系统 | |
CN112026749B (zh) | 一种线控转向系统稳定性控制方法 | |
CN115923773A (zh) | 一种线控四轮转向车辆稳定性控制方法 | |
CN114275041B (zh) | 自动驾驶车辆横向控制的方法、装置、车辆及存储介质 | |
CN110949499B (zh) | 一种商用车无人驾驶转角补偿系统及其控制方法 | |
CN114792478A (zh) | 一种基于事件触发的智能网联汽车编队控制方法 | |
Bonci et al. | Yaw rate-based PID control for lateral dynamics of autonomous vehicles, design and implementation | |
CN110989346A (zh) | 一种集成驾驶员决策行为的智能操纵方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |