CN110308656A - 汽车制动防抱死系统的模糊免疫pid控制方法 - Google Patents

Abstract

本发明公开了一种汽车制动防抱死系统的模糊免疫PID控制方法，具体为步骤1，信号采集：利用车速传感器和轮速传感器分别获取汽车行驶和制动过程中的车速信号和轮速信号，并通过计算得到汽车制动过程中的滑移率、车轮角加速度、滑移率误差及滑移率误差变化率；步骤2，模糊量化：将获得的滑移率误差以及滑移率误差变化率作为模糊控制输入量，利用隶属函数模糊量化获得模糊输入量；步骤3，模糊推理：根据模糊控制规则进行模糊推理获得模糊输出量；步骤4，设计模糊免疫PID控制器；步骤5，制动系统根据最终的制动油压状态量来控制执行器调节制动油压的状态，使制动油压处于增压、保压或减压状态，从而使汽车获得良好的制动稳定性。

Description

汽车制动防抱死系统的模糊免疫PID控制方法

技术领域

本发明涉及汽车电子控制技术的领域，尤其是一种汽车制动防抱死系统的模糊免疫PID控制方法。

背景技术

汽车制动防抱死系统(ABS)能显著改善汽车制动过程中的制动性、稳定性和可操作性，提高汽车的主动安全性，减少因紧急制动时的甩尾和不能转向导致的交通事故。目前，由于汽车运行的环境条件、道路条件及车况性能差别很大，同时汽车制动时的数学模型不能精确建立，使得经典控制理论的控制不能取得最佳的效果。而模糊控制属于智能控制，可以实现非线性控制，无须为对象建立确切的数学模型，具有较好的鲁棒性和灵活性。

但由于汽车行驶过程中的外界环境和驾驶员意图复杂多变，汽车制动防抱死系统(ABS)本身也存在非线性、时滞、参数扰动等影响，用具有固定输入、输出论域的传统模糊控制方法，难以充分发挥模糊控制的效果。模糊免疫PID控制既有“模糊”思想，同时该控制方法又结合免疫反馈的较强的自适应性和模糊控制的强鲁棒性，对比例系数进行模糊免疫在线调节，对微分系数和积分系数进行模糊在线调节，以满足汽车制动状态时，对不同控制参数的要求。

发明内容

1、本发明的目的

为解决传统模糊控制方法存在的上述问题，本发明提供一种汽车制动防抱死系统的模糊免疫PID控制方法。

2、本发明所采用的技术方案

本发明公开了一种汽车制动防抱死系统的模糊免疫PID控制方法，包括以下步骤：

步骤1，信号采集：利用车速传感器和轮速传感器分别获取汽车行驶和制动过程中的车速信号和轮速信号，并通过计算得到汽车制动过程中的滑移率、车轮角加速度、滑移率误差及滑移率误差变化率；

步骤2，模糊量化：将获得的滑移率误差以及滑移率误差变化率作为模糊控制输入量，利用隶属函数模糊量化以获得对应的模糊输入量；

步骤3，模糊推理：根据模糊控制规则对步骤2中获得的模糊输入量进行模糊推理，以获得对应的模糊输出量；

步骤4，设计模糊免疫PID控制器，根据对应的输入量，获得所对应变量的控制器输出；

步骤5，制动系统根据最终的制动油压状态量来控制执行器调节制动油压的状态，使制动油压处于增压、保压或减压状态，从而使汽车获得良好的制动稳定性。

更进一步，所述的步骤1具体为：设v为车轮的中心速度，ω为车轮的角速度，r为车轮的滚动半径，s为滑移率，a为车轮的角加速度，制动时车轮的滑移率s的计算公式为：

车轮角加速度a的计算公式为：

设：在路面的最佳滑移率为s₀，为经验值，车轮制动时的滑移率误差为e，滑移率误差变化率为ec，则：

e＝s-s₀

ec＝de/dt。

更进一步，所述步骤2中滑移率误差和滑移率误差变化率的模糊语言值、步骤3中的模糊输出量均为：(NB，NM，NS，ZE，PS，PM，PB)，其中，NB表示负大，NM表示负中，NS表示负小，ZE表示零，PS表示正小，PM表示正中，PB表示正大。

更进一步，所述步骤2中滑移率误差和滑移率误差变化率的隶属函数均采用TRIMF函数。

更进一步，步骤4设计模糊免疫PID控制器包括以下步骤：

步骤4.1，根据生物特异性免疫机理，得到免疫反馈基本模型，免疫反馈基本模型中包含非线性函数；

步骤4.2，利用模糊控制器来逼近步骤1所得免疫反馈数学模型里面的非线性函数，得到模糊免疫比例算法，用于调节比例系数，其中，模糊控制器输入为模糊免疫PID控制器的输出和输出变化量，其输出为非线性函数的值；

步骤4.3，采用模糊控制器调节积分系数和微分系数，模糊控制器的输入为偏差和偏差变化量，输出为积分增量和微分增量；

步骤4.4，列出常规PID算法离散形式，联合步骤4.1、步骤4.2和步骤4.3得到模糊免疫PID算法的表达式。

更进一步，步骤4.1中免疫反馈基本模型为：

u(k)＝K(1-ηf(u(k),Δu(k)))e(k)；

其中e(k)代表偏差量，u(k)代表控制器的输出，Δu(k)代表控制器输出变化量K为控制反应速度，η为控制稳定效果，f(·)为一选定的非线性函数。

更进一步，步骤4.2中采用二维模糊控制器逼近步骤1中的非线性函数f(u(k),Δu(k)))，模糊控制器的输入变量为PID控制器的输出u和输出偏差量Δu，负、零和正三个模糊集对输入变量u模糊化，负和正两个模糊集对输入变量Δu模糊化；负、零和正三个模糊集模糊化函数f(u,Δu))的值，确定所述模糊集的论域，得出模糊免疫模型用于调节PID控制器中的比例系数。

更进一步，步骤4.3中采用模糊控制调节积分系数和微分系数，模糊控制器的输入为滑移率偏差e和滑移率偏差变化量Δe，输出变量为积分系数增量ΔK_I和微分系数增量ΔK_D；输入变量e和Δe均被七个模糊集模糊化，即负大、负中、负小、零、正小、正中和正大，确定输入变量e和Δe的论域；输出变量ΔKI和ΔKD均被七个模糊集模糊化，即负大、负中、负小、零、正小、正中和正大，确定输出变量ΔKI和ΔKD的论域。

更进一步，步骤4.4所得模糊免疫PID控制算法最终表达式为：

其中，e(k)代表偏差量，u(k)代表控制器的输出，Δu(k)代表控制器输出变化量，K代表免疫反馈响应速度，η代表免疫反馈稳定效果，K_I0、K_D0分别为模糊控制器初始积分值、微分值，ΔK_I、ΔK_D分别为模糊控制器的输出积分增量、微分增量。

3、本发明所采用的有益效果

本发明基于汽车制动防抱死系统的模糊免疫PID控制系统及方法中模糊控制和免疫PID控制相结合，既具有免疫PID控制的可靠性又具有模糊算法的强鲁棒性和调整时间短的优点，还具有免疫算法全局自寻优能力，能更好地控制制动系统快速且无超调地响应和跟踪期望输出。同时，对比例系数kp进行免疫模糊调节，对积分系数ki和微分系数kd进行在线修改，以满足不同误差e和误差变化de对控制参数的不同要求，使被控对象有良好的快速响应特性和鲁棒性，从而使PID控制器有较强的自适应性。

附图说明

图1是本发明的汽车制动防抱死系统控制原理图；

图2是本发明体液免疫调节原理图；

图3是本发明的模糊免疫PID控制结构图；

图4是本发明的模糊免疫PID控制防抱死系统仿真模型。

具体实施方式

下面结合本发明实例中的附图，对本发明实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。基于本发明的实施例，本领域技术人员在没有做创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

下面将结合附图对本发明实例作进一步地详细描述。

实施例1

本发明的一种汽车制动防抱死系统的模糊免疫PID控制系统控制方法，将以滑移率误差及其变化率作为模糊控制参数获得的输出量，其控制原理如图1所示。

实施例：

本实施例提出一种汽车制动防抱死系统的模糊免疫PID控制系统控制方法，包括以下步骤：

步骤1，采集信号：利用车速传感器和轮速传感器分别获取汽车行驶和制动过程中的车速信号和轮速信号，并通过计算得到汽车制动过程中的滑移率、车轮角加速度、滑移率误差及滑移率误差变化率；

设：v为车轮的中心速度，ω为车轮的角速度，r为车轮的滚动半径，s为滑移率，a为车轮的角加速度，制动时车轮的滑移率s的计算公式为：

车轮角加速度a的计算公式为：

设：在路面的最佳滑移率为s₀(经验值)，车轮制动时的滑移率误差为e，滑移率误差变化率为ec，则：

e＝s-s₀

ec＝de/dt

步骤2，模糊量化：将获得的滑移率误差以及滑移率误差变化率作为模糊控制输入量，利用隶属函数模糊量化以获得对应的模糊输入量；

滑移率误差e的模糊语言值为：[NB(负大)，NM(负中)，NS(负小)，ZE(零)，PS(正小)，PM(正中)，PB(正大)]。滑移率误差e的隶属函数采用TRIMF函数，设其得到的模糊输入量为E。

滑移率误差变化率ec的模糊语言值为：[NB(负大)，NM(负中)，NS(负小)，ZE(零)，PS(正小)，PM(正中)，PB(正大)]。滑移率误差变化率ec的隶属函数采用TRIMF函数，设其得到的模糊输入量为EC。

步骤3，模糊推理：对上述获得的两个模糊输入量根据模糊规则进行模糊推理，以获得相应的模糊输出量。

设：基于滑移率误差e的模糊输入量E及滑移率变化率ec的模糊输入量EC所对应的模糊输出量为U。

步骤4，模糊免疫PID控制器的具体设计步骤如下：

步骤4.1：根据生物特异性免疫机理，推导免疫反馈基本模型；反应初期，抗原浓度较高，抗原呈递细胞将抗原呈递给T细胞包括辅助TH细胞和抑制TS细胞，活化TH细胞和少量TS细胞，TH细胞刺激B细胞，B细胞进行增殖和分化，进一步产生抗体，抗体与抗原进行结合，形成细胞团或沉淀，进而被吞噬细胞消化。随着反应的进行，抗体浓度上升，抗原浓度降低，此时TS细胞增多，对TH细胞和B细胞产生抑制作用为简化模型，这里将抑制作用只体现在B细胞上，抗体浓度也进一步降低，使机体处于稳定状态。根据生物免疫反馈机理，假设第k代抗原的数目为ε(k)，TH细胞受到抗原刺激，对B细胞的作用为记为TH(k)，可得：

TH(k)＝K1ε(k) (1)

式(1)中：K1是TH细胞的促进因子。

B细胞同时受到TH细胞和TS细胞的刺激，该刺激记为S(k)，可得：

S(k)＝TH(k)-TS(k) (2)

当抗体浓度上升到一定值时，TS细胞会抑制B细胞，考虑到反馈作用，将TS细胞的刺激记为TS(k)，可得：

TS(k)＝K2f(S(k),ΔS(k))ε(k) (3)

式(3)中，K2是TS细胞的抑制因子，f(S(k),ΔS(k))是非线性函数，表示对T细胞抑制量的大小。结合表达式(1)、(2)和(3)，可得B细胞接受的总刺激为：

S(k)＝K(1-ηf(S(k),ΔS(k)))ε(k) (4)

其中，K＝K1，表示响应速度，η＝K1/K2，表示稳定效果，式4就是免疫反馈基本模型。对比控制系统，将第k个采样时刻给定的偏差e(k)等效为第k代抗原浓度ε(k)，第k个采样时刻控制器输出u(k)等效为第k代B细胞接受的总刺激S(k)，则表达式(4)可表示为：

u(k)＝KP1e(k) (5)

其中，KP1＝K(1-ηf(u(k),Δu(k)))；由此可见，根据免疫反馈机理推导出模型的实质是非线性比例控制算法，比例系数随输出的变化而变化，可以用于调节PID控制器的比例系数。

步骤2，利用二维模糊控制器来逼近免疫反馈数学模型里面的非线性函数f(u(k),Δu(k))；模糊控制器的输入为PID控制器的输出u(k)和输出变化量Δu(k)，u(k)被三个模糊集模糊化，分别是负N、零Z和正P，论域为[-1,1]；Δu(k)被两个模糊集模糊化，分别是负N和正P，论域为[-1,1]，模糊控制器的输出为非线性函数f(u(k),Δu(k))的值，f(u(k),Δu(k))被三个模糊子集模糊化，分别是负N、零Z和正P，论域为[-1,1]；

根据“细胞接受的刺激越强，抑制能力就越弱；细胞接受的刺激越弱，抑制能力就越强”的原则确定模糊控制规则如下：

1.If u is P and Δu is P then f(u,Δu)is N

2.If u is Z and Δu is P then f(u,Δu)is N

3.If u is N and Δu is P then f(u,Δu)is Z

4.If u is P and Δu is N then f(u,Δu)is Z

5.If u is Z and Δu is N then f(u,Δu)is P

6.If u is N and Δu is N then f(u,Δu)is P

该模糊控制器的模糊推理选择Mamdani推理法，解模糊选择centroid重心法。

步骤3，采用模糊控制器调节积分系数和微分系数；

该模糊控制器的输入变量是偏差e和偏差变化量Δe，输出变量为积分系数的增量ΔK_I和微分系数的增量ΔK_D；K_I0和K_D0为模糊控制器初始参数，K_I和K_D为实时调节参数，由此可得：

KI＝K_I0+ΔK_I (6)

K_D＝K_D0+ΔK_D (7)

根据误差e和误差变化量Δe的实际变化情况，两个输入变量的论域设为[-3,3]，分为七个模糊子集负大NB、负中NM、负小NS、零Z、正小PS、正中PM和正大PB；根据ΔK_I和ΔK_D的实际变化范围，分别将其论域设定为[-0.06,0.06]，划分的七个模糊子集为负大NB、负中NM、负小NS、零Z、正小PS、正中PM和正大PB，根据经验得到ΔK_I控制规则表1和ΔK_D控制规则表2：

ΔKI控制规则表1

ΔKD控制规则表2

在各规则中，使用Zadeh的模糊逻辑AND操作，模糊推理选择Mamdani推理法，解模糊选择centroid重心法。

步骤4，根据常规PID控制算法离散形式推导模糊免疫PID算法表达式及控制结构图。

本发明涉及的模糊免疫PID控制结构如图3所示，常规PID控制算法离散表达式为：

根据公式5、6、7和8可得模糊免疫PID算法表达式：

其中，K_P1＝K(1-ηf(u(k),Δu(k)))，KI＝K_I0+ΔK_I，K_D＝K_D0+ΔK_D。

根据上述控制方法搭建的仿真模型设定初始车速度为25m/s，就在混凝土，湿沥青和湿泥土三种附着路面情况下进行仿真分析，得到以下数据得以论证：

表3混凝土高附着路面仿真数据

表4湿沥青中附着路面仿真数据

表5湿泥土低附着路面仿真数据

由数据可知，模糊免疫PID控制方法能够保证汽车以更短的刹车距离和刹车时间完成制动过程，安全系数更高，相对而言模糊免疫PID控制方法的效果更好。

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披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (9)

1.一种汽车制动防抱死系统的模糊免疫PID控制方法，其特征在于，包括以下步骤：

步骤1，信号采集：利用车速传感器和轮速传感器分别获取汽车行驶和制动过程中的车速信号和轮速信号，并通过计算得到汽车制动过程中的滑移率、车轮角加速度、滑移率误差及滑移率误差变化率；

步骤2，模糊量化：将获得的滑移率误差以及滑移率误差变化率作为模糊控制输入量，利用隶属函数模糊量化以获得对应的模糊输入量；

步骤3，模糊推理：根据模糊控制规则对步骤2中获得的模糊输入量进行模糊推理，以获得对应的模糊输出量；

步骤4，设计模糊免疫PID控制器，根据对应的输入量，获得所对应变量的控制器输出；

步骤5，制动系统根据最终的制动油压状态量来控制执行器调节制动油压的状态，使制动油压处于增压、保压或减压状态，从而使汽车获得良好的制动稳定性。

2.根据权利要求1所述的汽车制动防抱死系统的模糊免疫PID控制方法，其特征在于，所述的步骤1具体为：设v为车轮的中心速度，ω为车轮的角速度，r为车轮的滚动半径，s为滑移率，a为车轮的角加速度，制动时车轮的滑移率s的计算公式为：

车轮角加速度a的计算公式为：

设：在路面的最佳滑移率为s₀，为经验值，车轮制动时的滑移率误差为e，滑移率误差变化率为ec，则：

e＝s-s₀

ec＝de/dt。

3.根据权利要求1所述的汽车制动防抱死系统的模糊免疫PID控制方法，其特征在于，所述步骤2中滑移率误差和滑移率误差变化率的模糊语言值、步骤3中的模糊输出量均为：(NB，NM，NS，ZE，PS，PM，PB)，其中，NB表示负大，NM表示负中，NS表示负小，ZE表示零，PS表示正小，PM表示正中，PB表示正大。

4.根据权利要求1所述的汽车制动防抱死系统的模糊免疫PID控制方法，其特征在于，所述步骤2中滑移率误差和滑移率误差变化率的隶属函数均采用TRIMF函数。

5.根据权利要求1所述的汽车制动防抱死系统的模糊免疫PID控制方法，其特征在于，步骤4设计模糊免疫PID控制器包括以下步骤：

步骤4.1，根据生物特异性免疫机理，得到免疫反馈基本模型，免疫反馈基本模型中包含非线性函数；

步骤4.2，利用模糊控制器来逼近步骤1所得免疫反馈数学模型里面的非线性函数，得到模糊免疫比例算法，用于调节比例系数，其中，模糊控制器输入为模糊免疫PID控制器的输出和输出变化量，其输出为非线性函数的值；

步骤4.3，采用模糊控制器调节积分系数和微分系数，模糊控制器的输入为偏差和偏差变化量，输出为积分增量和微分增量；

步骤4.4，列出常规PID算法离散形式，联合步骤4.1、步骤4.2和步骤4.3得到模糊免疫PID算法的表达式。

6.根据权利要求5所述的基于模糊免疫PID算法的汽车制动防抱死系统控制方法，其特征在于：步骤4.1中免疫反馈基本模型为：

u(k)＝K(1-ηf(u(k),Δu(k)))e(k)

其中e(k)代表偏差量，u(k)代表控制器的输出，Δu(k)代表控制器输出变化量K为控制反应速度，η为控制稳定效果，f(·)为一选定的非线性函数。

7.根据权利要求5所述的基于模糊免疫PID算法的汽车制动防抱死系统控制方法，其特征在于：步骤4.2中采用二维模糊控制器逼近步骤1中的非线性函数f(u(k),Δu(k)))，模糊控制器的输入变量为PID控制器的输出u和输出偏差量Δu，负、零和正三个模糊集对输入变量u模糊化，负和正两个模糊集对输入变量Δu模糊化；负、零和正三个模糊集模糊化函数f(u,Δu))的值，确定所述模糊集的论域，得出模糊免疫模型用于调节PID控制器中的比例系数。

8.根据权利要求5所述的基于模糊免疫PID算法的汽车制动防抱死系统的控制方法，其特征在于：步骤4.3中采用模糊控制调节积分系数和微分系数，模糊控制器的输入为滑移率偏差e和滑移率偏差变化量Δe，输出变量为积分系数增量ΔKI和微分系数增量ΔKD；输入变量e和Δe均被七个模糊集模糊化，即负大、负中、负小、零、正小、正中和正大，确定输入变量e和Δe的论域；输出变量ΔKI和ΔKD均被七个模糊集模糊化，即负大、负中、负小、零、正小、正中和正大，确定输出变量ΔK_I和ΔK_D的论域。

9.根据权利要求5所述的基于模糊免疫PID算法的汽车制动防抱死系统控制方法，其特征在于：步骤4.4所得模糊免疫PID控制算法最终表达式为：

其中，e(k)代表偏差量，u(k)代表控制器的输出，Δu(k)代表控制器输出变化量，K代表免疫反馈响应速度，η代表免疫反馈稳定效果，K_I0、K_D0分别为模糊控制器初始积分值、微分值，ΔK_I、ΔK_D分别为模糊控制器的输出积分增量、微分增量。