CN112874504A - 一种可拓熵权联合控制器控制方法及其赛车的控制方法 - Google Patents
一种可拓熵权联合控制器控制方法及其赛车的控制方法 Download PDFInfo
- Publication number
- CN112874504A CN112874504A CN202110201272.8A CN202110201272A CN112874504A CN 112874504 A CN112874504 A CN 112874504A CN 202110201272 A CN202110201272 A CN 202110201272A CN 112874504 A CN112874504 A CN 112874504A
- Authority
- CN
- China
- Prior art keywords
- steering
- racing car
- racing
- formula
- delta
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 230000005284 excitation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 239000003638 chemical reducing agent Substances 0.000 claims description 2
- 230000008878 coupling Effects 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T13/00—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems
- B60T13/74—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems with electrical assistance or drive
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T7/00—Brake-action initiating means
- B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B62D6/002—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits computing target steering angles for front or rear wheels
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Human Computer Interaction (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Regulating Braking Force (AREA)
Abstract
本发明公开了一种可拓熵权联合控制器控制方法及其赛车的控制方法。可拓熵权联合控制器控制方法选取无人驾驶方程式赛车的赛车前轮转角、赛车纵向速度作为特征量,计算每个特征量在赛车行驶时的节域、特征量的稳定域;根据特征量计算实时信息熵;根据信息熵计算出各特征量的权值;依据特征量的稳定域计算出特征量与稳定域之间的关联度;根据关联度、权值确定所述赛车的转角控制输出和制动控制输出。本发明通过可拓熵权联合控制器对转向与制动进行联合控制,大大降低转向控制***和制动***之间由于存在耦合关系造成的干扰,减少赛车因速度过快或转向实时性不足带来的偏离赛道的风险,提高赛车的整体性能,降低控制成本。
Description
本申请是申请号为CN202010024663.2,申请日为2020/01/10,且发明名称为一种无人驾驶方程式赛车转向与制动协调控制方法及***的分案申请。
技术领域
本发明涉及无人驾驶领域中的一种无人驾驶方程式赛车的控制方法,尤其涉及一种无人驾驶方程式赛车的可拓熵权联合控制器控制方法、及采用所述可拓熵权联合控制器控制方法的无人驾驶方程式赛车转向与制动协调控制方法。
背景技术
中国大学生无人驾驶方程式大赛是由中国汽车工程学会主办,由各高校汽车相关专业的在校大学生组队参加的汽车设计与制造类比赛。随着大赛的发展,赛车在特定赛道中的行驶速度越来越快。
现阶段的国内无人驾驶方程式赛车过弯时多采用单独的转向或制动控制,从而达到弯角处大幅减速顺利过弯,或直接采用慢速恒速控制,以保证赛车过弯时不偏离赛道,但这两种方法都将大大增加单圈时长。类似于普通家用轿车,赛车过弯时,转向和制动***存在一定的耦合关系,且非线性性较强,如在过弯时单独采用转向或制动控制,赛车的横向稳定性有待于提高,可能导致赛车撞倒桩桶或偏离赛道。
发明内容
为减少赛车因速度过快或转向实时性不足带来的偏离赛道的风险,同时解决基于转向及制动的无人驾驶方程式赛车横向稳定性控制问题,克服车辆转向、制动动力学的耦合作用,提高赛车的整体性能,降低控制成本,本发明提供一种无人驾驶方程式赛车的可拓熵权联合控制器控制方法、及采用所述可拓熵权联合控制器控制方法的无人驾驶方程式赛车转向与制动协调控制方法。
本发明采用以下技术方案实现:一种无人驾驶方程式赛车的可拓熵权联合控制器控制方法,其包括以下步骤:
一、选取无人驾驶方程式赛车的赛车前轮转角δf及无人驾驶方程式赛车的赛车纵向速度u作为特征量,计算每个特征量在所述赛车行驶时的节域P、特征量的稳定域J;
其中,δf表征所述赛车的转向控制特性;u表征所述赛车的制动控制特性;δf1为所述赛车的最大前轮转角,δf2为保证所述赛车正常行驶的最大前轮转角,u1为所述赛车的最大纵向速度,u2为保证所述赛车正常行驶的最大纵向速度;
二、定义D(δf,u)为某一时刻所述赛车的特征状态,并做标准化处理,得到标准化之后的特征量D(δ′f,u′):
D(δ′f,u′)=(D(δf,u)-Dmin(δf,u))/(Dmax(δf,u)-Dmin(δf,u))
其中,Dmin(δf,u)和Dmax(δf,u)由节域P得到;
三、根据所述特征量计算实时信息熵E(δf,u),所述实时信息熵E(δf,u)的计算方法包括以下步骤:
计算特征量和稳定域之间的可拓距L(δf,u):
根据可拓距L(δf,u)、标准化之后的特征量D(δ′f,u′)计算信息熵E(δf,u):
四、根据信息熵E(δf,u)计算出各特征量的权值W(δf,u):
五、依据所述特征量的稳定域J计算出所述特征量与所述稳定域之间的关联度K(D);
六、根据关联度K(D)确定所述赛车的转角控制输出和制动控制输出:
当-1≤K(D)≤0时,所述赛车特征状态处于可拓域内,所述纵向速度较大,通过转向控制和制动控制的联合控制,转角控制输出为制动控制输出为Y(u)=-W(u)K(D)u*,u*为理想的纵向速度,W(δf)为W(δf,u)在u=0时的特征量的权值,W(u)为W(δf,u)在δf=0时的特征量的权值;
当K(D)<-1时,所述纵向速度过快,大幅度降低车速后再基于上层指令进行转向操作,制动控制输出为Y(u)=-W(u)K(D)u*。
作为上述方案的进一步改进,通过环境感知***感知周边赛道并规划出所述赛车理想行驶轨迹,并基于轨迹跟踪算法根据所述赛车前轮转角δf及所述赛车纵向速度u计算出理想前轮转角δf *和理想的纵向速度u*。
本发明还提供一种无人驾驶方程式赛车转向与制动协调控制方法,其采用上述任意无人驾驶方程式赛车的可拓熵权联合控制器控制方法。
作为上述方案的进一步改进,所述无人驾驶方程式赛车转向与制动协调控制方法还包括:
基于增量式PID的转向控制***的控制方法:获取实际方向盘转角,计算出所述转向控制***的转向驱动器转动到使实际方向盘转角和理想方向盘转角相一致时所需的PWM脉冲个数,设定2°为理想方向盘转角和实际方向盘转角之间的阈值,当理想方向盘转角和实际方向盘转角之差超过±2°时才进行增量式PID控制;其中,理想方向盘转角根据所述理想前轮转角δf *和所述转向控制***的传动比计算得出。
进一步地,所述实际方向盘转角的获取方法为:
采用PWM占空比信号控制所述赛车的转向驱动器的转速,转向驱动器转动带动所述赛车的转向柱和前轮转动,通过位于所述转向柱上的方向盘转角传感器实时读取方向盘转角。
再进一步地,所述转向驱动器为36V电源供电的时代超群伺服电机,其额定扭矩为1.27N·m,搭配减速比为1:24的减速器。
再进一步地,所述PWM脉冲个数的具体计算方法为:
CI=Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2))
其中,e(k)=Y(δ)-δf为本次误差值;
e(k)-e(k-1)为本次误差与上次误差的差值;
e(k-1)-e(k-2)为上次误差与上上次误差的差值;
k为转向控制***控制方向盘从实际方向盘转角转动到理想方向盘转角的控制次数。
优选地,对于某一时刻的PWM脉冲个数计算,有
其中:取Kp=1,Ki=0,Kd=0.01。
作为上述方案的进一步改进,所述无人驾驶方程式赛车转向与制动协调控制方法还包括:
基于自适应模糊神经网络的制动控制***的控制方法:
将输入信号模糊化:其中输入信号为赛车纵向速度误差eu和加速度误差ea,网络节点数为2;对每个节点运用钟形函数计算其隶属度为:
式中,x为节点i的输入,i=1,2;j=1,2;{ai,bi,ci}是前件参数集,前件参数的改变将影响隶属度函数的具体形状;
定义:
eu=Y(u)-u
计算每个节点的激励强度:将两个输入信号相乘,其乘积的输出为:
Gi为第i个节点的输出,每个节点的输出代表一条规则的激励强度;
计算节点的归一化激励强度:其表达式为:
计算每个节点输出:
式中,fi=piea+qieu+ri,{pi,qi,ri}为该节点的参数集,其中的参数称为后件参数;
计算所有输入信号的和,获得制动油压:
进一步地,所述前件参数和后件参数采用反向传播方法与最小二乘法相结合的混合学习算法进行调节。
本发明还公开了一种无人驾驶方程式赛车转向制动协调控制***,包括可拓熵权联合控制器、基于增量式PID的转向控制***以及基于自适应模糊神经网络的制动控制***,所述可拓熵权联合控制器、基于增量式PID的转向控制***以及基于自适应模糊神经网络的制动控制***通过上述任一种无人驾驶方程式赛车转向与制动协调控制方法进行控制。
本发明针对无人驾驶方程式赛车的转向与制动协调控制***,通过可拓熵权联合控制器对转向与制动进行联合控制,大大降低转向控制***和制动***之间由于存在耦合关系造成的干扰,减少赛车因速度过快或转向实时性不足带来的偏离赛道的风险,提高赛车的整体性能,降低控制成本。
附图说明
图1为本发明一种无人驾驶方程式赛车转向与制动协调控制方法的流程图;
图2为本发明一种无人驾驶方程式赛车转向与制动协调控制方法的转向控制***原理图;
图3为本发明一种无人驾驶方程式赛车转向与制动协调控制方法的制动控制***原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明的一种无人驾驶方程式赛车转向制动协调控制***,其包括可拓熵权联合控制器、基于增量式PID的转向控制***以及基于自适应模糊神经网络的制动控制***。
本发明中还公开了无人驾驶方程式赛车转向与制动协调控制方法,具体的控制方法如下:
1.无人驾驶方程式赛车的环境感知***通过感知周边赛道规划出赛车理想行驶轨迹,基于轨迹跟踪算法根据所述赛车前轮转角δf及所述赛车纵向速度u计算出理想前轮转角δf *和理想的纵向速度u*。
2.可拓熵权联合控制器的控制方法。
具体的请参照图1,可拓熵权联合控制器选取赛车前轮转角δf及赛车纵向速度u作为特征量,前轮转角δf表征赛车的转向控制特性;纵向速度u表征赛车的制动控制特性。
确定每个特征量在赛车行驶时的取值范围,该范围即为特征量的节域,用P表示。则
特征量的稳定域J为
可拓域E为
其中,δf1为所述赛车的最大前轮转角,δf2为保证所述赛车正常行驶的最大前轮转角,u1为所述赛车的最大纵向速度,u2为保证所述赛车正常行驶的最大纵向速度。考虑无人驾驶方程式赛车的转向及速度特性,取δf1=30°,δf2=18°,u1=25km/h,u2=15km/h。
定义D(δf,u)表示某一时刻赛车的特征状态,并对特征量做标准化处理,得到标准化之后的特征量D(δ′f,u′),标准化公式为
D(δ′f,u′)=(D(δf,u)-Dmin(δf,u))/(Dmax(δf,u)-Dmin(δf,u))
其中Dmin(δf,u)和Dmax(δf,u)可由节域P得到。
由下式计算特征量和稳定域之间的可拓距L(δf,u)。
计算实时信息熵
通过上述所求得的信息熵计算各特征量的权值W(δf,u):
其中,K表示第K个特征量。
为了计算特征量与稳定域之间的关联度,定义以下关联函数
当-1≤K(D)≤0时,赛车特征状态处于可拓域内,此时赛车纵向速度较大,需采用基于转向控制和制动控制的联合控制策略,目的是保持赛车横向稳定避免赛车偏离赛道的同时缩短过弯时长。考虑上述的特征量权值,转角控制输出为制动控制输出为Y(u)=-W(u)K(D)u*。可拓域是需要进行输出转向和制动协调控制的域。
当K(D)<-1时,此时纵向速度过快,需单独大幅度降低车速后再基于上层指令进行转向操作,制动控制输出为Y(u)=-W(u)K(D)u*。
3.基于增量式PID的转向控制***的控制方法:使用增量式PID算法对赛车转向控制***进行控制,增量式PID算法对理想转角和实际转角之间的差值进行控制,算法过程无需累加,当前差值的大小只与最近三次的差值有密切关联。
赛车使用36V电源供电的时代超群伺服电机作为转向控制***驱动器,其额定扭矩为1.27N·m,搭配减速比为1:24的减速器。采用PWM占空比信号控制电机转速,电机转动带动转向柱和前轮转动,位于转向柱上方的方向盘转角传感器可实时读取方向盘转角。理想方向盘转角可由理想前轮转角和转向控制***传动比计算得到,为了让电机在目标位置停下,使用增量式PID算法计算出控制电机转动到使实际方向盘转角和理想方向盘转角相一致时的PWM脉冲个数。
设定2°为理想方向盘转角和实际方向盘转角之间的阈值,即两者之差超过±2°时才进行增量式PID控制。假如实际方向盘转角为5°,理想方向盘转角为10°,用PID算法计算出理论上需要1000个PWM波才能使方向盘从5°转动到10°,下一步用PWM波驱动伺服电机转动。但是由于算法误差,可能1000个PWM波实际上让方向盘转动到实际方向盘转角是8°的位置,由于设定的两者之差超过±2°时才进行增量式PID控制,所以实际方向盘转角是8°时也默认控制结束。
其中PWM脉冲个数为:
CI=Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2))
其中,e(k)=Y(δ)-δf为本次误差值;
e(k)-e(k-1)为本次误差与上次误差的差值;
e(k-1)-e(k-2)为上次误差与上上次误差的差值;
k为转向控制***控制方向盘从实际方向盘转角转动到理想方向盘转角的控制次数。
对于某一时刻的PWM脉冲个数计算,有
经过多次实车试验,取Kp=1,Ki=0,Kd=0.01时,控制效果较为理想。
4.基于自适应模糊神经网络的制动控制***的控制方法:自适应模糊神经网络***也称为基于网络的自适应模糊***,简称ANFIS,1993年由学者Jang Roger提出。它融合了神经网络的学习机制和模糊***的语言推理能力等优点,弥补各自不足,属于神经模糊***的一种。同其他神经模糊***相比,ANFIS具有便捷高效的特点,因而已在多个领域得到了成功应用。
针对赛车制动控制***的模糊神经网络的控制有五个层次进行控制:
第一层为模糊化层,负责输入信号的模糊化。其中输入信号为赛车纵向速度误差eu和加速度误差ea,网络节点数为2。对每个节点运用钟形函数计算其隶属度如下:
式中,x为节点i(i=1,2)的输入;j=1,2;{ai,bi,ci}是前件参数集,前件参数的改变将影响隶属度函数的具体形状,隶属函数还可以是其他合适的参数化的函数。
定义:
eu=Y(u)-u
第二层为规则层,该层用来计算每条规则的激励强度,将两个输入信号相乘,其乘积的输出为
Gi为第i个节点的输出,每个节点的输出代表一条规则的适应度。
第三层为归一化层,该层用来计算规则的归一化激励强度,即第i条规则的归一化可信度。
第四层为节点输出层,计算每个节点的输出。
式中,fi=piea+qieu+ri,{pi,qi,ri}为该节点的参数集,其中的参数称为后件参数。
第五层为总的输出层,该层可以计算出所有输入信号的和,获得制动油压。
上述隶属函数的前件参数和后件参数采用反向传播方法与最小二乘法相结合的混合学习算法进行调节,这样可以实现模糊***基于数据的自学习功能。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种无人驾驶方程式赛车的可拓熵权联合控制器控制方法,其特征在于,其包括以下步骤:
一、选取无人驾驶方程式赛车的赛车前轮转角δf及无人驾驶方程式赛车的赛车纵向速度u作为特征量,计算每个特征量在所述赛车行驶时的节域P、特征量的稳定域J;
其中,δf表征所述赛车的转向控制特性;u表征所述赛车的制动控制特性;δf1为所述赛车的最大前轮转角,δf2为保证所述赛车正常行驶的最大前轮转角,u1为所述赛车的最大纵向速度,u2为保证所述赛车正常行驶的最大纵向速度;
二、定义D(δf,u)为某一时刻所述赛车的特征状态,并做标准化处理,得到标准化之后的特征量D(δ′f,u′):
D(δ′f,u′)=(D(δf,u)-Dmin(δf,u))/(Dmax(δf,u)-Dmin(δf,u))
其中,Dmin(δf,u)和Dmax(δf,u)由节域P得到;
三、根据所述特征量计算实时信息熵E(δf,u),所述实时信息熵E(δf,u)的计算方法包括以下步骤:
计算特征量和稳定域之间的可拓距L(δf,u):
根据可拓距L(δf,u)、标准化之后的特征量D(δ′f,u′)计算信息熵E(δf,u):
四、根据信息熵E(δf,u)计算出各特征量的权值W(δf,u):
五、依据所述特征量的稳定域J计算出所述特征量与所述稳定域之间的关联度K(D);
六、根据关联度K(D)确定所述赛车的转角控制输出和制动控制输出:
当-1≤K(D)≤0时,所述赛车特征状态处于可拓域内,所述纵向速度较大,通过转向控制和制动控制的联合控制,转角控制输出为制动控制输出为Y(u)=-W(u)K(D)u*,u*为理想的纵向速度,W(δf)为W(δf,u)在u=0时的特征量的权值,W(u)为W(δf,u)在δf=0时的特征量的权值;
当K(D)<-1时,所述纵向速度过快,大幅度降低车速后再基于上层指令进行转向操作,制动控制输出为Y(u)=-W(u)K(D)u*。
2.如权利要求1所述的无人驾驶方程式赛车的可拓熵权联合控制器控制方法,其特征在于:通过环境感知***感知周边赛道并规划出所述赛车理想行驶轨迹,并基于轨迹跟踪算法根据所述赛车前轮转角δf及所述赛车纵向速度u计算出理想前轮转角δf *和理想的纵向速度u*。
3.一种无人驾驶方程式赛车转向与制动协调控制方法,其特征在于,其包括如权利要求1或2所述的无人驾驶方程式赛车的可拓熵权联合控制器控制方法。
4.如权利要求3所述的无人驾驶方程式赛车转向与制动协调控制方法,其特征在于:所述无人驾驶方程式赛车转向与制动协调控制方法还包括:
基于增量式PID的转向控制***的控制方法:获取实际方向盘转角,计算出所述转向控制***的转向驱动器转动到使实际方向盘转角和理想方向盘转角相一致时所需的PWM脉冲个数,设定2°为理想方向盘转角和实际方向盘转角之间的阈值,当理想方向盘转角和实际方向盘转角之差超过±2°时才进行增量式PID控制;其中,理想方向盘转角根据所述理想前轮转角δf *和所述转向控制***的传动比计算得出。
5.如权利要求4所述的无人驾驶方程式赛车转向与制动协调控制方法,其特征在于:所述实际方向盘转角的获取方法为:
采用PWM占空比信号控制所述赛车的转向驱动器的转速,转向驱动器转动带动所述赛车的转向柱和前轮转动,通过位于所述转向柱上的方向盘转角传感器实时读取方向盘转角。
6.如权利要求5所述的无人驾驶方程式赛车转向与制动协调控制方法,其特征在于:所述转向驱动器为36V电源供电的时代超群伺服电机,其额定扭矩为1.27N·m,搭配减速比为1:24的减速器。
7.如权利要求4所述的无人驾驶方程式赛车转向与制动协调控制方法,其特征在于:所述PWM脉冲个数的具体计算方法为:
CI=Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2))
其中,e(k)=Y(δ)-δf为本次误差值;
e(k)-e(k-1)为本次误差与上次误差的差值;
e(k-1)-e(k-2)为上次误差与上上次误差的差值;
k为转向控制***控制方向盘从实际方向盘转角转动到理想方向盘转角的控制次数。
9.如权利要求3所述的无人驾驶方程式赛车转向与制动协调控制方法,其特征在于:所述无人驾驶方程式赛车转向与制动协调控制方法还包括:
基于自适应模糊神经网络的制动控制***的控制方法:
将输入信号模糊化:其中输入信号为赛车纵向速度误差eu和加速度误差ea,网络节点数为2;对每个节点运用钟形函数计算其隶属度为:
式中,x为节点i的输入,i=1,2;j=1,2;{ai,bi,ci}是前件参数集,前件参数的改变将影响隶属度函数的具体形状;
定义:
eu=Y(u)-u
计算每个节点的激励强度:将两个输入信号相乘,其乘积的输出为:
Gi为第i个节点的输出,每个节点的输出代表一条规则的激励强度;
计算节点的归一化激励强度:其表达式为:
计算每个节点输出:
式中,fi=piea+qieu+ri,{pi,qi,ri}为该节点的参数集,其中的参数称为后件参数;
计算所有输入信号的和,获得制动油压:
10.如权利要求9所述的无人驾驶方程式赛车转向与制动协调控制方法,其特征在于:所述前件参数和后件参数采用反向传播方法与最小二乘法相结合的混合学习算法进行调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110201272.8A CN112874504B (zh) | 2020-01-10 | 2020-01-10 | 一种可拓熵权联合控制器控制方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010024663.2A CN111152776B (zh) | 2020-01-10 | 2020-01-10 | 一种无人驾驶方程式赛车转向与制动协调控制方法及*** |
CN202110201272.8A CN112874504B (zh) | 2020-01-10 | 2020-01-10 | 一种可拓熵权联合控制器控制方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010024663.2A Division CN111152776B (zh) | 2020-01-10 | 2020-01-10 | 一种无人驾驶方程式赛车转向与制动协调控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112874504A true CN112874504A (zh) | 2021-06-01 |
CN112874504B CN112874504B (zh) | 2022-03-04 |
Family
ID=70562197
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010024663.2A Active CN111152776B (zh) | 2020-01-10 | 2020-01-10 | 一种无人驾驶方程式赛车转向与制动协调控制方法及*** |
CN202110201272.8A Active CN112874504B (zh) | 2020-01-10 | 2020-01-10 | 一种可拓熵权联合控制器控制方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010024663.2A Active CN111152776B (zh) | 2020-01-10 | 2020-01-10 | 一种无人驾驶方程式赛车转向与制动协调控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN111152776B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085278B (zh) * | 2020-09-11 | 2022-04-29 | 吴展骞 | 一种ep赛车加速点规划方法及自动预测设备 |
CN112550299B (zh) * | 2020-12-22 | 2022-09-27 | 合肥工业大学 | 一种车辆横向稳定性判定与控制方法 |
CN113183698A (zh) * | 2021-05-31 | 2021-07-30 | 重庆嘉陵全域机动车辆有限公司 | 一种水陆两栖全地形车水推转向装置及控制方法 |
CN115649145B (zh) * | 2022-11-01 | 2023-06-06 | 智能网联汽车(山东)协同创新研究院有限公司 | 一种智能汽车转向和制动自适应协调控制*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108216231A (zh) * | 2018-01-12 | 2018-06-29 | 合肥工业大学 | 一种基于转向和制动可拓联合的车道偏离辅助控制方法 |
CN108732921A (zh) * | 2018-04-28 | 2018-11-02 | 江苏大学 | 一种自动驾驶汽车横向可拓预瞄切换控制方法 |
CN109229200A (zh) * | 2018-09-10 | 2019-01-18 | 东南大学 | 一种无人驾驶方程式赛车通用转向***及控制方法 |
CN109664884A (zh) * | 2018-11-19 | 2019-04-23 | 江苏大学 | 一种可变车速下的可拓自适应车道保持控方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140133417A (ko) * | 2013-05-06 | 2014-11-19 | 한양대학교 산학협력단 | 시간 및 공간적 엔트로피를 이용한 작업 솜씨 학습 방법 |
CN109969181B (zh) * | 2018-01-12 | 2020-06-05 | 合肥工业大学 | 一种车道偏离辅助***及其车道偏离辅助方法 |
CN109858438B (zh) * | 2019-01-30 | 2022-09-30 | 泉州装备制造研究所 | 一种基于模型拟合的车道线检测方法 |
CN110487562B (zh) * | 2019-08-21 | 2020-04-14 | 北京航空航天大学 | 一种用于无人驾驶的车道保持能力检测***及方法 |
-
2020
- 2020-01-10 CN CN202010024663.2A patent/CN111152776B/zh active Active
- 2020-01-10 CN CN202110201272.8A patent/CN112874504B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108216231A (zh) * | 2018-01-12 | 2018-06-29 | 合肥工业大学 | 一种基于转向和制动可拓联合的车道偏离辅助控制方法 |
CN108732921A (zh) * | 2018-04-28 | 2018-11-02 | 江苏大学 | 一种自动驾驶汽车横向可拓预瞄切换控制方法 |
CN109229200A (zh) * | 2018-09-10 | 2019-01-18 | 东南大学 | 一种无人驾驶方程式赛车通用转向***及控制方法 |
CN109664884A (zh) * | 2018-11-19 | 2019-04-23 | 江苏大学 | 一种可变车速下的可拓自适应车道保持控方法 |
Non-Patent Citations (2)
Title |
---|
汪洪波等: "考虑人机协调的基于转向和制动可拓联合的车道偏离辅助控制", 《机械工程学报》 * |
陈无畏等: "基于可拓决策和人工势场法的车道偏离辅助***研究", 《机械工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112874504B (zh) | 2022-03-04 |
CN111152776B (zh) | 2021-03-23 |
CN111152776A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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*** | |
CN109376493B (zh) | 一种粒子群优化的径向基神经网络车辆速度跟踪方法 | |
CN112918550B (zh) | 一种无人驾驶汽车主动转向***的控制方法及控制*** | |
CN110936824B (zh) | 一种基于自适应动态规划的电动汽车双电机控制方法 | |
CN108437978B (zh) | 四轮毂电驱车辆行驶路面自动识别与稳定性集成控制方法 | |
CN110949366B (zh) | 应用智能车辆纵向速度控制的rbf神经网络的终端滑模控制方法 | |
CN110615003B (zh) | 基于策略梯度在线学习算法的巡航控制***及设计方法 | |
CN112519882B (zh) | 一种车辆参考轨迹跟踪方法及*** | |
CN107618504A (zh) | 一种应用于全自动泊车的蠕行速度控制方法及装置 | |
CN110228524B (zh) | 基于多层模糊控制的无人车辆自动转向控制方法 | |
CN110792762B (zh) | 一种巡航模式下商用车前瞻换挡控制方法 | |
CN101417655A (zh) | 一种车辆多目标协调式自适应巡航控制方法 | |
JPH10114239A (ja) | 自動車の縦運動の制御方法及び装置 | |
CN104590253B (zh) | 一种四轮独立驱动电动汽车的横摆角速度控制方法 | |
CN109334757B (zh) | 一种电动助力转向***的控制方法 | |
CN113581163B (zh) | 基于lstm的多模phev模式切换优化与能量管理方法 | |
WO2024120045A1 (zh) | 一种交流传动机车的速度控制方法 | |
CN108197392A (zh) | 基于soc的汽车电动助力转向***的助力特性曲线设计方法 | |
CN115158281A (zh) | 一种基于伺服舵机驱动油门的无人车速度调节方法 | |
CN115848162A (zh) | 一种用于六轮独立电驱动无人车辆差动转向的控制方法 | |
CN111965973B (zh) | 基于数据驱动建模的dct车辆起步sd-arx-mpc控制方法 | |
Chen et al. | Speed control system design of automatic parking based on fuzzy-PID control | |
JPS60143132A (ja) | 電子制御式トランスミッションの自動変速制御装置 | |
Zeng et al. | Dynamic coordination control for hydraulic hub-motor auxiliary system based on NMPC algorithm | |
CN117445698B (zh) | 一种轮毂电机驱动电动汽车扭矩分配分层控制方法 |
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 |