基于模糊算法垂直泊車(chē)轉(zhuǎn)向控制策略的研究

王友楠， 方祖華， 孫 霙， 王 康， 徐宏兵

(上海師范大學(xué)信息與機(jī)電工程學(xué)院，上海 200234)

基于模糊算法垂直泊車(chē)轉(zhuǎn)向控制策略的研究

王友楠， 方祖華， 孫 霙， 王 康， 徐宏兵

(上海師范大學(xué)信息與機(jī)電工程學(xué)院，上海 200234)

為提高自動(dòng)泊車(chē)的精度和安全性，分析了垂直泊車(chē)的運(yùn)動(dòng)特性，以車(chē)輛的初始位置及泊車(chē)過(guò)程中的轉(zhuǎn)向角控制為關(guān)鍵參數(shù)，建立了自動(dòng)垂直泊車(chē)的運(yùn)動(dòng)模型.在Simulink環(huán)境中建立了基于模糊算法的垂直泊車(chē)轉(zhuǎn)向控制仿真模型，生成了模糊規(guī)則，分析了車(chē)輛初始位置、初始角度、初始運(yùn)動(dòng)速度對(duì)車(chē)輛運(yùn)動(dòng)軌跡的影響.仿真結(jié)果顯示，改變初始坐標(biāo)及初始角度都會(huì)影響自動(dòng)垂直泊車(chē)入庫(kù)效果，確定了一次性順利入庫(kù)的最小初始位置，該數(shù)值可用來(lái)設(shè)計(jì)最緊湊停車(chē)庫(kù).該模糊算法控制靈敏且無(wú)超調(diào).

自動(dòng)垂直泊車(chē)；控制策略；模糊算法

自動(dòng)泊車(chē)是通過(guò)探測(cè)車(chē)輛周?chē)h(huán)境信息來(lái)找到合適的泊車(chē)位，從而控制車(chē)輛的轉(zhuǎn)向和速度，使得車(chē)輛能夠自主駛?cè)氩窜?chē)位.常見(jiàn)的自動(dòng)泊車(chē)方式有平行泊車(chē)和垂直泊車(chē)，現(xiàn)多采用路徑規(guī)劃和基于經(jīng)驗(yàn)控制算法(即模糊邏輯或神經(jīng)網(wǎng)絡(luò))這兩種方式來(lái)研究泊車(chē).Jamil[1]設(shè)計(jì)出一種泊車(chē)輔助器，可幫助駕駛員方便安全地泊車(chē)，但在實(shí)現(xiàn)泊車(chē)的全自動(dòng)方面有待改進(jìn).文獻(xiàn)[2-3]分別基于模糊邏輯控制進(jìn)行泊車(chē)系統(tǒng)研究，邏輯控制依賴于人的操作知識(shí)，因此需要大量的泊車(chē)實(shí)驗(yàn).劉鈺等[4]采用Bezier曲線對(duì)泊車(chē)軌跡進(jìn)行擬合，但泊車(chē)原地轉(zhuǎn)向問(wèn)題需深入探究.目前采用模糊控制法，對(duì)自動(dòng)泊車(chē)時(shí)變性運(yùn)動(dòng)有很好效果[5-8]，但車(chē)輛處于不同初始位置時(shí)，采用模糊控制的車(chē)輛運(yùn)動(dòng)軌跡是不相同的，車(chē)輛不同的運(yùn)動(dòng)軌跡會(huì)導(dǎo)致入庫(kù)成功或不成功.因此，研究不同初始位置的模糊控制車(chē)輛運(yùn)動(dòng)軌跡，判斷其能否成功入庫(kù)，是自動(dòng)泊車(chē)的關(guān)鍵.

1 垂直泊車(chē)的運(yùn)動(dòng)模型

車(chē)輛在自動(dòng)泊車(chē)過(guò)程中是一個(gè)全程的低速運(yùn)動(dòng)過(guò)程.設(shè)車(chē)庫(kù)長(zhǎng)、寬分別為5.5 m和2.4 m，建立的垂直泊車(chē)運(yùn)動(dòng)模型如圖1所示.圖中各參數(shù)定義如下:φ為車(chē)身方向角(x軸正向與車(chē)輛中心軸線的夾角)，取逆時(shí)針?lè)较驗(yàn)檎沪葹榍拜嗈D(zhuǎn)角(車(chē)輛前輪方向與車(chē)輛中心軸線的夾角)，取順時(shí)針?lè)较驗(yàn)檎籿為車(chē)輛運(yùn)動(dòng)速度；L為軸距.

圖1 垂直泊車(chē)的運(yùn)動(dòng)模型Fig.1 Motion model of vertical parking

(xf，yf)為車(chē)輛前軸中心坐標(biāo)，(xr，yr)為車(chē)輛后軸中心坐標(biāo).坐標(biāo)原點(diǎn)定為車(chē)輛入庫(kù)后的后軸中心點(diǎn).車(chē)輛后軸中心在垂直方向上速度為0[5]，可以得到

后輪軌跡在車(chē)體運(yùn)動(dòng)過(guò)程中完全體現(xiàn)車(chē)體的運(yùn)動(dòng)軌跡，可將后輪軸線中心坐標(biāo)(xr，yr)認(rèn)為是車(chē)體運(yùn)動(dòng)坐標(biāo)，車(chē)輛的運(yùn)動(dòng)軌跡用(xr，yr，φ)來(lái)表示，為方便起見(jiàn)，用(x，y，φ)來(lái)表示.車(chē)輛入庫(kù)后最終狀態(tài)為(0，0，0)，車(chē)輛始點(diǎn)位置設(shè)定為(x0，y0，φ0).系統(tǒng)對(duì)于車(chē)輛的控制只需要θ和v，就可以實(shí)現(xiàn)車(chē)輛停入車(chē)庫(kù).

2 自動(dòng)垂直泊車(chē)的模糊控制

給定入庫(kù)速度v=1.39 m/s，采用模糊控制θ來(lái)控制垂直泊車(chē)入庫(kù).圖2為自動(dòng)垂直泊車(chē)模糊控制Simulink建模，用來(lái)仿真任意初始條件的行駛軌跡.模糊規(guī)則如表1所示.

圖2 自動(dòng)垂直泊車(chē)模糊控制Simulink建模Fig.2 Simulink model of autonomous vertical par king fuzzy control

表1 車(chē)輛前輪轉(zhuǎn)角的模糊規(guī)則Tab.1 Fuzzy rule set for front wheel angle

3 仿真分析

3.1 車(chē)輛初始轉(zhuǎn)角φ0=0o不變,改變初始坐標(biāo)(x0,y0)時(shí)的車(chē)輛運(yùn)動(dòng)軌跡仿真

車(chē)輛初始坐標(biāo)為(4.0，8.0)時(shí)，其運(yùn)動(dòng)軌跡仿真如圖3所示，車(chē)輛通過(guò)右轉(zhuǎn)方向使車(chē)輛進(jìn)入車(chē)位，與實(shí)際泊車(chē)操作相符合.從車(chē)輛端點(diǎn)軌跡可知，整個(gè)泊車(chē)過(guò)程中，車(chē)輛輪廓線與周?chē)h(huán)境障礙無(wú)交點(diǎn)，表明車(chē)輛實(shí)現(xiàn)了無(wú)碰撞地進(jìn)入車(chē)位，即成功入庫(kù).該初始坐標(biāo)下的前輪轉(zhuǎn)角θ及車(chē)身方向角φ的變化情況如圖4所示，在整個(gè)泊車(chē)過(guò)程中，θ由小變大再變小，φ由0o變成90o，符合實(shí)際車(chē)輛的操作.

車(chē)輛初始坐標(biāo)為(4.0，7.0)時(shí)，其運(yùn)動(dòng)軌跡仿真如圖5所示，整個(gè)泊車(chē)過(guò)程中車(chē)輛輪廓線與左側(cè)車(chē)庫(kù)相碰，表明泊車(chē)失敗.θ和φ的變化如圖6所示.

圖3 初始坐標(biāo)(4.0,8.0)時(shí)的車(chē)輛運(yùn)動(dòng)軌跡仿真Fig.3 Vehicle trajectory simulation at the initial coordinate(4.0,8.0)

本文對(duì)多種組合的初始位置進(jìn)行了仿真，垂直泊車(chē)過(guò)程中車(chē)輛最左側(cè)橫坐標(biāo)如表2所示(見(jiàn)下頁(yè)).因?yàn)檐?chē)庫(kù)寬度為2.4 m，所以車(chē)庫(kù)左側(cè)邊緣為-1.2 m，表2中陰影區(qū)域表示泊車(chē)成功的坐標(biāo)值.由表2可以看出，泊車(chē)起始位置橫坐標(biāo)與縱坐標(biāo)大于極限值時(shí)，距離原點(diǎn)越遠(yuǎn)，泊車(chē)效果越好.采用模糊控制后，一次性順利入庫(kù)的最小初始位置是(4.0， 8.0)，該數(shù)值可用來(lái)設(shè)計(jì)最緊湊停車(chē)庫(kù)，使之占地面積最小或停車(chē)最多.

圖4 初始坐標(biāo)(4.0,8.0)時(shí)的θ和φ變化Fig.4 Variation ofθandφat the initial coordinate(4.0,8.0)

圖5 初始坐標(biāo)(4.0,7.0)時(shí)的車(chē)輛運(yùn)動(dòng)軌跡仿真Fig.5 Vehicle trajectory simulation at the initial coordinate(4.0,7.0)

圖6 初始坐標(biāo)(4.0,7.0)時(shí)的θ和φ變化Fig.6 Variation ofθandφat the initial coordinate(4.0,7.0)

3.2 車(chē)輛初始坐標(biāo)(x0,y0)不變,改變?chǔ)?時(shí)的車(chē)輛運(yùn)動(dòng)軌跡仿真

圖7(見(jiàn)下頁(yè))是車(chē)輛初始坐標(biāo)(4.0，8.0)，φ0= -20°時(shí)車(chē)輛運(yùn)動(dòng)軌跡，當(dāng)在最小初始位置為(4.0，8.0)時(shí)，初始車(chē)身方向角減小將影響垂直泊車(chē)效果，且泊車(chē)不成功.前輪θ和φ的變化如圖8所示(見(jiàn)下頁(yè)).圖9(見(jiàn)下頁(yè))是車(chē)輛初始坐標(biāo)(4.0，8.0)，φ0=20°時(shí)車(chē)輛運(yùn)動(dòng)軌跡，當(dāng)最小初始位置為(4.0，8.0)時(shí)，增大初始車(chē)身轉(zhuǎn)角可以使垂直泊車(chē)順利入庫(kù).其前輪轉(zhuǎn)角θ及車(chē)身方向角φ的變化如圖10所示.

表2 泊車(chē)過(guò)程中不同初始坐標(biāo)下的車(chē)輛最左側(cè)位置Tab.2 The most left side of vehicle during the par king process at different initial coordinates

圖7 初始坐標(biāo)(4.0,8.0)時(shí)的車(chē)輛運(yùn)動(dòng)軌跡的仿真(φ0=-20°)Fig.7 Vehicle trajectory simulation at the initial coordinate(4.0,8.0)(φ0=-20°)

圖8 初始坐標(biāo)(4.0,8.0)時(shí)的θ和φ(φ0=-20°)Fig.8 Variation ofθandφat the initial coordinate(4.0,8.0)(φ0=-20°)

改變不同初始位置，泊車(chē)過(guò)程中車(chē)輛運(yùn)動(dòng)最左側(cè)位置的仿真結(jié)果見(jiàn)表3，可以看出改變車(chē)身轉(zhuǎn)角會(huì)影響入庫(kù)效果，初始車(chē)身轉(zhuǎn)角越大，泊車(chē)入庫(kù)效果越好，從而來(lái)建造更緊湊的停車(chē)場(chǎng).緊湊型的停車(chē)場(chǎng)可以采取增大初始車(chē)身轉(zhuǎn)角的方式，車(chē)輛也可順利入庫(kù).

圖9 初始坐標(biāo)(4.0,8.0)時(shí)的車(chē)輛運(yùn)動(dòng)軌跡仿真(φ0=20°)Fig.9 Vehicle trajectory simulation at the initial coordinate(4.0,8.0)(φ0=20°)

圖10 初始坐標(biāo)(4.0,8.0)時(shí)的θ和φ(φ0=20°)Fig.10 Variation ofθandφat the initial coordinate(4.0,8.0)(φ0=20°)

表3 泊車(chē)過(guò)程中不同初始方向角下的車(chē)輛最左側(cè)位置Tab.3 The most left side of vehicle during the parking process at different initial direction angles

4 結(jié) 論

通過(guò)對(duì)泊車(chē)過(guò)程分析，建立了自動(dòng)垂直泊車(chē)的運(yùn)動(dòng)模型.基于Simulink建立了自動(dòng)垂直泊車(chē)的模糊控制仿真模型.在計(jì)算中，改變車(chē)輛后軸中心點(diǎn)初始坐標(biāo)值以及車(chē)身方向角，仿真結(jié)果表明:在超過(guò)極限位置的范圍時(shí)，無(wú)法實(shí)現(xiàn)無(wú)碰壁泊車(chē)，改變初始泊車(chē)角度可改善泊車(chē)效果；初始坐標(biāo)超過(guò)極限范圍時(shí)，增大初始角度可使泊車(chē)無(wú)碰壁入庫(kù)，在極限范圍內(nèi)減小初始角度也會(huì)使泊車(chē)失敗.

[1] Jamil T.Design and implementation of a parking helper [C]∥Proceedings of the World Congress on Engineering and Computer Science.San Francisco: IEEE，2009:978-988.

[2] Nejad M K.Fuzzy logic based autonomous parallel parking of a car-like mobile robot[D].Montreal: Concordia University，2006.

[3] Lee J Y，Lee J J.Multiple designs of fuzzy controllers for car parking using evolutionary algorithm[C]∥Proceedings of the 4th IEEE International Conference on Mechatronics.Kumamoto:IEEE，2007:1-6.

[4] 劉鈺，馬艷麗，李濤.基于Bezier曲線擬合的自主平行泊車(chē)軌跡模型仿真[J].科技導(dǎo)報(bào)，2011，29(11):59-61.

[5] 孟繁微.車(chē)輛垂直泊車(chē)轉(zhuǎn)向控制算法研究[D].長(zhǎng)春:吉林大學(xué)，2011.

[6] 黃貞輝，陳瑋，涂建.家用變頻空調(diào)溫度模糊控制算法研究[J].上海理工大學(xué)學(xué)報(bào)，2013，35(2):169-174.

[7] 楊昔陽(yáng)，尤晴曦，李洪興.基于變論域理論的自動(dòng)倒車(chē)控制[J].北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2005，41 (4):348-350.

[8] 魏赟，韓印，范炳全.基于多智能體和模糊控制的道路交叉口建模與仿真[J].上海理工大學(xué)學(xué)報(bào)，2010，32 (3):259-262.

(編輯:董 偉)

Steering Control for Autonomous Vertical Par king Based on Fuzzy Algorithm

WANG Younan， FANGZuhua， SUN Ying， WANGKang， XUHongbing
(College of Mechanical and Electronic Engineering，Shanghai Normal University，Shanghai 200234，China)

In order to improve the precision and security of autonomous parking，a steering kinematics model was establised，taking the initial position and steering-angle as key control factors，and a parking steering control simulation model based on fuzzy algorithm was built with the help of Simulink.Fuzzy rules were established and the autonomous vertical parking was simulated. The influences of initial position，initial angle，and initial speed on vehicle trajectory were analyzed. The simulation shows that changing initial parameters will affect the autonomous vertical parking effect.The minimum initial position for a one-time smoothly parking was determined.The simulation shows that fuzzy control algorithm is sensitive and of no overshoot.

autonomous vertical parking；steering control；fuzzy algorithm

U 462.1

A

1007-6735(2015)02-0155-04

10.13255/j.cnki.ju sst.2015.02.011

2013-12-11

上海市地方院校能力建設(shè)計(jì)劃項(xiàng)目(12160503000)

王友楠(1988-)，男，碩士研究生.研究方向:電控技術(shù).E-mail:spartainic@yahoo.com

方祖華(1964-)，男，教授.研究方向:內(nèi)燃機(jī)燃燒及排放控制、新能源技術(shù).E-mail:zuhfang@shnu.edu.cn