基于變論域模糊PI算法的無人輸運(yùn)車輛控制研究

王天陽，陶學(xué)恒，孫成志，葉華國

(1.大連工業(yè)大學(xué) 機(jī)械工程與自動化學(xué)院，遼寧 大連 116034；2.安徽工程大學(xué) 機(jī)械與汽車工程學(xué)院，安徽 蕪湖 241000)

0 引言

糧食的存儲和管理是關(guān)系到我國食品安全和社會穩(wěn)定的重要問題，隨著智慧農(nóng)業(yè)的發(fā)展和智能技術(shù)的進(jìn)步，固定道路的無人駕駛車輛運(yùn)送谷物進(jìn)出倉、倒倉是實(shí)現(xiàn)倉儲物流自動化調(diào)度的重要手段。無人駕駛車輛道路保持控制是避免發(fā)生碰撞事故的核心，道路保持控制的基礎(chǔ)就是研究無人駕駛車輛的道路偏離判斷算法，通過設(shè)置合理的參數(shù)閾值及時調(diào)整車輛方向盤轉(zhuǎn)角以控制車輛沿著固定道路行駛，因此，控制算法的精度是決定無人駕駛車輛道路中心線保持的關(guān)鍵，需要通過建立準(zhǔn)確的駕駛員虛擬模型、設(shè)計合理的無人駕駛車輛橫向控制器來實(shí)現(xiàn)。

Lan M等[1]設(shè)計了基于GPS、麥克風(fēng)、揚(yáng)聲器等設(shè)備的道路偏離判斷系統(tǒng)，研究了自動駕駛車輛車道線識別控制算法。Cario G等[2]利用攝像頭獲取車道線及車輛與道路的相對位置關(guān)系，根據(jù)儀表盤獲取車輛速度及輪速信息，設(shè)計了基于數(shù)據(jù)融合的車道偏離預(yù)警系統(tǒng)。Saleh L等[3]研究了一種駕駛員對車輛道路保持轉(zhuǎn)向系統(tǒng)的新模型。Chen L等[4]采用魯棒模型參考自適應(yīng)控制方法，設(shè)計了主動前輪轉(zhuǎn)向車輛道路保持輔助系統(tǒng)。Mammeri A等[5]研究了一種基于機(jī)器視覺的自動駕駛技術(shù)，根據(jù)傳感器獲取的車道線圖像信息實(shí)現(xiàn)車輛道路保持。

本文通過分析無人駕駛車輛多信息融合系統(tǒng)，建立車輛-道路模型，并采用目標(biāo)信息融合感知方法對運(yùn)動軌跡進(jìn)行跟蹤和預(yù)測；以車輛橫向距離與跨道時間為輸入變量、道路偏離危險等級作為輸出量進(jìn)行模糊化處理，提出了基于模糊規(guī)則的道路偏離判斷策略；以車輛橫向位移偏差為輸入、方向盤轉(zhuǎn)角為輸出，設(shè)計變論域模糊PI控制器，基于Simulink和CarSim軟件平臺開展聯(lián)合仿真，并進(jìn)行硬件在環(huán)實(shí)驗(yàn)，驗(yàn)證變論域模糊PI控制算法的精度和有效性。

1 多信息融合系統(tǒng)與車輛-道路模型

1.1 多信息融合系統(tǒng)

多信息融合條件下無人駕駛車輛的主要特點(diǎn)是依靠多種傳感器感知車輛狀態(tài)，準(zhǔn)確掌握車輛及其周圍環(huán)境的具體信息，包括車輛的運(yùn)動狀態(tài)、車道線、車與車的相對位置和相對速度等信息。自動無人駕駛車輛環(huán)境感知系統(tǒng)包括視覺分析單元、轉(zhuǎn)向角度傳感器、毫米波雷達(dá)和GPS等，由各傳感器完成目標(biāo)檢測，再將所獲取的信息通過CAN相互連接，用于控制轉(zhuǎn)向、制動輔助系統(tǒng)，以及進(jìn)行車速、道路環(huán)境、車輛狀態(tài)數(shù)據(jù)的監(jiān)測。

1.2 車輛-道路模型[6]

建立可以表征無人駕駛車輛與道路之間相對位置關(guān)系的模型，如圖1所示。圖1中，O為車輛質(zhì)心；視覺系統(tǒng)從車輛行駛前方距離ls處獲取預(yù)瞄點(diǎn)，并以該點(diǎn)為參考；δ為前輪轉(zhuǎn)向角；yl為預(yù)瞄點(diǎn)到車道中心線的距離，即橫向偏移量；Ψl為車輛縱軸線與車道切線的夾角，即車輛偏航角；Ψr為實(shí)際道路偏角；R為道路曲率半徑；β為車輛質(zhì)心側(cè)偏角；u、v分別為車輛速度V在質(zhì)心坐標(biāo)x、y方向上的分量；r為車輛轉(zhuǎn)動方向。為評價車輛與道路的位置偏差，選擇車輛偏航角Ψl、橫向偏移量yl作為狀態(tài)變量。

圖1 車輛-道路模型

根據(jù)設(shè)計的車道偏離判斷控制策略，本模糊系統(tǒng)輸出具有唯一性。車輛行駛過程的危險等級論域分為6個模糊集合，分別為二級安全HS、三級危險MS、三級安全LS、一級危險LH、一級安全MH、二級危險HH，等級越高，對應(yīng)的安全性或是危險性越高。通過三角隸屬度函數(shù)表達(dá)該系統(tǒng)輸出變量，如圖2所示。最后通過重心法對輸出量進(jìn)行反模糊化，確保其結(jié)果準(zhǔn)確。

學(xué)生的生活數(shù)據(jù)信息是一個比較復(fù)雜的對象。如果我們想從這些復(fù)雜的數(shù)據(jù)關(guān)系中挖掘出有價值的信息，便可通過數(shù)據(jù)可視化的技術(shù)對其進(jìn)行處理使得這些數(shù)據(jù)信息更為直觀地呈現(xiàn)在用戶面前。在可視化的過程中，數(shù)據(jù)將會變得更具備可塑性、可行性，最終更加人性化。由此幫助用戶完善自己的日常生活，提高用戶的生活質(zhì)量。

左/右車輪離左/右道路邊界線的距離為：

設(shè)置仿真路徑為蛇形線路，固定車速為20 km/h，得到的方向盤轉(zhuǎn)角偏差、橫向位移偏差的仿真結(jié)果如5所示。由圖5(a)可見，采用變論域模糊PI控制算法進(jìn)行控制時，在此工況下仿真得到的方向盤最大轉(zhuǎn)角為0.25 rad，運(yùn)用傳統(tǒng)PID控制算法時，方向盤最大轉(zhuǎn)角為0.29 rad；由圖5(b)可見，傳統(tǒng)PID控制算法與變論域模糊PI控制算法的最大橫向位移偏差分別為0.25 m、0.038 m,變論域模糊PI控制算法的控制精度高于經(jīng)典PID控制算法，對車輛在蛇形道路行駛發(fā)生偏離時能夠給予及時警示和修正。

2 基于模糊規(guī)則的道路偏離判斷策略

2.1 道路偏離判斷策略[7]

由前所述，車輛跨道時間t和車輛與車道邊界線距離可以作為判斷車輛偏離的參量，在道路偏離判斷系統(tǒng)模糊控制器設(shè)計中，設(shè)輸入變量為t與dl或dr，輸出變量為車輛實(shí)時偏離危險等級。將跨道時間t的論域值定為(0～2)s，可劃分為4個模糊集合，即長NL、較長ML、較短MS、短N(yùn)S，通過三角隸屬度函數(shù)表達(dá)。假設(shè)車輪到車道邊界線的距離dl或dr的論域?yàn)?0～1.1)m，存在4個模糊集合，即遠(yuǎn)NF、較遠(yuǎn)MF、較近MN、近 NN，用三角隸屬度函數(shù)表示。

2.2 模糊規(guī)則設(shè)計

無論是繁華還是平淡，小商橋自無言接受，一如家鄉(xiāng)的人民。一座橋?qū)皂g融進(jìn)了當(dāng)?shù)厝嗣竦难}，從小商橋始，饑荒、屠城、戰(zhàn)亂，臨潁人民不怒不傷，不躲不逃，默默承受，安靜生活。

洛馬的緊湊型核聚變反應(yīng)堆屬于開端磁力線類型，能較好解決這一問題。如圖1所示，該堆由一個近似柱形的反應(yīng)堆外殼、內(nèi)部超導(dǎo)線圈、外部封壓線圈和兩端的磁鏡線圈、中性束流注入器以及其他輔助的冷卻、供電、控制設(shè)備等組成。它的外殼由內(nèi)包層和外包層組成，內(nèi)包層由Be、FLiBe等材料制成，外包層由鐵或鋼之類的低活化材料制成，通過FLiBe或LiPb等液態(tài)金屬介質(zhì)進(jìn)行冷卻。

表1 模糊規(guī)則表

2.3 輸出解模糊化

根據(jù)自動駕駛車輛環(huán)境感知系統(tǒng)采集到的信息，即車速V、轉(zhuǎn)向角δ、車道中心線到邊界線間的距離d0建立車輛與車道位置間的關(guān)聯(lián)關(guān)系。對轉(zhuǎn)向角δ求導(dǎo)得：

圖2 系統(tǒng)輸出變量的三角隸屬度函數(shù)

3 變論域模糊PI橫向控制器設(shè)計

跨道時間為：

以跨道時間長短和車輪到車道邊界線距離的遠(yuǎn)近為參量建立模糊規(guī)則，用以判斷車輛偏離車道的情況。模糊規(guī)則如表1所示，在此規(guī)則中，選擇IF-THEN模型：IF(跨道時間is NS)and(車輪、車道邊界線相距的橫向長度is NN) then (危險等級is HH)。

圖3 變論域模糊PI橫向控制器

由圖3可知，模糊控制器是2輸入、2輸出的模糊控制單元，變論域模糊PI控制器伸縮因子含有2輸入、3輸出模糊控制單元，通過重心法對兩個模糊控制器去模糊化，求解出各輸出變量值，輸入到控制系統(tǒng)即可獲取車輛穩(wěn)定運(yùn)行過程中對應(yīng)的方向盤轉(zhuǎn)角?；赟imulink平臺的變論域模糊PI控制器仿真模型如圖4所示。

地震應(yīng)急信息發(fā)布與推送系統(tǒng)主要包括地震應(yīng)急信息分類上傳、地震應(yīng)急信息審核、地震應(yīng)急信息發(fā)布、地震應(yīng)急信息查詢等，地震應(yīng)急信息服務(wù)對象具有多層次、多專業(yè)的要求，其服務(wù)內(nèi)容也面臨著巨大的不同，如抗震救災(zāi)指揮部需要地震綜合國情數(shù)據(jù)庫產(chǎn)生的各類核心信息，地震發(fā)生所在市縣地理位置、行政區(qū)劃、地形地貌、水庫、人口、經(jīng)濟(jì)、建筑、交通、避難場所、當(dāng)?shù)卣嚓P(guān)部門聯(lián)系方式等綜合國情信息，地震監(jiān)測預(yù)報分析人員則需要震情災(zāi)情信息、專題圖信息等，因此，平臺地震應(yīng)急信息發(fā)布系統(tǒng)采用C/S 3層混合訪問體系結(jié)構(gòu),基于靈活的跨平臺的J2EE框架結(jié)構(gòu)，結(jié)合J2EE應(yīng)用程序服務(wù)器和安卓平臺進(jìn)行設(shè)計和實(shí)現(xiàn)。

圖4 基于Simulink平臺的變論域模糊PI控制器仿真模型

4 仿真與試驗(yàn)驗(yàn)證

4.1 仿真分析

據(jù)了解，被收購前普洛斯擁有及管理在中國、日本、美國和巴西等地共5500萬平方米現(xiàn)代物流設(shè)施組合，業(yè)務(wù)遍及全球117個主要城市。也是全球最大房地產(chǎn)基金管理人之一，管理資產(chǎn)約390億美元。2016年的年報數(shù)據(jù)顯示，公司已實(shí)現(xiàn)7.77億美元的收入，同比增長10%；實(shí)現(xiàn)7.19億美元的歸母凈利潤，同比增長48%

4.1.1 車輛在蛇形線路上行駛

為了評估變論域模糊PI控制器的性能優(yōu)劣,在MATLAB/Simulink中搭建駕駛員模型及車道保持橫向控制器模型，在CarSim軟件中搭建車輛模型，設(shè)置相關(guān)參數(shù)進(jìn)行聯(lián)合仿真分析。

2.取消行政審批，加強(qiáng)后續(xù)管理。取消行政許可審批事項(xiàng)后，要加強(qiáng)后續(xù)管理，對取消行政許可審批的事項(xiàng)要實(shí)施動態(tài)管理。同時要建立健全管理臺賬，做好有關(guān)備案工作。對享受稅收優(yōu)惠政策的納稅人，要加大事后監(jiān)管和核查力度，降低稅收執(zhí)法風(fēng)險。比如一般納稅人資格認(rèn)定和發(fā)票領(lǐng)用等，在事中事后監(jiān)管中要加強(qiáng)日常檢查和納稅評估，防止納稅人虛開發(fā)票帶來稅收執(zhí)法風(fēng)險。

其中：wr為車輛橫擺角速度；B為車輛寬度。

圖5 蛇形線路的仿真結(jié)果

4.1.2 車輛在直線道路上行駛

設(shè)置車輛在直線道路上行駛，車速為40 km/h，仿真結(jié)果如圖6所示。由圖6可以看出：采用變論域模糊PI控制算法時，方向盤最大轉(zhuǎn)向角度偏差為0.14 rad、橫擺角速度偏差為0.48 rad/s；采用經(jīng)典PID控制算法時，方向盤最大轉(zhuǎn)向角度偏差為0.149 rad、橫擺角速度偏差為0.52 rad/s。

圖6 直線道路上的仿真結(jié)果

4.2 硬件在環(huán)實(shí)驗(yàn)驗(yàn)證

搭建硬件在環(huán)實(shí)驗(yàn)仿真平臺，將計算機(jī)、互聯(lián)網(wǎng)和控制系統(tǒng)進(jìn)行連接，將圖形化匯編語言和實(shí)時控制系統(tǒng)相結(jié)合，實(shí)現(xiàn)系統(tǒng)的實(shí)時測控功能。硬件在環(huán)實(shí)驗(yàn)平臺如圖7所示。將道路保持控制算法程序、道路偏離判斷算法以及信號采集和發(fā)送程序?qū)隤XI主機(jī)實(shí)時操作系統(tǒng)中。

圖7 硬件在環(huán)實(shí)驗(yàn)平臺

選擇車速40 km/h的直線道路工況，驗(yàn)證在2 s、12.5 s時施加給硬件在環(huán)實(shí)驗(yàn)仿真臺架的方向盤逆時針轉(zhuǎn)角，在22.3 s時，施加給方向盤順時針轉(zhuǎn)角，使得車輛偏離角增大，啟動道路偏離判斷算法，根據(jù)偏離量，采取道路保持控制算法主動修正車輛行駛軌跡，具體的實(shí)驗(yàn)結(jié)果如圖8所示。

由圖8可見，在所設(shè)計自動駕駛汽車道路保持控制算法控制下，自動駕駛汽車均能在道路線內(nèi)安全行駛。對比實(shí)驗(yàn)結(jié)果與仿真結(jié)果可知：變論域模糊PI控制下的路徑跟蹤精度更高，穩(wěn)定性更好，進(jìn)一步驗(yàn)證了自動駕駛汽車道路偏離判斷與道路保持算法的有效性；當(dāng)自動駕駛汽車偏離道路中心線時，在一定范圍內(nèi)能夠及時控制車輛安全行駛回位，且逐步達(dá)到平穩(wěn)狀態(tài)。

圖8 直線路徑硬件在環(huán)仿真實(shí)驗(yàn)結(jié)果

5 結(jié)論

采用目標(biāo)級融合的信息融合感知方法，得到自動駕駛汽車的目標(biāo)運(yùn)動軌跡，通過對目標(biāo)運(yùn)動軌跡進(jìn)行跟蹤和預(yù)測，得到模擬實(shí)際駕駛環(huán)境的路線圖。提出了基于模糊規(guī)則的道路偏離判斷策略，以車輛橫向距離與跨道時間作為輸入變量，并經(jīng)過模糊化處理，設(shè)計了變論域模糊PI控制器，建立了變論域模糊PI控制器仿真模型?；贑arSim/Simulink開展聯(lián)合仿真，在蛇形路徑、直線路徑工況下進(jìn)行兩種不同算法控制仿真結(jié)果比較。將方向盤轉(zhuǎn)角偏差、橫向位移偏差、轉(zhuǎn)向角度偏差和橫擺角速度偏差的仿真數(shù)據(jù)進(jìn)行比較，得出所提算法相較于經(jīng)典PID控制算法更加準(zhǔn)確、有效。經(jīng)硬件在環(huán)實(shí)驗(yàn)進(jìn)一步驗(yàn)證了所設(shè)計橫向控制器的控制精度和可靠性。