基于模糊控制算法的智能車轉向舵機控制

摘要：針對智能車輛自主尋跡問題，運用模糊控制算法對智能模型車的轉向舵機進行控制。該算法通過對尋跡路徑的偏差及偏差的導數進行模態劃分，產生對應的控制規則，控制舵機的轉角，以達到消除偏差的目的。該算法具有控制靈活、響應速度快、超調量小、魯棒性強等優點。通過在實際模型車中的應用說明了該算法在這類系統的控制是可行的。

關鍵詞：智能車輛；自主尋跡；模糊控制算法；轉向控制

中圖分類號：TP311文獻標識碼：A文章編號：1009-3044(2008)34-1877-02

Steering Control of Intelligent Vehicle Based on the Synthesis of Fuzzy Control Arithmetic

JIA Yong

(Department of Science-Technology Domain， Xi'an Institute of Post and Telecommunications，Xi'an 710121，China)

Abstract: For the auto-searching for track of intelligent vehicles，the synthesis of fuzzy control arithmetic are applied to the servo steering of the vehicles.The algorithms take the deviation and deviation derivative of tracks to divide the several modalities and produce corresponding control rule， controls the servo the corner to eliminate deviation. It have the control nimbly， fast response， small overshoot， strong robustness and so on. After applied in the actual model car， the algorithm for this kind of systematic control is feasible.

Key words: intelligent vehicle;auto-searching for track;synthesis of fuzzy control arithmetic;steering control

隨著智能交通運輸系統(ITS) 的迅速發展，作為ITS 中一個重要組成部分的智能車輛已成為此領域的研究熱點。對于智能車輛的導航研究而言，車輛的轉向控制尤為重要。自主識別路線的智能車，在專門設計的跑道上自動識別道路行駛，以最快速度跑完全程，而智能車轉向舵機的控制是高速行駛的重要保證。轉向控制方法有：PID控制、模糊控制和最優控制，針對智能車這類復雜對象，我們運用模糊控制算法對轉向舵機進行控制。

1 智能車尋跡誤差模型建立

智能車的導向控制利用光電傳感器對路徑進行識別，然后根據車輛與路徑標線之間的相對位置偏差控制車輛的運行方向， 保證車沿著路徑標線運行。我們選擇了光電傳感器尋跡方案作為控制的輸入途徑。

如圖1所示小車前排為光電傳感器，r為兩兩相臨之間的傳感器距離， yn為正中光電傳感器與檢測到路徑傳感器之間的距離，位于軌跡上方的為正，下方的為負，則：

yn=（m-5）×r（1）

其中：m為檢測到軌跡的傳感器的位置。

2 模糊控制的引入

分析系統后可知，由于小車機械部分以及電路部分的復雜性，使得系統很難建立精確的數學模型。因此，我們在這里考慮使用模糊控制的辦法，從理論上建立模糊控制過程，以完善整體控制體系。模糊控制過程如圖2所示。

Yr：系統輸出，即小車舵機偏轉方向。

Y ：系統設定輸入，即尋跡線上小車的正方向中央位置。

圖中模糊控制器由單片機編程模塊實現，反饋信號由紅外對管傳感器模塊采集，控制對象為小車舵機偏轉方向與角度。

其中模糊控制器的設計如下：

1) 模糊化小車偏離位置

設小車左偏方向為負方向，右偏方向為正方向，其偏離范圍e(論域，單位為cm)為[-7.5，7.5]，在將論域離散化為整數集E=[-6，-5，…，5，6]，則量化因子k = n/x = 12/15=0.8。

接下來做如下設定：

“負大”（NB）：[-6，-4]，左偏特大。

“負中”（NM）：[-6，-2]，左偏較大。

“負小”（NS）：[-4，0]，左偏較小。

“零”（ZE） ：[-2，2]，正中。

“正小”（PS）：[0，4]，右偏較小。

“正中”（PM）：[2，6]，右偏較大。

“正大”（PB）：[4，6]，右偏特大。

設隸屬函數為三角函數分布，如圖5.3所示。

用表1表示偏離位置的語言變量值表。

2) 模糊化控制量u（偏轉方向與角度）

u的論域為[-36，36]，將其離散化為整數集N =[-6，-5，…，5，6]。取PB，PM，PS，ZE，NS，NM，NB七個語言變量值檔次，與偏離位置類似表1以下語言變量值表2。

3) 控制規則

控制規則如表3所示。

4) 模糊推理

采用CRI推理查表法，即直接通過輸入量(偏差E)與控制規則比較得出控制量（偏轉角U）。

5) 模糊量的清晰化

采用重心法，即將模糊化的輸出量（模糊集）的各個元素與其對應的論域值相乘取平均值，用公式表示如下：■

3 舵機轉向系統的控制策略及算法

基于前面的模糊控制模型，程序算法的設計包括：對傳感器檢測到的信號進行量化(便于模糊化處理)，對應舵機偏轉角的計算。另外為了避免從直道入彎的過沖，和從彎道進入直道的振蕩問題，程序中還需要對速度進行控制。

1) 量化的過程

為了方便處理，我們將所得到的傳感器的信號量化到[1，2，3，…，22，23，24]，具體量化過程如下：

a. 將傳感器(傳感器的布局見傳感器模塊)從右至左依次編號為1，2，…，11，12。

b. 由于傳感器分布比較密，可能會出現幾個(一般為一到兩個)傳感器同時檢測到黑線的情況，取其中的最大和最小值之和作為檢測到的參數(如果只有一個傳感器檢測到黑線，那么最大值與最小值相同)。

2) 舵機偏轉角的計算

對于這個模糊控制問題來說，整個推理過程較為簡單，沒必要通過設計專門的程序來計算，我們是通過計算來得到最后的舵機偏轉角，具體計算推理過程如下：

a. 如前所述，將傳感器的設計位置投影到基準線上得到的對應偏差從左到右依次為-7.5，-6.7，…，6.7，7.5。其中-7.5，-5，-2.5，0，2.5，5，7.5與整數集E的-6，-4，-2，0，2，4，6對應，近似與上面的量化處理之后的24，20，16，13，10，6，2對應。這樣的話，上面的量化結果可用Zadeh表示法來表示其在論域E上的模糊集合，如：19的位置可以表示為 ■。

b. 由控制規則知，N中的-6，-4，-2，0，2，4，6對應的輸出結果(偏轉角度模糊量E)依次為-6，-4，-2，0，2，4，6。通過模糊推理之后，可得到各量化結果的輸出量(模糊量)，可用Zadeh表示法表示在論域U上，如19對應的輸出結果（模糊量）可以表示為■。

c. 再通過重心法清晰化后得到各量化結果對應的輸出結果，如－2對應的輸出結果為7度，-4對應的結果大約為21度，則19對應的輸出結果（清晰量）為 0.25×7＋21×0.75＝17.5。

d. 另外為了使得傳感器在直道上跑的時候比較平穩，量化值10到16的輸出結果做適當調整，使得中間的12，13，14的對應的輸出量為0度，其它的相應調整使得角度變化較為平均。

3) 速度的控制

由于釆用勻速時，當小車從直道入彎時，可能會產生過沖，和從彎道進入直道有時會有振蕩，所以必須要調節速度。具體做法是：在檢測到傳感器偏出時立即減速，當從偏出回到中心位置時再恢復原速。

4 試驗結果

實驗結果表明， 把制作好的智能小車放到特定的軌道上進行試驗，如圖4、圖5、圖6，小車都能夠很好的、快速的在規定的軌道內行駛?；谀：刂频霓D向控制器在直線、“S”形路徑和大轉彎路徑處行駛時都可以實現智能車輛的轉向控制，轉向穩定性較好。

參考文獻：

[1] 馬雷，王榮本.智能車輛導航控制技術[J].吉林大學學報，2004，34(4):582-586.

[2] 黃開勝，金華民，蔣狄南.韓國智能模型車技術方案分析[J].電子產品世界，2006(5):150-156.

[3] Huang K，Jin H，Jiang D.Overview of Design for Korea Intelligent Model Car Design Contest[J].ELECTRONIC ENGINEERING PRODUCT WORLD，2006(5):150-156.

[5] 田曉皋.模糊控制原理及應用[M].西安:西安交通大學出版社，1999.