基于PID神經網絡的智能車追逐控制系統研究

張桐銘+劉延飛+趙鵬濤+田琦

摘 要：針對智能車競賽中新提出的雙車追逐問題，提出了一種基于自適應控制的追逐速度控制系統，將PID神經網絡控制方法應用于智能車的調速系統中。PID神經網絡控制系統不依賴智能車的數學模型，能夠自適應地根據實際情況調整神經元的權值，最終優化了智能車速度的控制效果。測試結果表明，PID神經網絡控制器相比于傳統的PID控制器具有響應快、超調小、無靜態誤差等優點，明顯提高了智能車速度控制系統的性能。

關鍵詞：PID神經網絡；智能車；雙車追逐；速度控制

中圖分類號：TP183 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.15.013

智能車系統以迅猛發展的汽車電子為背景，涵蓋了自動控制、模式識別、傳感技術、電子、電氣、計算機、機械等多個學科，主要由路徑識別、轉角控制及車速控制等功能模塊組成。PID神經網絡（Proportion-Integral-Derivative Neural Network，PIDNN），是一種多層前向神經網絡，基于PIDNN的控制系統是一種基于連接機制的智能控制系統。與傳統的控制理論相比，PIDNN控制器對于復雜的環境和任務有更好的適應性。

雙車追逐，即兩輛智能車同時運行的行駛方式，兩輛智能車之間沒有有形的物理連接，要求兩輛車不能發生碰撞和接觸，且輛車要盡量靠近，以提高車輛運行的效率。在日常生活中，當道路較為擁擠時的車輛行駛就是類似的問題。因此，研究雙車追逐問題對于智能車輛的安全行駛有著重要的意義。

1 智能車設計

1.1 智能車總體設計

智能車前端安裝有磁信號傳感器，由其將采集的信號送至信號處理電路進行濾波、放大，之后單片機通過AD端口采樣，獲取路徑檢測模塊信息并計算分析，根據旋轉編碼器反饋回來的實際車速對電機進行控制。總體模塊設計如圖1所示。

1.2 編碼器測速裝置

編碼器、霍爾傳感器、光電傳感器、測速電機是常見的四種測速裝置。根據不同的測速精度要求，經過多次選型測試后，設計選用歐姆龍出品的200線編碼器測速。使用這種編碼器足夠滿足精度需求，并且輸出為數字接口，輸出測速脈沖，可供單片機采用，獲得實際速度值。

1.3 兩車通訊模塊

根據賽道情況，設計選擇采用的“鴛鴦”超聲波測距模塊如表1所示。該組傳感器分為發射和接收兩個模塊，前車搭載發射模塊，后車搭載接收模塊。檢測角度大于90°。兩車之間距離為d，發射和接受信號脈寬為w，則有：d=w×340 m/s，主要連接方式見表1.

2 追逐速度PIDNN控制系統設計

智能車主要由主板、單片機、傳感器、舵機、電源模塊、電機驅動等部分組成。電機控制為智能車追逐速度控制的實現方式。智能車電機轉速的快慢主要由單片機輸出的占空比大小決定。當超聲波測距模塊測出兩車距離較遠時，電機驅動信號的占空比增大，后方智能車加速；反之，當兩車距離較近時，電機驅動信號的占空比減小，后方智能車減速。電機從執行指令到響應輸出需要一定的時間，而且智能車本身又具有一定的慣性，使得小車在速度調解過程中存在一定的滯后。因此，PIDNN控制器作為一種超調小、無靜差、響應時間短的控制器，可以很好地解決以上問題。 2.1 追逐速度PIDNN控制系統的結構

在構成控制系統時，PIDNN和被控對象是一種串聯關系，PIDNN的輸入作為速度期望值和實際速度，PIDNN的輸出作為控制量傳遞給被控對象。智能車追逐速度控制系統如圖2所示。

PIDNN控制器是一個三層前向網絡，為2×3×1結構，它的輸入層有2個神經元，分別接收電機目標速度的給定值a和實際速度b；它的隱含層有3個神經元，分別為比例元P、積分元I和微分元D；輸出層完成隱含層神經元信息的綜合。網絡的輸出v作為控制量傳遞給電機驅動，智能車的實際速度b通過編碼器測出并反饋回神經網絡的輸入層。

2.2 PIDNN控制器的前向計算方法

PIDNN控制器的核心在于隱含層的狀態函數形式，下面主要介紹隱含層的狀態函數和輸出函數。

隱含層含有3個神經元，分別為比例元、積分元和微分元，它們各自的輸入總值均為：

隱含層各神經元的狀態函數分別為比例函數、積分函數和微分函數，用以實現傳統PID控制器中的比例、積分和微分環節的作用。

2.3 PIDNN控制器的反傳學習計算方法

追逐速度PIDNN控制器的反傳學習即BP（誤差反向傳播）學習算法，主要完成在線學習，從而修改網絡權值。

本設計中，網絡連接權重值的調整基于目標速度和實際速度的偏差。可將PIDNN控制器和被控對象看作一個整體，即一個具有更多層數的神經元網絡。網絡的最后一層對應于被控對象（電機驅動），是未知的，因此整體神經網絡的性能指標定義為：

3 實驗驗證

我們利用實際制作的智能車進行了對照實驗，圖3（左）是運用傳統PID控制器設計的追逐速度控制系統的過渡過程曲線，圖3（右）是運用PIDNN控制器設計的追逐速度控制系統的過渡過程曲線。

從圖3中可以看出，傳統PID控制器即使經過煩瑣的參數整定，系統輸出還存在很大超調，但經過PIDNN的自學習和調整，系統輸出響應超調小，靜差小，響應速度很快。

4 結論

本文根據PIDNN的控制原理，設計了一種基于PIDNN的智能車追逐速度控制系統，并結合功能描述，詳細地闡述了其硬件工作方式。經過周密的理論驗證，給出了追逐速度PIDNN控制系統的結構形式及計算方法。實驗表明，基于PID神經網絡的智能車追逐速度控制系統相比于傳統PID控制系統，具有更好的魯棒性、控制精度以及更好的控制效果，具有一定的推廣價值。

參考文獻

[1]鄭怡，王能才.改進的單神經元自適應PID控制算法在智能車速度控制系統中的研究與應用[J].自動化表，2015，185（3）：98-99.

[2]趙國柱，趙悅如.用于智能車速度控制的PID程序設計[J].中國西部科技，2015，308（3）：28-29.

[3]吳隆東，姚齊國.基于K60芯片的雙電磁車追逐運動的設計[J].中國水運，2015，11：72-73.

[4]盧萍，金朝永.基于PID神經元網絡的研究和改進[J].自動化儀表，2012，33（8）：51-54.

[5]袁朝暉，張慧.多溫區電加熱爐的PID神經網絡控制[J].武漢理工大學學報，2002，24（3）：21-23.

〔編輯：劉曉芳〕