基于模糊PID的智能車車體控制研究

楊小峰 杜龑 郭達

摘 要：本文基于模糊PID控制對智能車車體控制展開研究。分別基于CarSim和Simulink搭建了車輛動力學模型和預瞄模型，以及基于模糊PID控制的車體控制模型。在CarSim/Simulink聯合仿真平臺上，分別用PID、模糊PID控制智能車對正弦路徑和規劃的避障路徑進行變速跟蹤，結果表明，相同條件下模糊PID控制具有更好的控制效果、跟蹤準確且能成功的避開動態障礙物。

關鍵詞：模糊PID控制；車體控制；聯合仿真

對智能車車體控制的研究，是智能車技術的關鍵之一，對研究智能車的發展具有重大意義。智能車車體控制，以研究智能車的橫向控制為主，橫向控制是指控制智能車準確的按照給定的路徑行駛。

1 車輛動力學模型和預瞄模型

本文只考慮車輛操縱穩定性。車輛動力學模型用來確定車輛的狀態量和控制量。在進行車輛動力學建模[ 1 ]時進行相關理想化的假設，如圖1所示。車輛動力學非線性模型[ 2 ]為：

通過行駛速度Vf和前輪轉角δf確定汽車的位置X，Y，φ。駕駛員要想跟隨某一路徑行駛，需要確定汽車與路徑間的距離、相對于路徑的方向，即橫向偏差和方向偏差[ 3 ]。

yL=ym-Y εL=φ-α （2）

其中，yL為橫向偏差；εL為方向偏差；L為預瞄距離，L=10m。

2 模糊PID控制原理

模糊PID控制不但具有模糊控制的非線性和智能性，還具有PID控制結構可靠性好、控制精度高等優點。

yL=1-2，εL=1-2 （3）

eL=η1yL+η2εL （4）

其中，η1、η2均大于0，且η1+η2=1；eL是融合偏差，即相對誤差。

本文設計的模糊PID控制，以融合偏差eL和融合偏差的變化率L為輸入，并加入自我調整參數的選項，通過調節增量ΔKp、ΔKi和ΔKd來調節PID控制器參數Kp、Ki和Kd，增量由模糊控制器控制。

Kp=Kp0+ΔKp，Ki=Ki0+ΔKi，Kd=Kd0+ΔKd （5）

3 基于模糊PID的智能車車體控制模型仿真分析

智能車的車速設定為連續變化的，初始車速為0km/h，目標車速為100km/h。圖3和圖4分別為智能車基于模糊PID控制和PID控制對正弦路徑和規劃的避障路徑跟蹤仿真的結果。從圖中可知PID控制的跟蹤軌跡偏差比較大，模糊PID控制較好。模糊PID控制的軌跡與目標軌跡的最大距離為0.6m，而PID控制為4.6m。前者最大誤差為3%，后者為23%。

綜上所述，相比于PID控制，基于模糊PID控制的智能車車體控制不但具有更好的控制效果，而且適用于變速情況下對動態避障路徑的跟蹤，跟蹤效果良好。

4 結語

本文選擇模糊PID控制進行智能車車體控制研究，結合了模糊控制和PID控制的優點。為了驗證其控制效果，分別對正弦路徑和規劃路徑進行跟蹤，并進行對比，可知當車速連續變化時，模糊PID控制的控制效果更理想，對路徑的跟蹤效果更好，且能成功的避開動態障礙物達到目標點。

參考文獻：

[1] Sam-Sang You，Seok-Kwon Jeony.Controller design and analysis for automatic steering of passenger cars[J].Mecha—tronjcs，2002.（12）：427-446.

[2] 龔建偉，姜巖，徐威.無人駕駛車輛模型預測控制[M].北京：北京理工大學出版社，2014.

[3] 趙熙俊，陳慧巖.智能車輛路徑跟蹤橫向控制方法的研究[J].汽車工程，2011，5（33）.

[4] 郭景華，胡平，李琳輝，王榮本，張明恒，郭烈.基于遺傳優化的無人車橫向模糊控制[J].機械工程學報，2012，48（6）：77-82.