首页 / 专利库 / 企业组织 / 框图 / 一种CMAC和PID复合的智能车辆轨迹跟踪控制方法

一种CMAC和PID复合的智能车辆轨迹跟踪控制方法

阅读:18发布:2020-06-17

专利汇可以提供一种CMAC和PID复合的智能车辆轨迹跟踪控制方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种CMAC和PID复合的智能车辆轨迹 跟踪 控制方法,包括以下步骤,查找相关资料,得到“ 自行车 模型”并对其进行简化,建立三维空间坐标,分析模型得到运动方程,对运动方程进行进一步的推理,将其转化为标准的 状态空间 方程,结合实验车辆动 力 学模型参数表和运动方程推理出车辆前轮转 角 到 位置 误差输出的传递函数,根据传递函数,利用相关的绘图 软件 ,绘制传递函数的根轨迹,本发明可以解决由于野外环境的复杂性、不确定性、强噪声干扰和动态多变带来的车辆横向控制 算法 适应性不足的问题,可以避免建立数学模型的难题,设计简单合理,计算结果较为准确,可以有效减少计算时间,具有很高优越性、有效性和实用性。,下面是一种CMAC和PID复合的智能车辆轨迹跟踪控制方法专利的具体信息内容。

1.一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,包括以下步骤:
S1:查找相关资料,得到“自行车模型”并对其进行简化,建立三维空间坐标,分析模型得到运动方程,对运动方程进行进一步的推理,将其转化为标准的状态空间方程;
S2:结合实验车辆动学模型参数表和运动方程推理出车辆前轮转位置误差输出的传递函数;
S3:根据传递函数,利用相关的绘图软件,绘制传递函数的根轨迹;
S4:设计模糊CMAC神经网络,通过网络学习利用绘图软件制模糊CMAC与PID复合控制结构框图,通过结构框图分析计算得出模糊CMAC权值调整算法计算公式、CMAC控制输入量计算公式和全系统输入量计算公式;
S5:根据传递函数进行离线仿真,得到仿真结果图,接着进行实车实验,得到实车实验结果图;
S6:结合仿真结果图和实车实验结果图总结实验结果。
2.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述运动方程为 其中,m为车辆的质量,v为沿y方向的横
向速度,uc为车辆行驶速度,r为绕z方向的横摆角速度,ΣFy表示y方向的合外力,ΣMz表示绕z轴的合外力矩,I为横摆转动惯量
3.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述状态空间方程为 式中,
其中,a为车辆质心到前轴的距离,b为车辆质心到后轴的距离,C为
轮胎侧偏刚度,δf为转向机构对前轮产生的转向角。
4.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述传递函数为
S3中的根轨迹绘制时应注意观察各数值建立合理的坐标,坐标值之间的间隔应该适当,各数值线条不能相交。
5.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述S4中模糊CMAC与PID复合控制结构框图绘制时应注意框体的大小合适,框体内的数字尽量适中,各框体之间的关系箭头不能标错。
6.根据权利要求1所述的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,其特征在于,所述模糊CMAC权值调整算法计算公式为w(k)=w(k-1)+Δw(k),CMAC控制输入量计算公式为 全系统输入量计算公式为u(k)=un(k)+up(k),其中,up(k)为PID
环节产生的控制量。

说明书全文

一种CMAC和PID复合的智能车辆轨迹跟踪控制方法

技术领域

[0001] 本发明涉及智能车辆轨迹跟踪控制技术领域,尤其涉及一种CMAC 和PID复合的智能车辆轨迹跟踪控制方法。

背景技术

[0002] 当今世界,以智能车辆为代表的移动机器人平台在交通运输、农业生产和工业生产等领域得到了广泛的运用,并且发展前景愈发广阔,在移动机器人学的研究中,机器人控制系统的设计方法一直是人们关注的热点,其中一个关键的问题是如何使机器人适应各种地形地面,快速、稳定的跟踪预期轨迹行驶,机器人控制系统设计的好坏将决定机器人系统的整体行为和整体性能。
[0003] 在以车辆为平台的移动机器人控制系统研究中,目前的方法一般是建立一个表达车辆动学、运动学特性并且简单通用的数学模型,将车辆的非线性特征在一定条件下近似成线性,由于车辆模型随着时间和环境的改变,其系统参数会发生变化,难以建立能够适应环境变化的动力学模型,现有的智能车辆轨迹跟踪控制方法设计计算比较麻烦,需要建立数学模型,计算结果误差较大,显然无法满足人们的使用需求。

发明内容

[0004] 基于背景技术存在的技术问题,本发明提出了一种CMAC和PID 复合的智能车辆轨迹跟踪控制方法。
[0005] 本发明提出的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,包括以下步骤:
[0006] S1:查找相关资料,得到“自行车模型”并对其进行简化,建立三维空间坐标,分析模型得到运动方程,对运动方程进行进一步的推理,将其转化为标准的状态空间方程;
[0007] S2:结合实验车辆动力学模型参数表和运动方程推理出车辆前轮转位置误差输出的传递函数;
[0008] S3:根据传递函数,利用相关的绘图软件,绘制传递函数的根轨迹;
[0009] S4:设计模糊CMAC神经网络,通过网络学习利用绘图软件制模糊CMAC与PID复合控制结构框图,通过结构框图分析计算得出模糊CMAC权值调整算法计算公式、CMAC控制输入量计算公式和全系统输入量计算公式;
[0010] S5:根据传递函数进行离线仿真,得到仿真结果图,接着进行实车实验,得到实车实验结果图;
[0011] S6:结合仿真结果图和实车实验结果图总结实验结果。
[0012] 优选地,所述运动方程为 其中,m 为车辆的质量,v为沿y方向的横向速度,uc为车辆行驶速度,r为绕z方向的横摆角速度,ΣFy表示y方向的合外力,ΣMz表示绕z 轴的合外力矩,I为横摆转动惯量
[0013] 优选地,所述状态空间方程为 式中,U=δf(t),
[0014] 其中,a 为车辆质心到前轴的距离,b为车辆质心到后轴的距离,C为轮胎侧偏刚度,δf为转向机构对前轮产生的转向角。
[0015] 优选地,所述传递函数为 S3中的根轨迹绘制时应注意观察各数值建立合理的坐标,坐标值之间的间隔应该适当,各数值线条不能相交。
[0016] 优选地,所述S4中模糊CMAC与PID复合控制结构框图绘制时应注意框体的大小合适,框体内的数字尽量适中,各框体之间的关系箭头不能标错。
[0017] 优选地,所述模糊CMAC权值调整算法计算公式为,CMAC控制输入量计算公式为,全系统输入量计算公式为,其中,up(k)为PID环节产生的控制量。
[0018] 本发明的有益效果为:本发明建立了一种基于模糊小脑模型神经网络与PID复合的控制方法,模糊逻辑用来模拟人脑的直觉和经验,神经网络使控制器具有自学习能力,PID环节用以维持系统的稳定性和鲁棒性,可以解决由于野外环境的复杂性、不确定性、强噪声干扰和动态多变带来的车辆横向控制算法适应性不足的问题,可以避免建立数学模型的难题,设计简单合理,计算结果较为准确,可以有效减少计算时间,具有很高优越性、有效性和实用性。附图说明
[0019] 图1为本发明提出的一种CMAC和PID复合的智能车辆轨迹跟踪控制方法的流程结构示意图。

具体实施方式

[0020] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
[0021] 参照图1,一种CMAC和PID复合的智能车辆轨迹跟踪控制方法,包括以下步骤:
[0022] S1:查找相关资料,得到“自行车模型”并对其进行简化,建立三维空间坐标,分析模型得到运动方程,对运动方程进行进一步的推理,将其转化为标准的状态空间方程;
[0023] S2:结合实验车辆动力学模型参数表和运动方程推理出车辆前轮转角到位置误差输出的传递函数;
[0024] S3:根据传递函数,利用相关的绘图软件,绘制传递函数的根轨迹;
[0025] S4:设计模糊CMAC神经网络,通过网络学习利用绘图软件绘制模糊CMAC与PID复合控制结构框图,通过结构框图分析计算得出模糊CMAC权值调整算法计算公式、CMAC控制输入量计算公式和全系统输入量计算公式;
[0026] S5:根据传递函数进行离线仿真,得到仿真结果图,接着进行实车实验,得到实车实验结果图;
[0027] S6:结合仿真结果图和实车实验结果图总结实验结果。
[0028] 本发明中,运动方程为 其中,m为车辆的质量,v为沿y方向的横向速度,uc为车辆行驶速度,r为绕 z方向的横摆角速度,ΣFy表示y方向的合外力,ΣMz表示绕z轴的合外力矩,I为横摆转动惯量。
[0029] 本发明中,状态空间方程为 式中,U=δf(t), 其中,a 为车辆质心到前轴的距离,b为车辆
质心到后轴的距离,C为轮胎侧偏刚度,δf为转向机构对前轮产生的转向角。
[0030] 本发明中,所述传递函数为 S3中的根轨迹绘制时应注意观察各数值建立合理的坐标,坐标值之间的间隔应该适当,各数值线条不能相交。
[0031] 本发明中,S4中模糊CMAC与PID复合控制结构框图绘制时应注意框体的大小合适,框体内的数字尽量适中,各框体之间的关系箭头不能标错。
[0032] 本发明中,模糊CMAC权值调整算法计算公式为,CMAC控制输入量计算公式为,全系统输入量计算公式为,其中,up(k)为PID环节产生的控制量。
[0033] 以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈