基于免疫機(jī)制的智能車(chē)轉(zhuǎn)向控制系統(tǒng)研究.pdf

1、轉(zhuǎn)向控制系統(tǒng)是體現(xiàn)智能車(chē)智能行為的基礎(chǔ)，也是智能車(chē)研究領(lǐng)域的熱點(diǎn)和難點(diǎn)。伴隨著智能控制理論的發(fā)展，越來(lái)越多的智能控制方法應(yīng)用于智能車(chē)的轉(zhuǎn)向控制系統(tǒng)中，這使得如何根據(jù)不同工況和道路環(huán)境選擇合適的智能控制方法成為一門(mén)新課題?；诮?jīng)典PID控制、模糊控制、最優(yōu)控制和自適應(yīng)控制、滑?？刂埔约邦A(yù)測(cè)控制的轉(zhuǎn)向控制方法具有原理簡(jiǎn)單、易于實(shí)現(xiàn)、適應(yīng)性強(qiáng)等優(yōu)點(diǎn)，在轉(zhuǎn)向系統(tǒng)控制領(lǐng)域應(yīng)用較為廣泛。PID控制方案雖簡(jiǎn)單易行，但缺乏對(duì)復(fù)雜工況的適應(yīng)性，魯棒性差，

2、難以實(shí)現(xiàn)精確控制;最優(yōu)控制的控制對(duì)象一般為線性時(shí)不變系統(tǒng)，在控制模型精確且無(wú)干擾的情況下，控制精度比較高，但對(duì)外部干擾的魯棒性較差，容易降低轉(zhuǎn)向系統(tǒng)的穩(wěn)定性;模糊控制的隸屬度參數(shù)和控制規(guī)則參數(shù)主要依靠專(zhuān)家經(jīng)驗(yàn)法和試探法來(lái)確定，主觀性較強(qiáng)，且易產(chǎn)生穩(wěn)態(tài)誤差。這些控制算法一個(gè)共同點(diǎn)是只要輪胎進(jìn)入非線性區(qū)控制精度就會(huì)大大下降，系統(tǒng)的穩(wěn)定性也難以保證。
　　本文將免疫算法引入到智能車(chē)轉(zhuǎn)向控制系統(tǒng)中，從轉(zhuǎn)向系統(tǒng)易受外部干擾和攝動(dòng)、系統(tǒng)快速性

3、與穩(wěn)態(tài)誤差間的矛盾兩個(gè)方面入手，研究了免疫算法算子及其收斂性能，針對(duì)免疫算法易陷入局部最優(yōu)和群體多樣性保持能力不足的缺陷，對(duì)免疫算法的親和力算子進(jìn)行了改進(jìn)，利用極限理論與狀態(tài)轉(zhuǎn)移概率對(duì)免疫算法的收斂性進(jìn)行了證明，并給出了收斂速度的計(jì)算表達(dá)式。仿真結(jié)果表明，改進(jìn)后的免疫算法有能力搜索到全局極值點(diǎn)。
　　建立了車(chē)輛動(dòng)力學(xué)模型。針對(duì)轉(zhuǎn)向系統(tǒng)易受外部干擾和攝動(dòng)，提出了基于免疫算法的智能車(chē)滑模變結(jié)構(gòu)自動(dòng)轉(zhuǎn)向控制算法。對(duì)離線狀態(tài)下的典型樣本，

4、運(yùn)用免疫算法優(yōu)化了變結(jié)構(gòu)控制律中的參數(shù)q、ε,實(shí)現(xiàn)了智能車(chē)的最優(yōu)控制。較好地解決了常規(guī)變結(jié)構(gòu)控制方法中事先設(shè)定趨近律參數(shù)的約束，在保留傳統(tǒng)趨近律的優(yōu)勢(shì)下，既有效地抑制系統(tǒng)的抖振，又改善了系統(tǒng)的控制品質(zhì)。
　　針對(duì)系統(tǒng)快速性與穩(wěn)態(tài)誤差間的矛盾提出了用BP網(wǎng)絡(luò)來(lái)逼近T、B細(xì)胞的非線性特性的免疫反饋控制IFC(Immune Feedback Control)方法，采用ITAE性能指標(biāo)對(duì)免疫參數(shù)K、η進(jìn)行了整定。構(gòu)建了三層BP網(wǎng)絡(luò)對(duì)T、B

5、細(xì)胞非線性特性進(jìn)行逼近效果，將該方法與模糊調(diào)節(jié)器、徑向?qū)ΨQ(chēng)的非線性函數(shù)兩種方法的逼近效果進(jìn)行了對(duì)比分析。
　　避障軌跡的合理規(guī)劃是避障策略實(shí)施的關(guān)鍵所在，在深入研究?jī)啥螆A弧和余弦函數(shù)避障軌跡的基礎(chǔ)上，提出一種改進(jìn)的正弦函數(shù)避障軌跡模型。通過(guò)理論分析，實(shí)驗(yàn)驗(yàn)證了該模型的可行性。
　　針對(duì)有障礙物的情況提出了帶避障功能的雙層免疫反饋控制方法，帶避障功能的軌跡規(guī)劃模塊將規(guī)劃的局部參考軌跡輸入到基于IFC的軌跡跟蹤控制模塊，軌跡跟蹤