发展中使用模糊逻辑自适应巡航控制系统

저자坦尼娅Kuruvilla,2023年4月28日

346회조회(최근30일)|0좋아요|0댓글

            今天加入我们从西弗吉尼亚大学Jared Diethorn EcoCAR团队。杰瑞德和他的团队花了一个有趣的方法,自适应巡航控制系统通过使用模糊逻辑EcoCAR流动性的挑战。在这个博客,他将带你通过他们的方法。杰瑞德和他的团队继续这项工作EcoCAR电动汽车的挑战。把它拿走Jared !

竞争和团队概述介绍

            我的名字是杰瑞德Diethorn,我是一个研究生研究助理目前攻读机械工程博士学位西弗吉尼亚大学(西弗吉尼亚大学)。第二年以来我一直在与团队EcoCAR流动性的挑战(EMC)在那里我获得了机械工程硕士学位。EMC挑战11团队在北美2019年常规动力雪佛兰夹克转换成一个原型混合动力车。额外的这个概念,构造算法的挑战时将车辆SAE二级自主权。SAE级别2的定义是偏自主驾驶减少司机的责任。例如,车辆可能能够自适应巡航控制系统(ACC),然而,驾车的司机必须保持警惕,必须准备控制车辆的加速或减速。

            连接和自动车辆(骑士)团队,由扎卡里·Flanigan和自己,取得了第一名骑兵知觉和ACC驱动质量事件4尤马竞争,亚利桑那州。所涉及的工作设计ACC和感知算法正确跟踪和跟随后面车辆/事件的持续时间。这些算法被设计在一个集中的架构和运行可执行文件在一个英特尔物联网。最后一年的EMC,团队选择两个ACC控制器设计与学生之间的友好竞争,赢得组织的实施控制策略在西弗吉尼亚大学EcoCAR夹克今年4竞争。

自适应巡航控制系统是什么?

            自适应巡航控制系统,通常称为ACC,允许司机手车辆的加速和减速的要求部署在车辆在各种算法。从更高的角度来看,当没有检测到障碍物,车辆将遵循一套预定的司机和功能作为标准的巡航速度控制器。运动较慢但是,如果车辆在规定的距离内检测到自我的车辆,控制器可能会决定减少自我车辆速度效仿车辆准确、安全地速度等于或小于设定的车辆的司机。

            当设计一个ACC系统,PID控制的一些可能会认为,这是一种常见的控制方案输入误差信号驱动所需的时间为零了。跟踪一组速度时,可能需要不那么咄咄逼人控制提高车辆效率和/或燃油经济性。类似地,如果跟踪引导车辆,控制器可能需求来驱动车辆之间的距离误差一分之零时期总是确保司机安全要短得多。

            一旦设计,控制器必须调整PID控制器的情况下,许多因素包括响应时间和车辆必须考虑在适当的质量来实现预期的控制响应。结果是一个算法,有效但可能需要反复尝试设计根据一组需求。如果车辆动力学改变在实现过程中,PID控制器可能需要通过调整而解决问题。然而,模糊逻辑可以引入呈现出不同的方法来创建和优化控制器遵循学生设计要求和指标以更简单的方式。

介绍模糊逻辑

            模糊逻辑是在二进制逻辑的桥梁。虽然二进制逻辑可以承担的真假值(1和0)模糊逻辑可以代表值的范围从0到1 (0 - 1)。它通常是用来处理责任概念的部分真理,可以取任何值完全错误完全正确。一个常见的例子理解模糊逻辑是水温的变化。二进制逻辑可能状态,水是冷如果低于70°F和热当超过70°F。然而,这种说法是真的吗?水被认为是热或冷的时候温差小于十分之一的百分之一,人们真的可以感觉到区别?模糊逻辑引入了部分真理,可以说,如果水是在68 - 72°F,那么水是温暖的。几个例子将温度分解的模糊水平如下表所示。一旦决定总体布局,模糊值分解为隶属度函数(MF)可以呈现三角形,梯形,甚至高斯形状。 The MFs are the backbone that relate crisp (measured) values into fuzzy values and vice versa.

            模糊逻辑设计的好处之一是,它是基于人类的机器解释,这意味着人设计系统可以设置隶属函数在一个直观的方法来解决工程问题。虽然一些工程技术问题是有用的,它不需要在实现模糊逻辑。西弗吉尼亚大学EcoCAR团队由来自不同背景的学生在工程,然而,模糊逻辑是一种非常直观的工具使用。一些学生有一个背景在控制系统设计中,而另一些人更有经验与基本面和背后的理论系统的某些设计特点。由于这些原因,实现模糊逻辑意味着来自不同地区的学生可以掌握快速设计过程和应用更多的直觉来减少时间设计、建模和优化控制器。

西弗吉尼亚大学模糊逻辑ACC算法

            在4年总决赛,团队选择使用在传统模糊逻辑控制算法基于模拟和车辆性能评估和站有别于其他团队。控制器的操作正确,团队选择使用三输入一输出模糊逻辑控制器(方法),也列为对于多输入变量(味噌)系统。输入包括系统的速度和距离误差以及相对速度对目标车辆的运动夹克。一旦脆值转化为模糊输入,推理规则矩阵用于确定适当的模糊系统输出转矩命令。在输出层,模糊输出转换为脆转矩命令分别发送到发动机和电动机控制器。下图强调控制器体系结构的开发模糊逻辑设计应用由MathWorks MATLAB提供的。

            一旦输入和输出系统上达成一致,每个信号的分辨率被认为是由于能力有限的运行算法在实时协同感知和传感器融合算法。当高斯MFs的运算量,他们还创建平滑过渡,当从一个曼氏金融,所以高斯MFs实施在所有三个控制器的输入和输出。

            MFs的I / O的总数确定基于准确的信号需要。最初,每个I / O九MFs确保捕获足够的范围和精度。在初始模拟,模型的运行时大幅增加是由于存在729条规则(9 MFs 3输入)的控制器来评估选择的扭矩输出时系统。纠正这个问题意味着重新评估每个输入的体重应该携带的控制器。在总决赛,大多数事件涉及铅后车辆,所以MFs的速度误差输入减少到5,这意味着减少到405年总规则。

最终的比赛结果

            进一步评估后,决定,相对速度也可以减少到总共7 MFs带来的总规则系统到315年,减少整体总不到一半的第一次迭代。更快的计算时间意味着团队可以运行多个模拟在不同驱动周期,确保控制器执行的最佳水平,可以跟踪指定的速度或距离后面车辆。输出轮扭矩命令MFs是保持在总共9当接近车辆,以确保适当的扭矩命令停止或启动车辆。

            结果最后一年的学生工作产生的EMC的控制器具有很强的竞争能力在所有动态事件和被认为是最automotive-ready ACC算法由几个主题专家在竞争,有助于获得第一名骑士驱动质量事件。圣扎迦利和我想延长特别感谢摩根Bartley,艾丽卡大厅,和的Murad Hamirani致力于创建和修改的方法。