推荐星级：

基于PNNPID的车辆加速度控制器设计

更新时间：2019-12-30 13:57:03 大小：2M 上传用户：xiaohei1810 查看TA发布的资源 标签：车辆加速度控制器 下载积分：1分评价赚积分（如何评价?）收藏评论(0) 举报

资料介绍

针对传统的自适应巡航(adaptive cruise control,ACC)加速度控制算法对系统变化辨识速度慢、动态性能差、调整缓慢的问题,提出了一种基于PNNPID(parallel neural network proportion integration differentiation)的加速度控制算法.通过分析传统SNNPID(serial neural network proportion integration differentiation)对误差直接反馈的不足,应用神经网络自学习功能,开发了基于并行控制原理的车辆加速度控制器;考虑车辆平顺性,设计了符合驾驶行为的滤波限幅方案.实验结果表明,相比基于SNNPID的加速度控制器,基于PNNPID的加速度控制器最大偏差控制在±0.25 m/s2以内,并具有平均误差小、调整时间短和瞬态特性良好的特点,滤波限幅方案有效提高了驾驶的舒适性.

部分文件列表

文件名	大小
基于PNNPID的车辆加速度控制器设计.pdf	2M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

V01．52 NO．3

Jun．2017

西南交通大学学报

UNIVERSITY

OF SOUTHWEST JIAOTONG

JOURNAL

第52卷第3期

2017年6月

文章编号：0258-2724(2017)03-0626-07

IX)I：10．3969／j．issn．0258-2724．2017．03．026

基于PNNPID的

车辆加速度控制器设计

梁

军1”，

赵彤阳1，

熊晓夏1，

宁2

陈

朱

张婉婉1，

(1．江苏大学汽车工程研究院，江苏镇江212013；2．静冈理工科大学机械系，静冈袋井437-0032)

龙1，

摘要：针对传统的自适应巡航(adaptive ^cruisecontrol，ACC)加速度控制算法对系统变化辨识速度慢、动态性

neural network

proportion integration differentiation)的加

differentiation)对误差直接反馈

proportion integration

能差、调整缓慢的问题，提出了一种基于PNNPID(parallel

neural network

速度控制算法．通过分析传统SNNPID(serial

的不足，应用神经网络自学习功能，开发了基于并行控制原理的车辆加速度控制器；考虑车辆平顺性，设计了符

合驾驶行为的滤波限幅方案．实验结果表明，相比基于SNNPID的加速度控制器，基于PNNPID的加速度控制器

最大偏差控制在± O．25 m／s2以内，并具有平均误差小、调整时闭短和瞬态特性良好的特点，滤波限幅方案有效

提高了驾驶的舒适性．

关键词：自适应巡航；加速度控制器；动态性能；神经网络；PID

中圈分类号：U471．1

文献标志码：A

of Vehicle Acceleration Controller Based on

Design

PID

Parallel Neural Network

HANG

Junl”，ZHAO

Xiaoxial，

Tongyan91，XIONG

ZHANG

Wanwanl，CHENLon91，ZHU Nin92

Research

(1．Automotive Engineering

Institute，Jiangsu University，Zhenjiang 212013，China；2．Department

Mechanical

Institute of Science and

Engineering，Shizuoka

Technology，Shizuoka437-0032，Japan)

acceleration control

based on the

neural network

parallel

Abstract：An

PID(PNNPID)was

algorithm

the

problems

of slow

proposed

slow

conquer

system change identification，poor dynamic performance，and

in traditional acceleration control

for

cruise

control(ACC)．

adjustment

algorithms

of the traditional serial neural network

shortcomings

adaptive

of the

direct

PID(SNNPID)for

Through analysis

for

is based on the

control

feedback error．all acceleration controller

vehicles that

theory

parallel

the

into account

the

function of neural network．In

scheme of filter is

developed using

self-learning

addition，taking

vehicle

to fit

behavior．

driving

ride

comfort，all amplitude limiting

designed

can function within

SNNPID

results show that the acceleration controller based

Experimental

maximum deviation of± 0．25

is more accurate than the controller based Oil PNNPID．This

m／s．and

收疆日期：2015· 12-30

基金项目：国家自然科学基金资助项目(61573171，51108209，61203244)；江苏高校优势学科建设工程资助项目(PAPD)；江苏省自然

科学基金资助项目(BK20140570)；江苏省六大人才高峰项目(DZXX-048)；中国博士后科学基金资助项目

(2016M600375)；江苏省研究生教改课题(101)

作者简介：梁军(1976一)，男，教授，研究方向为智能交通理论及应用，电话：0511-88782845，E—mail：liangjun@ujs．edu．cn

引文格式：梁军，赵彤阳，熊晓夏，等．基于PNNPID的车辆加速度控制器设计[J]，西南交通大学学报，2017，52(3)：626．632．

of vehicle acceleration controller based on

a1．Design

neural network

LIANG

Jun，ZHAOTongyang，XIONG Xiaoxia，et

parallel

PID[J]．Journal ofSouthwest

Jiaotong University，2017，52(3)：626&32．

万方数据

627

第3期

梁

军，等：基于PNNPID的车辆加速度控制器设计

new acceleration controller is characterized

small

average error，short adjustment time，and good

scheme can the ride

transient

the

filter

proposed amplitude limiting

property；and

greatly improve

comfort

vehicles．

Keywords：adaptive cruise；acceleration controller；dynamic performance；neural network；PID

cruise

大多数的自适应巡航(adaptive

control，

使用PID消除误差，解决了原来的控制系统对系统变

化的辨识速度慢、动态陆能差和调整缓慢的问题．

ACC)控制器设计都采用双层控制结构¨ J，上层控

制算法是根据当前驾驶环境等信息决定车辆的纵

向加速度，使其按照期望的安全间距行驶拉剖，下层

控制算法是一个加速度控制器，把ACC上层算法

输出的期望加速度作为输入，输出加速踏板及制动

踏板开度，使ACC车辆能够快速准确地实现该期

望加速度．

1神经网络控制原理

控制系统¨ 41的主要作用是通过给定系统一个

输入量，得到期望的输出量．神经网络控制系统输

入u与系统输出Y应满足

Y=g(M)，

(1)

ACC加速度控制算法已取得一些成果，美国

Ford公司采用基于自适应梯度算法和PI结合的加

速度控制算法，该算法简单、可靠性高，其控制精度

不高MJ，但开启了加速度控制研究的先河．德国宝

马汽车公司提出了参数比例反馈和补偿的思想，设

计的ACC车速收敛不受前车运动状态的影响¨ 1．

韩国汉阳大学基于PI(proportion integration)控制

结合前馈控制的加速度控制算法，该算法具有响应

速度快，但鲁棒性较差的问题旧j．目前美国德克萨

斯大学提出基于在线优化和传感计算的ACC加速

式中：g(U)为输入与输出的某种函数关系．

系统的主要作用是通过确定一个最佳输入u，

得到一个实际输出Y，使得期望输出Y。与实际输出

Y之间误差最小(趋于0)．

由神经网络控制系统控制的对象大多具有很

强的非线性，导致建立非线性函数g(H)有一定难

度．但神经网络具有逼近非线性函数的特性，通过

期望输出与实际输出的误差调整网络权值¨ 5|，不

断提高神经网络的能力，直至两者之间误差为0，近

似实现函数功能，即通过神经网络对非线性函数的

求逆过程，该过程是由神经网络实现的求逆过程．

o，

度控制器算法，该算法平衡安全和控制的目标p

将ACC加速度控制器的研究推向新的高度．国内

对ACC加速度控制器的研究也取得一些卓有成效

的成果，侯德藻等基于模型匹配结构和H。控制理

论设计了ACC加速度控制算法，该算法在一定程

度上避免了因高频外部引起的控制量抖动问

题[10|．高锋采用状态估计器，应用鲁棒性控制器设

计ACC分层切换控制，实现了车速和加速度的准

确、快速的控制，但其对驾驶舒适性未做优化¨ 1|．

余晓江等提出了基于模糊神经网络的ACC加速度

基于PNNPm的加速度控制模型

2．1

PNNPID的架构设计

SNNPID是一种传统的神经网络PID串行结

构，如图1所示．其中被控对象由PID控制器进行

直接反馈控制，神经网络则通过学习后，以一种稳

定的状态在线调整PID控制器的参数k。(PID控制

器比例增益)、kj(积分增益)和k。(微分增益)，使

PID达到最优控制．

控制算法，该系统首先利用BP(back

propagation)

神经网络对车辆纵向运动进行辨识，然后利用模糊

神经网络中的神经网络学习能力实时修正该控制

器的模糊系统的隶属度函数的参数以及控制规

则‘12加1．

图1传统的PNNPID模型

Traditional serial neural network PID model

Fig．1

基于以上讨论，本文建立了PNNPID模型

neural network

(parallel

proportion

integration

该神经网络PID的控制式为

differentiation)的ACC加速度控制算法，该算法不同

u ：Kc

e +寺Jfm)¨ 死警】，(2)

于传统的利用神经网络在运行中修正PID权值

(3)

neural network

K。=NNetKco，Ti=NNetTio，死=NNet％，

SNNPID(serial

proportion integration

式中：K印、Kj。、‰ 均为PID控制器的初始参数；NN毗

differentiation)，而是在直接使用神经网络的基础之上

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源

基于PNNPID的车辆加速度控制器设计

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页