基于免疫機制的智能車轉(zhuǎn)向控制系統(tǒng)研究.pdf

1、轉(zhuǎn)向控制系統(tǒng)是體現(xiàn)智能車智能行為的基礎(chǔ)，也是智能車研究領(lǐng)域的熱點和難點。伴隨著智能控制理論的發(fā)展，越來越多的智能控制方法應(yīng)用于智能車的轉(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新課題。基于經(jīng)典PID控制、模糊控制、最優(yōu)控制和自適應(yīng)控制、滑模控制以及預測控制的轉(zhuǎn)向控制方法具有原理簡單、易于實現(xiàn)、適應(yīng)性強等優(yōu)點，在轉(zhuǎn)向系統(tǒng)控制領(lǐng)域應(yīng)用較為廣泛。PID控制方案雖簡單易行，但缺乏對復雜工況的適應(yīng)性，魯棒性差，

2、難以實現(xiàn)精確控制;最優(yōu)控制的控制對象一般為線性時不變系統(tǒng)，在控制模型精確且無干擾的情況下，控制精度比較高，但對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)主要依靠專家經(jīng)驗法和試探法來確定，主觀性較強，且易產(chǎn)生穩(wěn)態(tài)誤差。這些控制算法一個共同點是只要輪胎進入非線性區(qū)控制精度就會大大下降，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、系統(tǒng)快速性

3、與穩(wěn)態(tài)誤差間的矛盾兩個方面入手，研究了免疫算法算子及其收斂性能，針對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，對免疫算法的親和力算子進行了改進，利用極限理論與狀態(tài)轉(zhuǎn)移概率對免疫算法的收斂性進行了證明，并給出了收斂速度的計算表達式。仿真結(jié)果表明，改進后的免疫算法有能力搜索到全局極值點。
　　建立了車輛動力學模型。針對轉(zhuǎn)向系統(tǒng)易受外部干擾和攝動，提出了基于免疫算法的智能車滑模變結(jié)構(gòu)自動轉(zhuǎn)向控制算法。對離線狀態(tài)下的典型樣本，

4、運用免疫算法優(yōu)化了變結(jié)構(gòu)控制律中的參數(shù)q、ε,實現(xiàn)了智能車的最優(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)來逼近T、B細胞的非線性特性的免疫反饋控制IFC(Immune Feedback Control)方法，采用ITAE性能指標對免疫參數(shù)K、η進行了整定。構(gòu)建了三層BP網(wǎng)絡(luò)對T、B

5、細胞非線性特性進行逼近效果，將該方法與模糊調(diào)節(jié)器、徑向?qū)ΨQ的非線性函數(shù)兩種方法的逼近效果進行了對比分析。
　　避障軌跡的合理規(guī)劃是避障策略實施的關(guān)鍵所在，在深入研究兩段圓弧和余弦函數(shù)避障軌跡的基礎(chǔ)上，提出一種改進的正弦函數(shù)避障軌跡模型。通過理論分析，實驗驗證了該模型的可行性。
　　針對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