智能駕駛的發(fā)展,使得協(xié)同自適應巡航控制（Cooperative Adaptive Cruise Control,CACC）成為近年來研究的熱點問題。該技術能夠形成有較小的車輛間距,同時能夠避免擾動沿車輛隊列的放大,從而能夠使駕駛員獲得更好的駕駛體驗。同時,CACC系統(tǒng)能夠顯著增加道路的安全性以及交通吞吐量,并可以減少能源的消耗。由于傳統(tǒng)的基于時間觸發(fā)的控制方式周期的進行采樣并計算,導致控制器進行了許多不必要的運算,造成了計算機資源的極大浪費。針對這一問題,基于事件觸發(fā)的控制機制提供了一種很好的解決方法,它能夠在保證系統(tǒng)控制性能的前提下有效減少計算機的冗余計算。所以,為了能夠減少控制系統(tǒng)的冗余計算,有效改善CACC系統(tǒng)的性能,可以將控制算法的計算單元限制為僅在必要的情況下才進行計算。為了實現(xiàn)這樣的控制目標,本文提出了一種基于事件觸發(fā)PID的控制方案,該方案能夠有效減少計算機的冗余計算,同時能夠保證系統(tǒng)所需的閉環(huán)性能。本文研究內容如下:（1）提出了一種基于事件觸發(fā)PID控制的算法,首先,本文根據(jù)控制系統(tǒng)設計了相應的事件觸發(fā)條件,然后設計了基于事件觸發(fā)控制的PID控制器,并對事件觸發(fā)算法的設... 

【文章來源】：河南大學河南省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

基于事件觸發(fā)PID的單個車輛控制系統(tǒng)仿真模型

基于事件觸發(fā)PID的協(xié)同自適應巡航控制技術研究34以適應控制系統(tǒng)。工業(yè)控制系統(tǒng)一般是復雜多樣的，它們與計算機神經中樞直接相連，并且與計算機神經中樞交換信號、數(shù)據(jù)，但又互相獨立地完成各類控制工作。當遇到不同的工作環(huán)境或對于系統(tǒng)的控制需求發(fā)生改變時，簡單低級的控制器無法繼續(xù)工作或通過簡單改變輸入信號和加權比例值無法進行重新控制。在這方面，神經網絡極大地克服了缺陷，高適應性與高魯棒性使神經網絡PID控制器能在本文控制系統(tǒng)中高效穩(wěn)定運行。而PID控制器本身的簡單結構能使神經網絡PID控制器運用于任何系統(tǒng)并能與之完美結合。雖然傳統(tǒng)PID控制器在隨控制系統(tǒng)變化自我適應修正方面不能達到控制需求，但有了神經網絡的輔助，可以使得PID控制器得到完善，能最大程度地發(fā)揮本身的優(yōu)勢。4.3仿真實驗及結果分析由于神經網絡非線性和學習性的特點，為了克服傳統(tǒng)PID參數(shù)整定方面的不足，我們這里引入神經網絡控制算法。這里通過Matlab創(chuàng)建M文件，并在M文件里用sim命令調用Simulink系統(tǒng)仿真模型，從而對實驗結果進行仿真驗證。圖4-4是仿真實驗的仿真圖。圖4-4基于事件觸發(fā)神經網絡PID的單輛車控制系統(tǒng)仿真模型在圖4-4的仿真模型中，單輛車控制過程中通過計算得到的本車與前車距離差、本車位置以及控制量的增量都作為神經網絡PID控制模塊的輸入參數(shù)，進行神經網絡各層權值的調節(jié)，進而得到最優(yōu)的PID參數(shù)并輸出到Sfun_LogicPID3控制模塊，然后由觸發(fā)條件判斷是否進行下一步運算。圖4-5是神經網絡PID控制模塊的仿真圖。

第4章基于事件觸發(fā)神經網絡PID的CACC技術35圖4-5神經網絡PID控制仿真模型圖4-5是神經網絡對PID參數(shù)整定的仿真圖，輸入層的輸入參數(shù)是[yrel]，它們分別是系統(tǒng)偏差、車輛理想位置、控制量增量和理想的安全距離。隱含層的輸出被傳輸給輸出層，同時也將其和隱含層激活函數(shù)輸入的同時傳輸給權值更新機構；同樣的，輸出層在將整定過的PID參數(shù)輸出的同時也將輸出層激活函數(shù)輸入傳輸給權值更新機構；權值更新機構將權值更新后再將其傳輸給隱含層和輸出層。圖4-6不同車輛加速度變化曲線圖4-7不同車輛速度圖4-8不同車輛位置變化曲線圖4-9不同車輛控制量變化曲線在圖4-4的仿真模型中，控制系統(tǒng)采用神經網絡PID控制，圖4-6到圖4-9分別是

【參考文獻】：
期刊論文
[1]車輛自適應巡航控制系統(tǒng)的發(fā)展和應用前景[J]. 劉猛,張麗萍.  汽車實用技術. 2019(17)
[2]基于事件觸發(fā)非線性多智能體系統(tǒng)的固定時間一致性[J]. 陳世明,邵賽.  控制理論與應用. 2019(10)
[3]協(xié)同自適應巡航控制車隊仿真[J]. 覃頻頻,裴世康,吳達,莫基強,萬千.  計算機工程與應用. 2020(04)
[4]中國乘用車ADAS市場發(fā)展趨勢淺析[J]. 趙津,杜志彬,張慶余,趙鵬超.  時代汽車. 2019(02)
[5]ADAS的發(fā)展歷程及趨勢[J]. 張志強.  內燃機與配件. 2019(01)
[6]混合交通流中協(xié)同式自適應車組引導車控制模型穩(wěn)定性分析（英文）[J]. 顧海燕,張健,金璟,冉斌.  Journal of Southeast University（English Edition）. 2018(03)
[7]基于事件觸發(fā)機制的網絡控制研究綜述[J]. 楊飛生,汪璟,潘泉.  控制與決策. 2018(06)
[8]汽車自適應巡航控制系統(tǒng)研究現(xiàn)狀與發(fā)展趨勢[J]. 吳光強,張亮修,劉兆勇,郭曉曉.  同濟大學學報(自然科學版). 2017(04)
[9]基于模型預測控制的協(xié)同式自適應巡航控制系統(tǒng)[J]. 孫濤,夏維,李道飛.  中國機械工程. 2017(04)
[10]自適應事件觸發(fā)控制的多智能體系統(tǒng)一致性[J]. 劉丹,胡愛花,邵浩宇.  計算機工程與應用. 2017(01)

碩士論文
[1]基于模型預測控制的車輛協(xié)同式自適應巡航控制[D]. 孫小雨.哈爾濱工業(yè)大學 2018
[2]協(xié)同式自適應巡航控制系統(tǒng)仿真與控制算法研究[D]. 逄吉玲.吉林大學 2018
[3]協(xié)同式走—停巡航控制策略研究[D]. 彭濤.吉林大學 2018
[4]基于強化學習的汽車協(xié)同式自適應巡航控制技術研究[D]. 李想.吉林大學 2018
[5]基于神經網絡PID控制器的汽車自適應巡航控制系統(tǒng)研究[D]. 劉道旭東.吉林大學 2017
[6]事件驅動控制及其應用研究[D]. 熊瑛.華北電力大學 2014



本文編號：2954833