基于事件触发PID的协同自适应巡航控制技术研究
发布时间：2021-01-03 10:37
智能驾驶的发展,使得协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）成为近年来研究的热点问题。该技术能够形成有较小的车辆间距,同时能够避免扰动沿车辆队列的放大,从而能够使驾驶员获得更好的驾驶体验。同时,CACC系统能够显著增加道路的安全性以及交通吞吐量,并可以减少能源的消耗。由于传统的基于时间触发的控制方式周期的进行采样并计算,导致控制器进行了许多不必要的运算,造成了计算机资源的极大浪费。针对这一问题,基于事件触发的控制机制提供了一种很好的解决方法,它能够在保证系统控制性能的前提下有效减少计算机的冗余计算。所以,为了能够减少控制系统的冗余计算,有效改善CACC系统的性能,可以将控制算法的计算单元限制为仅在必要的情况下才进行计算。为了实现这样的控制目标,本文提出了一种基于事件触发PID的控制方案,该方案能够有效减少计算机的冗余计算,同时能够保证系统所需的闭环性能。本文研究内容如下:（1）提出了一种基于事件触发PID控制的算法,首先,本文根据控制系统设计了相应的事件触发条件,然后设计了基于事件触发控制的PID控制器,并对事件触发算法的设...
【文章来源】：河南大学河南省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
基于事件触发PID的单个车辆控制系统仿真模型
基于事件触发PID的协同自适应巡航控制技术研究34以适应控制系统。工业控制系统一般是复杂多样的，它们与计算机神经中枢直接相连，并且与计算机神经中枢交换信号、数据，但又互相独立地完成各类控制工作。当遇到不同的工作环境或对于系统的控制需求发生改变时，简单低级的控制器无法继续工作或通过简单改变输入信号和加权比例值无法进行重新控制。在这方面，神经网络极大地克服了缺陷，高适应性与高鲁棒性使神经网络PID控制器能在本文控制系统中高效稳定运行。而PID控制器本身的简单结构能使神经网络PID控制器运用于任何系统并能与之完美结合。虽然传统PID控制器在随控制系统变化自我适应修正方面不能达到控制需求，但有了神经网络的辅助，可以使得PID控制器得到完善，能最大程度地发挥本身的优势。4.3仿真实验及结果分析由于神经网络非线性和学习性的特点，为了克服传统PID参数整定方面的不足，我们这里引入神经网络控制算法。这里通过Matlab创建M文件，并在M文件里用sim命令调用Simulink系统仿真模型，从而对实验结果进行仿真验证。图4-4是仿真实验的仿真图。图4-4基于事件触发神经网络PID的单辆车控制系统仿真模型在图4-4的仿真模型中，单辆车控制过程中通过计算得到的本车与前车距离差、本车位置以及控制量的增量都作为神经网络PID控制模块的输入参数，进行神经网络各层权值的调节，进而得到最优的PID参数并输出到Sfun_LogicPID3控制模块，然后由触发条件判断是否进行下一步运算。图4-5是神经网络PID控制模块的仿真图。
第4章基于事件触发神经网络PID的CACC技术35图4-5神经网络PID控制仿真模型图4-5是神经网络对PID参数整定的仿真图，输入层的输入参数是[yrel]，它们分别是系统偏差、车辆理想位置、控制量增量和理想的安全距离。隐含层的输出被传输给输出层，同时也将其和隐含层激活函数输入的同时传输给权值更新机构；同样的，输出层在将整定过的PID参数输出的同时也将输出层激活函数输入传输给权值更新机构；权值更新机构将权值更新后再将其传输给隐含层和输出层。图4-6不同车辆加速度变化曲线图4-7不同车辆速度图4-8不同车辆位置变化曲线图4-9不同车辆控制量变化曲线在图4-4的仿真模型中，控制系统采用神经网络PID控制，图4-6到图4-9分别是
【参考文献】：
期刊论文
[1]车辆自适应巡航控制系统的发展和应用前景[J]. 刘猛,张丽萍. 汽车实用技术. 2019(17)
[2]基于事件触发非线性多智能体系统的固定时间一致性[J]. 陈世明,邵赛. 控制理论与应用. 2019(10)
[3]协同自适应巡航控制车队仿真[J]. 覃频频,裴世康,吴达,莫基强,万千. 计算机工程与应用. 2020(04)
[4]中国乘用车ADAS市场发展趋势浅析[J]. 赵津,杜志彬,张庆余,赵鹏超. 时代汽车. 2019(02)
[5]ADAS的发展历程及趋势[J]. 张志强. 内燃机与配件. 2019(01)
[6]混合交通流中协同式自适应车组引导车控制模型稳定性分析（英文）[J]. 顾海燕,张健,金璟,冉斌. Journal of Southeast University（English Edition）. 2018(03)
[7]基于事件触发机制的网络控制研究综述[J]. 杨飞生,汪璟,潘泉. 控制与决策. 2018(06)
[8]汽车自适应巡航控制系统研究现状与发展趋势[J]. 吴光强,张亮修,刘兆勇,郭晓晓. 同济大学学报(自然科学版). 2017(04)
[9]基于模型预测控制的协同式自适应巡航控制系统[J]. 孙涛,夏维,李道飞. 中国机械工程. 2017(04)
[10]自适应事件触发控制的多智能体系统一致性[J]. 刘丹,胡爱花,邵浩宇. 计算机工程与应用. 2017(01)
硕士论文
[1]基于模型预测控制的车辆协同式自适应巡航控制[D]. 孙小雨.哈尔滨工业大学 2018
[2]协同式自适应巡航控制系统仿真与控制算法研究[D]. 逄吉玲.吉林大学 2018
[3]协同式走—停巡航控制策略研究[D]. 彭涛.吉林大学 2018
[4]基于强化学习的汽车协同式自适应巡航控制技术研究[D]. 李想.吉林大学 2018
[5]基于神经网络PID控制器的汽车自适应巡航控制系统研究[D]. 刘道旭东.吉林大学 2017
[6]事件驱动控制及其应用研究[D]. 熊瑛.华北电力大学 2014
本文编号：2954833
【文章来源】：河南大学河南省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
基于事件触发PID的单个车辆控制系统仿真模型
基于事件触发PID的协同自适应巡航控制技术研究34以适应控制系统。工业控制系统一般是复杂多样的，它们与计算机神经中枢直接相连，并且与计算机神经中枢交换信号、数据，但又互相独立地完成各类控制工作。当遇到不同的工作环境或对于系统的控制需求发生改变时，简单低级的控制器无法继续工作或通过简单改变输入信号和加权比例值无法进行重新控制。在这方面，神经网络极大地克服了缺陷，高适应性与高鲁棒性使神经网络PID控制器能在本文控制系统中高效稳定运行。而PID控制器本身的简单结构能使神经网络PID控制器运用于任何系统并能与之完美结合。虽然传统PID控制器在随控制系统变化自我适应修正方面不能达到控制需求，但有了神经网络的辅助，可以使得PID控制器得到完善，能最大程度地发挥本身的优势。4.3仿真实验及结果分析由于神经网络非线性和学习性的特点，为了克服传统PID参数整定方面的不足，我们这里引入神经网络控制算法。这里通过Matlab创建M文件，并在M文件里用sim命令调用Simulink系统仿真模型，从而对实验结果进行仿真验证。图4-4是仿真实验的仿真图。图4-4基于事件触发神经网络PID的单辆车控制系统仿真模型在图4-4的仿真模型中，单辆车控制过程中通过计算得到的本车与前车距离差、本车位置以及控制量的增量都作为神经网络PID控制模块的输入参数，进行神经网络各层权值的调节，进而得到最优的PID参数并输出到Sfun_LogicPID3控制模块，然后由触发条件判断是否进行下一步运算。图4-5是神经网络PID控制模块的仿真图。
第4章基于事件触发神经网络PID的CACC技术35图4-5神经网络PID控制仿真模型图4-5是神经网络对PID参数整定的仿真图，输入层的输入参数是[yrel]，它们分别是系统偏差、车辆理想位置、控制量增量和理想的安全距离。隐含层的输出被传输给输出层，同时也将其和隐含层激活函数输入的同时传输给权值更新机构；同样的，输出层在将整定过的PID参数输出的同时也将输出层激活函数输入传输给权值更新机构；权值更新机构将权值更新后再将其传输给隐含层和输出层。图4-6不同车辆加速度变化曲线图4-7不同车辆速度图4-8不同车辆位置变化曲线图4-9不同车辆控制量变化曲线在图4-4的仿真模型中，控制系统采用神经网络PID控制，图4-6到图4-9分别是
【参考文献】：
期刊论文
[1]车辆自适应巡航控制系统的发展和应用前景[J]. 刘猛,张丽萍. 汽车实用技术. 2019(17)
[2]基于事件触发非线性多智能体系统的固定时间一致性[J]. 陈世明,邵赛. 控制理论与应用. 2019(10)
[3]协同自适应巡航控制车队仿真[J]. 覃频频,裴世康,吴达,莫基强,万千. 计算机工程与应用. 2020(04)
[4]中国乘用车ADAS市场发展趋势浅析[J]. 赵津,杜志彬,张庆余,赵鹏超. 时代汽车. 2019(02)
[5]ADAS的发展历程及趋势[J]. 张志强. 内燃机与配件. 2019(01)
[6]混合交通流中协同式自适应车组引导车控制模型稳定性分析（英文）[J]. 顾海燕,张健,金璟,冉斌. Journal of Southeast University（English Edition）. 2018(03)
[7]基于事件触发机制的网络控制研究综述[J]. 杨飞生,汪璟,潘泉. 控制与决策. 2018(06)
[8]汽车自适应巡航控制系统研究现状与发展趋势[J]. 吴光强,张亮修,刘兆勇,郭晓晓. 同济大学学报(自然科学版). 2017(04)
[9]基于模型预测控制的协同式自适应巡航控制系统[J]. 孙涛,夏维,李道飞. 中国机械工程. 2017(04)
[10]自适应事件触发控制的多智能体系统一致性[J]. 刘丹,胡爱花,邵浩宇. 计算机工程与应用. 2017(01)
硕士论文
[1]基于模型预测控制的车辆协同式自适应巡航控制[D]. 孙小雨.哈尔滨工业大学 2018
[2]协同式自适应巡航控制系统仿真与控制算法研究[D]. 逄吉玲.吉林大学 2018
[3]协同式走—停巡航控制策略研究[D]. 彭涛.吉林大学 2018
[4]基于强化学习的汽车协同式自适应巡航控制技术研究[D]. 李想.吉林大学 2018
[5]基于神经网络PID控制器的汽车自适应巡航控制系统研究[D]. 刘道旭东.吉林大学 2017
[6]事件驱动控制及其应用研究[D]. 熊瑛.华北电力大学 2014
本文编号：2954833
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2954833.html
