（运筹学与控制论专业论文）车距的模糊自适应控制及其应用研究.pdf

摘要 近年来，智能运输系统在世界范围内得到了快速发展安全辅助驾驶作为该领域的重 要内容之一，其主要应用领域包括。速度建议与超速建议，车道偏离警告与预防，追尾碰撞 警告与预防、疲劳驾驶监控等内容 车间距离控制系统主要用于追尾碰撞事故的警告与预防目前，车间距离控制系统的 理论研究与实际应用己取得了一定的进展，它们广泛应用了广义预测模型、p i d 控制，经典 的模糊控制等方法，但是这些方法都具有一定的局限性，由于系统参数是事先确定下来的， 系统运行中它们不具有自适应性，当外界环境变化较大时控制效果较差 模糊控制不需要建立被控系统的精确数学模型，而用语言变量来描述系统i 神经网络 是一种非线性映射，具有自学习能力、能并行处理信息等优点；b 样条函数由于它的递推 性、局部正支撑和微分特往，可以同时满足模糊系统和神经网络的要求因此本设计选择b 样条函数作为模糊神经网络控制器的隶属函数，以b 样条函数为媒介将模糊控制与神经网 络有机地结合起来。发挥各自优势，实现对控制器的优化同时，通过分析以b 样条函数为 隶属函数的模糊神经网络系统在抗干扰能力方面的不足，提出了基于改进型b 样条函数的 模糊神经网络控制器结合上述理论，通过分析研究驾驶员在控制车辆过程中的驾驶行为， 建立了模糊控制规则，建立了基于改进型b 拌条函数的车间距离控剩器模型。运用前后两 车的速度差和距离差的变化情况对后车的加速度进行控制，并通过梯度下降法对系统进行 了在线优化 最后。本文对上述控制方法用m a t l a b 进行了仿真试验仿真结果表明，运用本设计所 提出的方法对后车的加速度进行控制，能保证后车经过短暂的速度变化后使前后两车之间 保持安全距离，避免碰撞追尾等事故的发生，验证了本文所提理论的正确性 关镅! 词：车间距离模糊控制自适应控制 神经网络 b 样条函数 a b s t r a e t ag r e a to fp r o g r e s sh a sb e e nm a d ei ni n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ( i t s ) i nr e c e n ty e a r s s a f e t yd r i v i n ga s s i s t a n c e ( s d a ) ，w h i 吐i smi m p o r t a n tp a r t si ni t s ，i sm a i n l ya p p l i e di nm a n y a r e a s , s u c h s p e e da d v i c ea n do v e r s p e e da l a r m i n g ，d r i v e w a ya b e r r a n c ya l a r m i n ga n dd e f e n s e ， c o l l i s i o na l a r m i n ga n dd e f e n s e ，t i r e d n e s sd r i v ew a t c h i n ge t e s “e - d i s t a n e ec o n t r o lo ft h ev e h i c l ei sm a i n l yu s e di nt h ea l a r m i n ga n dd e f e n s eo fc o l l i s i o n a tp r e s e n t t h e r e8 f l o r a ep r o g r 8h a v eb e e nm a d ei nt h ef i e l do ft h e o r yr s e a r c ha n dp r a c t i c a l a p p l i c a t i o no fs d a ，i nt h e em e t h o d ，g e n e r a l i z , e df o r e c a s tc o n t r o l ，p i dc o n t r o l ，c l a s s i e n lf u z z y c o n t r o lw e l t a d o p t e d b u tt h e r e8 r ef l o n l el i m i t si nt h e m f o rt h ep a r a m e c a m 3o ft h es y s t e ma r e p r e s e t ，w h i l et h ee x t e r i o re n v i r o n m e n th a sc h a n g e d ，t h ec o n t r o le f f e c ti s n t “t i s f i e d b 8 t 的do fc o n s t r u c t i n gt h ea c c u r a t em a t h e m a t 妇，f l l z z yl o g i cc o n t r o l 嘲l i n g u t g 七i ev a r i a b l e s t od e i b et h eu n d e r - c o n t r o ls y s t e m ；t h en e u r a ln e t w o r kh a sm a n ya d v a n t a g e ss u c ha 8n o n l i n e a r m 8 p ，s e l f - l e a r n i n g ，p a r a l l e lp r o e e i n g ；b - s p l i l a ef u l a e t i o n s ，b e c a u s eo fi t sr e c u r s i o r l ，l o c a lp o s i t i v e s u p p o r t ，i t e r a t i o na n di t sd i f f e r e n t i a le h a r a e t e t i s t i e ，c mb a t i 8 可b o t hf u z z ys y s t e ma n dn e u r a l - n e t w o r ks y s t e mv e r yw e l l s ob yc o m b i n a t i o no ff i l 压yc o n t r o la n dn e u r a l - n e t w o r k sw i t hb s p l i n e f u n c t i o n s ，c a l la d v a n c eb o t ha d v a n l ；a g e st oc o n t r o lt h es y s t e m t h e n ，b ya n , l y i n gt h er o b u s t n e s s o ft h e8 y s t d a l ，w ep r o p o e e dt h ei m p r o v e db - s p l i n e 旧n e u r a l - n e t w o r kc o n t r o l l e r i nt h i sp a p e r ， b ya n a l y z i n gt h ed r i v i n ga c t i o n 矗哦， w ee o n s t n e tt h es a f e - d 斌n n e ed r i v i n gm o d e lb yu s i n gt h e a d a p t i v en e u r a l - p u 2 z yl a l e r e n e es y s t e m ( a n f i s lt oc o n t r o lt h ef o l l o w i n gc a r ，8a c c e l e r a t i o na c n ) s s t h es p e e da n dd i s t a n c eg a pc h a n g i n go nt h el e a d i n ga n dt h ef o l l o w i n gc ”a n do p t i m i z et h es y s t e m o n l i n eb yg r a d i e n td e s c e n tm e t h o d u i n gm a t l a bt os i m u l a t et h em e t h o d t h er e s u l ts h o w st h a tt h ec 8 rc a l lk e e p i n gs a f e - d i s t a n c e a n dp r e v e n tc o l l i s i o n ，w h i c ha l s op r o v e dt h ec o r r o e s n e s so ft h em e t h o dp r o r , , m li nt h i sp a p e r k e y w o r d lv e h i c l ed 幽, n e e ，f u z z yc o n t r o l ，a d a p t i v ec o n t r o l ，n e u r a ln e t w o r k ，b - s p l i n e f u n e t i o n 一，学位论文独创性声明 独创性声明及使用授权的说明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果 尽我所知，除了文中特别加以标明和致谢的地方外，论文中不包含其他人已经发表或撰写 过的研究成果。也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意 = 、关于学位论文使用授权的说明 签名日期：速：王形 东南大学，中国科学技术信息研究所，国家图书馆有权保留本人所送交学位论文的复 印俘和电子文档，可以采用影印、缩印或其他复制手段保存论文本人电子文挡的内容和纸 质论文的内容相一致除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包 括刊登) 论文的全部或部分内容论文的公布( 包括刊登) 授权东南大学研究生院办理 签名：雌导师签雄 ，l l 第一章绪论 交通安全，交通堵塞以及环境污染是困扰当今国际运输领域的三大难题，其中交通安 全问题最为严重2 0 0 3 年我国高速公路共发生交通事故3 62 5 7 起，造成52 6 9 人死亡，1 4 8 6 7 人受伤，每百公里事故发生率是普通公路的四倍另据统计资料。我国高速公路上发生的交 通事故有4 0 发生在恶劣天气里，7 1 的重特大交通事故和6 5 的直接经济损失发生在恶 劣的气候环境中在能见度不良的环境中，由于受到能见度的限制。驾驶员难以用肉眼直接 观察到前方的车辆及其运行状况。不能对车距做出准确的判断，事故率明显提高当车距小 于安全距离时，紧急制动必然会造成与前面的车相撞，高速公路上的大交通量，又决定了一 旦发生交通事故，经常会引起多车连环追尾的灾难性事故使车距保持一定的安全值。是减 少或避免追尾事故发生的关键措施 安全辅助驾驶( s a f e t yd n v m ga s 出t n ，s d a ) 是当前国际智能运输系统( i n t e l l i g e n t 脚砒撕o ns y h e m ，i t s ) 研究的一个重要内容，它主要解决交通安全的同题，同时对于 解决困扰运输领域的其它两个问题也有一定的作用 1 1应用的现状与研究的意义 日本于1 9 8 9 年开始定位研究安全辅助驾驶( s d a ) 。他们的研究方向有两个自动高速公 珞系统( a d v a n c e d h i g h w a y s y s t e m ，a h s ) 和高级安全汽车( “n c e d s a f e t y v e h i c l e ，a s v ) 1 9 9 5 年，自动高速公路( a h s ) 和高级安全汽车( a s v ) 系统的全自动无人驾驶车队，在时速 6 e k , m h ，车距1 5 m 的条件下，已经可以连续运行了l 德国的安全辅助驾驶( s d a ) 研究包 括5 个方面的内容，自适应巡航控制系统( a d a p t i v ec r u i s ec o n t r o ls y s t e m 。a c c s ) ，向前行进 控制系统( h e a d i n gc o n t r o ls y s t e m ，h c s ) 、导航系统( n a v i g a t i o ns y s t e m ，n s ) 交通信息通道系 统( t r “t l cm e s s a g ec h a n n e ls y s t e m 。t m c s ) 和紧急呼救系统( e m e r g e n c y c a l l ss y s t e m ，e c s ) 到1 9 9 7 年1 0 月底为止，德国的安全辅助驾驶( s d a ) 研究实施方案报告已经通过国家的系 统评估和论证，有的产品比如导航系统( n s ) 和紧急呼救系统( e c s ) ，已经完成实验论证， 正在走向市场i 有的产品比如覆盖全德国的无线电信号数据系统( r a d i o d a t as y s t e m ，r d s ) 和交通信息通道系统( t m c s ) ，有望近期能够问世现在他们正在逐步完善各个子系统的功 能，并且准备把各个子系统的功能结构集成化；1 9 9 1 年1 2 月，美国政府通过提高陆路交通效 能的法案，接着又拨出6 60 0 0 万美元来资助全美智能运输系统( i t s ) 6 年的研究工作美国 国家自动高速公路系统协会( n a t i o n a la u t o m a t e dh i g h w a ys y s t e mc o n s o r t i u m 。n a h s c ) 受国 查查垫墅望! 垡! 鳖墼丝2 会的委托，于1 9 9 7 年8 月7 - 1 0 日在s e ad i e g o 举办了他们的自动高速公路系统( a h s ) 研究 成果展示会展示会期问，自动高速公路系统( a h s ) 以全自动的模式，1 0 5 k m 的时速，6 1 5 m 的车距。使13 5 0 人在无人驾驶的车队里行走了1 60 0 0 b n 日本的最新研究成果表明，安全辅助驾驶( s d a ) 系统的信息技术和控制技术，可以使 在交通事故中死亡的人数减少4 0 ，可以使由司机引发的人为交通事故明显减少。可以使 车流更加通畅，由此每年可挽回1 1 5 亿美元的经济损失；美国的最新研究成果表明。安全辅 助驾驶( s d a ) 系统的控制技术和自适应巡航技术。可以使美国的交通事故减少9 0 我国是一个发展中国家。机动车拥有量远远不如美国和日本，但每年每1 0 0 辆车造成的 交通事敖伤亡人数及经济损失却远远高于这两个国家因此，为了更好地发挥我国交通设 施的效能，减少交通事故的发生及由此带来的经济损失，有效地利用我国有限的财力资源， 开展安全辅助驾驶( s d a ) 研究就显得尤为重要我国的安全辅助驾驶研究工作现在才刚剐 起步。还有许多工作要做 1 2 研究现状与存在的问题 汽车辅助驾驶系统是带有车间距自动保持功能的巡航系统基本控制结构如图( 1 1 ) 所 示汽车辅助驾驶系统由车速控制系统( 即巡航系统) 和车间距离自动保持系统组成当前 方无目标车或前后车车距大于安全距离时，进行车速控制；当传感器发现与前方目标车距离 小于安全距离时，进行车间距离控祝通过调节被控车的加( 减) 速度，保证被控车维持或平 稳趋近期望的车问距车f 霹距离控制系统包括上位系统和下位系统上位系统根据传感装 置获取的相对车速和相对车间距信息，确定使被控车维持或稳定趋近期望的汽车间距需要 的加( 减) 速度i 下位系统控制节气门和制动器，实现上位系统得到的加( 减) 速度 1 2 1 常用的传感器及其工作原理 传感器主要实现对前后两车车距及车速的测量，常用的传感器主要有以下几种， ( 1 ) 激光雷达传感器 激光雷达传感器有脉冲式和连续波式两种脉冲式激光雷达采用短的大功率红外光 脉冲，根据光脉冲所需的传播时间确定被测距离连续波激光雷达是把光调幅在约i o o m h z 的正弦波上，根据发射光与反射光之间的相位差来推算被测距离( 也称作相位法测距) 脉冲 激光雷达信号处理比较容易，其应用最为普遍 激光雷达具有量程大，方向性强且响应时问侠的优点，但成本高，易受外界环境( 如能 见度低、传感器表面有泥土) 的影响激光雷达传感器的最大探测距离为1 5 0 m ，取决于激光 图1 1 ：汽车辅助驾驶系统结构图 功率和人眼安全规定 ( 2 ) 连续波雷达传感器 连续波雷达采用频率调制的高频电磁载波( 般为微波频率或者更高通常为锯齿形信 号) 比较反射信号与发射信号，可得到与被测距离成比例妁频率差刺屠返回信号的多酱勒 偏转还能确定被测物体的相对速度该项技术已广泛应用，特别是用在能见度低的环境中 连续渡雷达的突出优点是能穿透泥土和飞溅物。看到。物体i 并且窄波束和宽波束均可 以使用，因而能够把波束宽度调制得适于特殊用途其主要缺点是微波和毫米波频段的电磁 装置成本相对较高连续波雷达传感器的最大探测距离为1 5 0 m 另外，用电予学方法对相 对窄的、探钡! i 距离大的波束进行扫描能得到更大的测程和波束宽度，但复杂度和成本随之增 加 ( 3 ) 单脉冲雷达传感器 单脉冲雷达发射的无线电磁信号不是连续波，而是很短的矩形脉冲电磁信号在发射 脉冲之后，接收器按一定的时间间隔对返回信号进行采样，以确定前方物体的距离 单脉冲雷达的主要优点是用频率很低的低成本电子装置就能获得与连续波雷达相同的 分辨率l 并且在环境( 雾。泥土等) 适应性方面优于光学技术但由于需要宽频带的接收器， 单脉冲雷达容易受到外界电磁干扰单脉冲雷达传感器的最大探测距离为5 0 m ，最小距离 堑些塑些些塞丝丝4 为1 5 m 。取决于波束宽度和接收机灵敏度 ( 4 ) 光电传感器 光电传感器又称图像传感器或影像传感器，是利用调制光实现对物体的检测，其作用 是将接收到的光信号转变为模拟电信号光电传感器由发射器和接收器组成。通过接收器 接收到的光强变化产生检测输出实现检测功能，其主要进行电信号光信号+ 电信号 的转换光电传感器可提供高质量的探测、识别与成像以及高分辨率的静止图象等光电传 感器的最大探测距离大于1 0 0 m 除此之外，还有超声波传感器、电容式传感器无源红外线传感器等多种传感器用于车 距的测量 目前，实际测量汽车车速的非接触速度仪有光电式传感器和用多酱勒雷达组成的测速 传感器两种类型，它们除传感器不同外，其他部分基本相同 雷达测速是利用多普勒效应来实现的当振动源( 如喇叭) 和听觉器官( 如人的耳朵) 相 对位置不变时，听觉器官感觉到的频率等于振动源的频率若振动源和听觉器官相对运动， 听觉器官感觉到振动源的振动频率将发生变化，称为多蕾勒效应雷达测速仪就是帮j 用这 个原理来实现的 雷达测速仪装在汽车上，雷达天线以口角度向地面发射频率为，l 的电磁波，发射波 的部分从地面反射回天线，反射波的频率为，2 因为车地相对运动，反射波的频率不再 等于 ，即，2 当车辆迎着电磁波束照射点行驶时。五 解模糊器( d e 岱) 解模糊器定义为由v cr 上的模糊集( 模糊推理机的输出) 向清晰点l 广v 的一种 映射常用的解模糊器主要有以下几种 1 重心解模糊器( c e n t e ro fg m v i t yd e f u z z i f i e r ) 矿=锆 2 中心平均解模糊器( c e n t e ra v e r a g ei ) e f u z z i f i e r ) f 矿蚍 矿= 机 矿为第个模糊集的中心 3 最大值解模糊器( m a x i m u mi ) e f u z z i f i e r ) 矿= 矿( ) 中的任意一点 其中 矿( ) = 协vp b ，( 口) = 8 哩p ( ) ) 是v 上所有咐( ) 取得其最大值的点的集 ，v 合 2 3 模糊控翩系统的特性 ( a ) 模糊控制系统的非线性性 定理2 1 假设规则仁印中的模糊集是砂标准模糊集，其中心为矿，则带有模糊规则库。 乘积推理机、和单值模糊器及中心平均解模糊器的模糊系统形式为。 m” 矿( 峨) ，o ) = 号广笋一 ( 2 2 ) ( 1 1 恤) ，妊l = 1 式中，u c j p 是模糊系统的输入，( z ) v c r 是模糊系统的输出 从定理( 2 1 ) 可以看到，一方面，模糊系统是基于规则库的系统，它是由一系列语言规 则构造而成的；另一方面模糊系统又是非线性映射，在许多情况下，它可以用形如( 2 2 ) 那 榉的准确而严密的公式来表达 ( b ) 模糊控制系统的万能逼近特性 定理2 2 假定输入论域矽是j 上的一个紧集，则对于任意定义在u 上的实连续函数g p ) 和任意的 0 ，一定存在如式偿力的模糊系统，( z ) 使下式成立， s u pi ，( ) 一g ( 2 ) l e( 2 3 ) # 6 u 即带有乘积推理机，单值模糊器、中心平均解模糊器的模糊系统是万能逼近器 证明：见参考文献( 3 1 ) 第三章基于b 样条函数的模糊神经网络 本章是本文的理论基础首先通过分析b 样条函数与隶属函数之间的差别。提出将正 则化后的b 样条函数作为隶属函数应用于模糊神经网络控制器l 通过仿真试验我们发现基 于此种b 样条函数的模糊神经网络控制器在函数逼近方面的不足，提出了基于改进型b 样 条函数的模糊神经网络控制器 3 1b 样条函数 3 1 1b 样条函数简介 b 样条函数即基本样条函数( b a s i cs p l i n el m i n c t i o n s ) ，在样条函数的理论与应用研究中 都起着基本的作用，是所有群条函数中具有最小局部支撑的样条函数它是以多项式分段 插值的方式对给定的输入输出数据进行光滑的曲线拟合 定义在区间陋1 ，# + 一上以。l 劫 ， 0 醚“ 【20 ， e l s e 3 ) 递归性，即 蜀，“z ( z ) 2 ：；：i 专最“z ) + 兰：嚣：杀晟+ z 如) 具有n 维输入的多变量b 样条函数是由”个单变量b 样条函数的张量积组成张量积 b 样条函数的总数p 为每个单变量b 样条函数个数的乘积，每个单变量b 样条函数可以有 壅查些塑圭丝塞 里：兰董垂! 堂叁重墼墼堡塑丝丝堕丝 1 2 不同的阶次设i t , 个输入矢量。= 陋l ，z 2 ，n 在每个输入轴上定义单变量b 样条函数 且，k ( z i ) a = l ，2 ，n ；岛= 1 ，2 ，佻) 那么第k 个多变量b 样条函数肘i ( ) 可由n 个单 变量基函数甄 ( i ) 的乘积获得。即 靠扛) = b l ，0 ) ，r 巩，k ( 。) = 鼠 ( 戤) ( 3 2 ) d = - i 其中，k = 1 ，q ；q = m l m , z ，m 张量积b 样条函数也保持b 样条函数的一致性及凸特性个多变量b 样条函数可由 多个b 样条基函数的线性组合来逼近，即，k l 峨冬1 b i ，k ( 戤) ，其中q = t t l , l ，m 。；= 1 ，2 ，- ，q 3 l 2b 样条函数与隶属函数 通过前面对b 样条函数的介绍，我们可以看到b 样条函数的基本特征正好符合隶属函 数的基本要求而且当b 样条函数取不同的阶次值时，它可以逼近一些常见的模糊隶属函 数图( 3 1 , 3 2 , 3 3 ) 给出了= 1 , 2 ，3 时的b 样条函数的图像如果取个b 样条函数按一 定的比饲分布，那么这个b 样条函数的分布则类似与隶属函数的模糊集合图( 3 4 ，3 5 ) 分别给出了k = 2 ，n = 3 与= 3 ，n = 5 时b 样条函数函数的分布曲线 图3 1 ：k = l 时的图像图3 2 ：k = 2 时的图像图3 3 ：k = 3 时的图像 图3 j 4 ：k = 2 ，n = 3 时的图像图3 5 ：k = 3 ，n = 5 时的图像 同时我们也看到，高于二阶的b 样条基函数并不是正则模糊集，将它乘以一个正则化 奎童垄耋坠耋堡垒塞篁：鎏! 垦! 丝叁里墼墼堡塑垫丝垦竺 1 3 因子，使其最大值为1 ，则可作为模糊隶属度函数，即 i i ( 戤) = 最，h ( $ ) 卜鄹1 嗣i = i , 2 , - - - , r r 。3 3 1 3 以b 样条函数为隶属函数的模糊系统 由于多输入多输出( m m o ) 模糊系统可以分解为多个多输入单输出( m i s o ) 模糊系统 的集合，这里我们只考虑多输入单输出( m i s o ) 的模糊系统 考虑n 输入且具有如下模糊控制规则的m i s o 系统t r u l e ( i x ，k ) ： i fx lb 硅，h ，a n d ni s 硬k ，t h e n i sk l ， 其中，磅是即所对应的b 样条函数的阶数，或，b 是所对应的b 样条函数的第巧 个语义分类，k ，如是模糊规则r u l e ( i l ，k ) 的控制顶点 则具有单值解模糊器，b 徉条隶属函数，乘积推理机。中心平均解模糊器及上述模糊规 则的模糊系统输出为一 = 登登f k ， n 毛山( 句) 1l k ， 毛山( 句) l i 1 = 1 k = l j = i t n lmn nb i 也渤) i 1 = 1= l ，= 1 = i 耋l 壹, n ：l ( k 重毛“勺，1 c s = l k 。k n 毛，b ( 勺) l ( 3 4 = l 、j = l 可以看出，b 样条函数关于是b 一2 阶连续，且满足模糊系统的非线性性及万能逼 近特性 3 2 基于b 样条函数的横糊神经网络( b - a n f i s ) 人工神经网络是一种重要的信息处理技术。它能在计算机上模拟人脑神经网络最显 著的特征是它的自学习性，它具有通过学习自行领悟事物内在规律的能力，可并行实时地 进行计算；能处理不完整的或有错误的信息，找出数据间难以用数学函数精确表示的内在 联系但它对设计者来说仅仅是个黑箱，因为它的权值很难表示出具体的意义而模糊系统 是由语言形式的规则组成，因而具有明确的意义，但它却无法通过训练来自动地调整自己 的参数。模糊系统和神经网络各有自己的特点，它们的结合可以弥补各自的不足 壅塞垄堂堑丝墼苎堡三塞苎至星丝查重墼墼塑矍丝曼垒 1 4 模糊神经网络有两种类型，一种是将神经网络引入模糊系统。利用神经网络的自学习 和自适应能力来廨决模糊系统设计中的主观问题，优化模糊系统另一类是将模糊逻辑引 入人工神经网络，动态的调整神经网络的学习过程，改善网络的性能许多模糊神经网络都 采用了神经网络的结构，虽然不采用这样的方法也可以将神经网络的学习算法应用到模糊 系统中，但是用神经网络的结构来表示系统有明显的优点首先，这样可以方便地观察系统 中的数据的传播，例如输入数据、误差信号、输出信号等 其次，这样可以方便地比较两个 不同的系统，它们在结构上的差异可以明显地表示出来i 另外。如果系统用神经网络的结构 来表示，就可以方便地使用一些建立神经网络的工具来表示系统，只需要特定的激活函数 和权值即可 目前模糊神经网络模型大多为多层前向网络结构，同时各种模糊神经网络的区别主要 在于隶属函数，模糊加权算子，模糊激励函数，输入输出形式，网络结构，参数的设定以及 调整方法等的不同本文结合两类系统的核心内容，建立一种以模糊数据和模糊思想为内 容，以b 样条函数为纽带，以神经网络的结构和处理方法为框架的模糊神经网络一一基于 b 样条函数的模糊神经网络( b - a n f i s ) 3 2 1b - a n f i s 的结构 b - a n f i s 神经网络的结构与一般模糊神经网络的结构基本类似，其主要区别在于系统 的第二层，具体如图( 3 6 ) 所示t 图中第一层为输入层该层的各个节点直接与输入向量的各分量羁连接，它将输入值 x = 陋l ，2 2 ，】7 传送到下一层该层的节点数为n i = n 第二层每个节点代表一个语言变量值，它的作用是计算各输入分量各语言变量值集合 的隶属函数詹，本文中我们采用b 样条函数作为隶属函数- _ i l i = 或i ( 2 )( 3 5 ) l = 1 ，2 ， ，= l ，2 ，”“n 是输入量酶维数，佻是如的模糊子集的个数该层的 节点数为2 = 他 第三层的每个节点代表一条模糊规则，它的作用是用来匹配规则的前件，计算出每条 规则的适用度即 q = 衍膀府 ( 3 6 ) 其中l 1 ，2 ，m 1 ) ， 2 1 ，2 ，m 2 ) ，k 1 ，2 ，。) ，j 1 ，2 ，m ，m = k ， 该层的节点数为3 = m 图3 ，6 ：模糊神经网络的结构 第五屡 第四层 第气层 第二层 第一层 第四层为输出层，输出结果为输入样本相对于识别类型的隶属函数节点数与第三层 相同 第五层为去模糊化层，得到最终的识别结果 在补偿模糊神经网络中。存在着以下几类模糊神经元。 ( 1 ) 模糊化神经元 模糊化神经元执行的是模糊化运算，它将一个确定的2 映射到模糊子集a ，用= p 山( ) 表示 ( 2 ) 模糊推理神经元 该神经元通过函致? 缸1 ，) ，将“= 1 ，2 ，n ) 映射到输出玑作用是实现模 糊系统中的模糊推理 ( 3 ) 解模糊神经元 该神经元的作用是产生基于输入鼽0 = 1 ，2 ，t 1 ) 和权值毗0 = 1 ，2 ，n ) 的确定值玑 其通常的解模糊函数采用式( 3 9 ) n 挑 d ( z 1 ，如，) = 与【_ 一 i = 1 3 2 2 基于b 样条函数的模糊神经网络( b - a n f i s ) 对具有n 个输入变量，五个模糊规则的系统规则具有如下规则形式： r 磁e ( i l ，铀：i f 。1 罄或，而，a n d i s 磁，k ，t h e n 誊i s 砭 ( 3 。7 ) 其中。磁山是输入论域u 上的模糊集，虼是输出论域v 上的模糊集，和是语言变 量，1 l s l ；i z 选择模糊子集的隶属函数为3 阶b 样条函数- 鼠3 ( z ) = i 4 矗 0 ，q ( t ) 为对应每次迭代时调整各权值的学习步长所构成的向量 现将算法总结如下 s t e p1 结构的确定和初始参数的设置设定初始参数，( o ) ，疗( o ) 及隶属函数 s t e p 2 给出输入数据对并计算模糊系统的输出对于给定的输入一输出数据对( 妒，；p ) ， p = 1 ，2 ，。在学习的第q ( q = 0 ，1 ，2 ，) 阶段，把矽作为图( 3 6 ) 中的输入层，然后计算出 网络第一层一第五层的输出 s t e p3 调整参数利用学习算法( 2 1 4 ) ，( 2 1 6 ) ( 2 i s ) ，( 2 1 9 ) 计算出要调整的参数峨( t ) ， 欧( t ) ，b ，k ( 0 ，称) s t e p4 令q = q + 1 返回s t e p2 重新计算，直到误差l 尸一矿l o 或z m o b 分别为两侧最外面的模糊隶属函数的 峰值所对应的z 值) 时，晟 ( 。) 均开始变小。这不符合模糊推理规则例如，当两车速度差 小到一定值时，可能落在( n ，6 ) 之外，此时有甄 一0 ，使得后车加速度很小。加上其它一 些因素的影响，后车的加速度趋于0 ，使后车匀速行驶，这可能导致撞车事故的发生为解 决这一问题。我们可以利用b 样条函数的最小支撵性。把节点序列的最右的节点置于+ 处，使。正大。隶属函数在无穷远处藩在横轴上，从而使此曲线以不断增长的方式伸向无穷 远对。正小隶属函数我们也可用过取。正大的镜像值而获得改进后的隶属函数如图 ( 3 1 0 ) 所示 壅堕查兰堑圭兰堡垒塞篁：童董至里堂垄里墼丝墅丝丝堕竺 盟 运用改进后的b 样条函数作为隶属函数对例3 再次进行仿真。所获得仿真瞳线如图 ( 3 1 1 ) 所示，我们可以看到，经过改进后模糊系统在上述情况下，对函数的逼近效果较为理 想，具有很好的自适应性 图3 8 ：b 样条隶属函数图3 9 ：三角形隶属函敢 田3 10 ：改进后的b 样条隶属函数 图3 1 1 ：b 样条隶属函数改进后的系统响应曲 线 第四章车距模糊自适应控制器的设计与优化 车距控制系统是一个复杂控制系统，常规的控制方法得到的控制效果不太理想本章 以第三章所介绍的理论为基础，设计具有自适应性的模糊神经网络控制器，并对其进行优 化。实现对后车加速度的自适应控制 4 1 行车安全距离 在同车道上，同向行驶的车辆以相同的速度、连续不断的行驶，各车辆之间保持着一 定的车头间距，构成一个稳定的交通流如果跟随车辆的车头间距过小，则容易发生追尾事 故 如果车头间距过大，又会影响道路的通行能力 所谓行车安全距离，是指在同一车道上，同向行驶的前后车车间距离( 后车车头与前车 车尾问的距离) ，保持既不发生追尾事故，又不影响道路通行能力的适当距离 行车安全距离的计算公式为t s = t h ( o + t b ) + 煮生+ 工一毒坠 ( 4 1 ) j 蝴j 砒 其中ts 为行车安全距离；为跟随车制动前的初速度( r e s ) lt ，t b 分别为跟随车驾 驶员制动反应时间和车辆制动协调时间；l 为停车后前导车与跟随车间的安全距离ij 吖、知 分别为跟随车与前导车的制动减速度 根据此公式。经过计算可以得到，当驾驶员身体状况良好，车辆性能良好的情况下，安 全距离为车速的1 2 倍，即两车间距米数为车速( 仇8 ) 的1 2 倍的情况下绝对安全；而 当驾驶员受外界干扰大，自身状况不适，或车辆状况差时，所保持的行车距离应在驾驶员身 体状况良好及车辆性能良好的情况时的安全距离基础上至少增加1 2 m ，才能保证行车绝 对安全。不致于发生追尾事故本设计考虑正常驾驶条件下的行车安全，取车速的1 5 倍作 为安全距离。具俸数值对照表如图( 4 1 ) 所示 图4 1 ：前后车之间的安全距离 缓k , n h 一1 6 06 07 08 09 01 0 0 1 1 0 皇度，m ，一1 l & b 91 6 6 71 9 4 42 2 ，船2 52 7 7 83 0 5 8 安全距离，m 2 0 8 4弱肿2 9 1 63 3 3 33 7 64 1 6 7非剧 2 3 奎妻奎耋曼圭兰堡墼塞篁璺塞皇里塑自重窒堡堡墅笪墼竺皇丝 2 4 4 2 模糊控制器的设计 模糊控制器的设计主要包括以下内容 1 确定模糊控制器的结构l 2 确定描述输入输出变量的模糊语言i 3 确定隶属函数及控制规则i 4 确定模糊化和去模糊化的方法 4 2 ，1 确定模糊控制器的结构 确定模糊控制器的结构是指选择哪些变量作为系统的输入和输出变量由于模糊控制 规则是总结操作人员控制经验得到的，所以选择的变量应该是操作人员能够获得的变量 通常将模糊控制器输入变量的个数称为模糊控制的维数一维模糊控制器输入变量只 选一个，用于一阶被控对象。它的动态控制性能不佳二维模糊控制器输入变量为两个，以 控制量的变化为输出变量从理论上讲，模糊控制器的维数越高，控制越精细但是维数过 裔，模糊控制规则变得过于复杂。控制算法的实现相当困难目前人们广泛设计与应用二维 模糊控制器 在驾驶的过程中，驾驶员主要根据前后两车的距离及速度之间的变化来确定自己的驾 驶行为本文将构造一个二维的模糊控制器，以前后车车距与安全距离的偏差( d s ) 及前后 车车速之差( 后车速度减前车速度r 矿) 作为前件变量，而以后车的加速度( a f v ) 作为系统 的输出 4 2 2 选择描述输人输出变量的模糊语言 模糊控制器的控制规则表现为一组模糊条件语句，在条件语句中描述输人输出变量状 态的些词汇( 如。正大，。负小等) 的集合，称为这些变量的词集( 亦可以称为变量的模 糊状态) 模糊语言即为模糊状态或模糊集合模糊语盲选择的多，说明变量可以用较多的模糊 状态来描述，制定规则时就比较灵活，规则也比较细致。但可能会使规则变得比较复杂所 以选择模糊语言时并非选择的数量越多越好，而需要兼顾简单性和灵活性 在本文中，对于d s 科、a f v ，我们都选择了五个词汇，即 负大，负小，零，正小，正大) 一般用英文字头缩写为 n b ，n s ，z e ，p s ，p b 壅童查兰曼主堂堡垒塞篁粤塞圭里堡塑自重壅丝篁墅堕墼逖2 5 4 2 3 确定模糊集合的隶属函数及控制规则 ( a ) 定义模糊集的隶属函数 描述输入、输出变量的词汇都具有模糊特性，可用模糊集舍来表示。因此，模糊概念的 确定同题就直接转化为求取模糊集合隶属函数的问题 隶属函数的形状和参数的选择是否符合客观实际。将直接影响控制效果本文中，我们 选择改进后的b 样条函数作为隶属函数 ( b ) 建立模糊控制器的控制规则 控制规则是模糊控制器的核心模糊控制器的控制规则是基于手动控制策略，而手动 控制策略又是人们通过学习、试验以及长期经验积累而逐渐形成的。存储在操作者头脑中 的种技术知识集合手动控制过程般是通过对被控对象( 过程) 的一些观测，操作者再 根据已有的经验和技术知识，进行综合分析并作出控制决策，调整加到被控对象的控制作 用，从而使系统达到预期的目标 模糊控制规则实质上就是对人们在控制过程中的经验总结利用语言归纳手动控制策 略的过程。实际上就是建立模糊规则的过程手动控制策略一般都可用条件语句加以描述， 以便于在建立模糊控制规则是选用。 根据已确定的输入输出变量，我们可以确定具有如下形式的模糊i f - t h e n 规则一 舻：d si s 世a n dr yh 磷，t h e na f vi s 砚 其中，名、b 5 ，诺分别为距离差、速度差及后车加速度的模糊集 基于此。我们可以根据经验确定模糊控制规则首先考虑距离差为负即前后两车间距 离小于安全距离的情况 当距离差为负大时，若速度为负，系统本身已经有减小距离差的趋势。为尽快消除误差 且又不产生超调，应选则较小的减速度；若速度差为正，距离差由增大的趋势，为尽快消除 巳有的负大距离差并抑制距离差继续变大，应选的加速度为负大 当距离差为负小时，两车车距接近已安全距离。若速度差为负大，系统本身有明显的消 除距离差的趋势，后车加速度可不作改变；若速度差为负小，系统本身已有消除误差的趋 势，选择加速度为负小即可；若速度差为正，则距离差有增大的趋势，应选取加速度为负来 抑制距离差的继续增大 以上选取加速度变化的原则是t 当距离差较大时。应选取加速度为负大以尽快消除距 离差，避免追尾事故的发生i 当距离差较小时，应以系统的稳定性为前提选择合适的加速 度 奎塞查丝堂堡垒塞堡璺塞圭里堡塑! 重鏖丝型墅墼些垡些2 6 距离差为正时的情况与距离差为负时的情况相类同，相应的符号都要变化，在此不再 赘述 因此，我们可以得到如下所示的控制规则表， r vn bn s z ep sp b n bn sz e p b p b p b n sn sn s p sp sp b z en bn sz ep sp b p sn bn s n sp 8p s p bn bn b n bz ep s 4 2 4 模糊化和去模糊化的方法 如果精确量z 的实际变化范围为【o 6 l ，将【口，6 l 区间的精确变量转换为【_ 4 ，4 】区间变化 的变量玑采用如下公式 ，= 吉卜一孚】 ( 4 。) p 2 i 二i ”丁j j 由上式计算的g 值若不是整数。可以把它归入最接近于掣的整数 为了利用设计的模糊控制器来帮助我们解决实际同题。输入变量必须先进行模糊化，才 能进行模糊控制操作通过模糊控制器得到的输出变量是一个模糊量，为了利用这个输出 指导实际问题，也必须将其进行解模糊化，得到个精确的输出控制量 常见的模糊器和解模糊器见2 2 节的介绍 本文采用单值模糊器和中心平均解模糊器 4 3 车间距离控制器的设计与优化 在本节，我们将针对车间距离控制器，根据4 2 节介绍的控制系统的设计方法构造 b - a n f i s ，并运用3 2 3 中的学习算法对控制器进行优化 车间距离控制器本质