第3章智能汽车设计基础—软件ppt课件

1、第3章 智能汽车设计根底软件第3章 智能汽车设计根底软件在智能车系统的设计中，硬件是根底，没有一个好的硬件平台，软件就无法运转。对于智能车系统来说，软件的中心是控制算法。而完成这些义务的编程言语有汇编言语和C言语。软件部分是整个智能车系统的灵魂，在硬件方面各参赛队之间大同小异，真正表达各参赛队智能车的优势和最后决议竞赛成果好坏的往往是软件部分，尤其是中心控制算法的设计。本章首先简要引见软件编程中运用的汇编言语和C言语各自的特点，然后重点引见中心控制算法的原理。3.1 编程言语简介13.2 控制算法2 思索题3第3章 智能汽车设计根底软件3.1 编程言语简介汇编言语是用符号指令书写程序的言语，是

2、依赖于硬件平台的言语，对于不同架构的CPU都会有相应的汇编指令。汇编言语可以直接操作CPU内部的存放器以及各种外围设备，对于单片机启动开场运转或者对于时序要求严厉的I/O操作必需采用汇编言语编写，在启动开场运转时汇编言语创建系统的运转环境。C言语的特点就是可以使程序员尽量少地对硬件进展操作，具有很强的功能性、构造性和可移植性。由于C言语具有言语简约、紧凑，运用灵敏、方便，运算符和数据类型丰富，可以直接访问物理地址，进展位操作，能实现汇编言语的大部分功能，可以直接对硬件进展操作，因此C言语既具有高级言语的功能，又具有汇编言语的功能，对于编写与硬件相关的运用程序而言具有明显的优势。3.1 编程言语

3、简介在绝大多数场所，采用C言语编程即可完成预期的目的，但是对实时时钟系统、要求执行效率高的系统就不适宜采用C言语编程，对这些特殊情况进展编程时要结合汇编言语。汇编言语具有直接和硬件打道、执行代码的效率高等特点，可以做到C言语所不能做到的一些事情，例如对时钟要求很严厉时，运用汇编言语便成了独一的选择。这种混合编程的方法将C言语和汇编言语的优点结合起来，曾经成为目前单片机开发最流行的编程方法。关于编程言语的详细引见可参阅相关书籍。3.2 控制算法1 3.2.1 PID控制算法2 3.2.2 模糊控制算法3 3.2.3 其它智能 控制算法3.2.1 PID控制算法PIDProportional In

4、tegral Differential控制是比例、积分、微分控制的简称。在自动控制领域中，PID控制是历史最久、生命力最强的根本控制方式。PID控制器的原理是根据系统的被调量实测值与设定值之间的偏向，利用偏向的比例、积分、微分三个环节的不同组合计算出对广义被控对象的控制量。图3.1是常规PID控制系统的原理框图。3.2.1 PID控制算法 图3.1 常规PID控制系统原理框图3.2.1 PID控制算法 其中虚线框内的部分是PID控制器，其输入为设定值 与被调量实测值 构成的控制偏向信号 ： (3.1) 其输出为该偏向信号的比例、积分、微分的线性组合， 也即PID控制律： (3.2) 式中， 为

5、比例系数； 为积分时间常数； 为微分时间常数。3.2.1 PID控制算法 根据被控对象动态特性和控制要求的不同，式(3.2)中还可以只包含比例和积分的PI调理或者只包含比例微分的PD调理。下面主要讨论PID控制的特点及其对控制过程的影响、数字PID控制战略的实现和改良，以及数字PID控制系统的设计和控制参数的整定等问题。3.2.1 PID控制算法1PID控制规律的特点 1比例控制器 比例控制器是最简单的控制器，其控制规律为 (3.3) 式中，Kp为比例系数； 为控制量的初值，也就是在启动控制系统时的控制量。图3.2所示是比例控制器对单位阶跃输入的阶跃呼应。 由图3.2可以看到，比例控制器对于偏

6、向是及时反响的，偏向一旦产生，控制器立刻产生控制造用使被控量朝着减小偏向的方向变化，控制造用的强弱取决于比例系数Kp。3.2.1 PID控制算法 图3.2 比例控制器的阶跃呼应3.2.1 PID控制算法比例控制器虽然简单快速，但对于具有自平衡性即系统阶跃呼应终值为一有限值的被控对象存在静差。加大比例系数Kp虽然可以减小静差，但当Kp过大时，动态性能会变差，会引起被控量振荡，甚至导致闭环系统不稳定。3.2.1 PID控制算法2比例积分控制器 为了消除在比例控制中存在的静差，可在比例控制的根底上加上积分控制造用，构成比例积分PI控制器，其控制规律为 (3.4)式中， 称为积分时间。图3.3所示为P

7、I控制器对单位阶跃输入的阶跃呼应。3.2.1 PID控制算法 PI控制器对偏向的作用有两个部分：一个是按比例部分的成分，另一个是带有累积的成分即呈一定斜率变化的部分，这就是积分控制部分的作用。只需偏向存在，积分将起作用，将偏向累计，并对控制量产生影响，即偏向减小，直至偏向为零，积分作用才会停顿。因此，参与积分环节将有助于消除系统的静差，改善系统的稳态性能。3.2.1 PID控制算法 图3.3 PI控制器的阶跃呼应3.2.1 PID控制算法显然，假设积分时间太大，那么积分作用减弱，反之那么积分作用较强。增大，将使消除静差的过程变得缓慢，但可以减小系统的超调量，提高稳定性。必需根据被控对象的特性来

8、选定，如对于管道压力、流量等滞后不大的对象，可以选得小些，对温度、成分等滞后比较大的对象，可以选得大些。3.2.1 PID控制算法3比例积分微分控制器 积分调理作用的参与，虽然可以消除静差，但其代价是降低系统的呼应速度。为了加快控制过程，有必要在偏向出现或变化的瞬间，不但要对偏向量做出反响即比例控制造用，而且要对偏向量的变化做出反响，或者说按偏向变化的趋势进展控制，使偏向在萌芽形状被抑制。为了到达这一控制目的，可以在PI控制器的根底上参与微分控制造用，即构造比例积分微分控制器PID控制器。PID控制器的控制规律为 (3.5) 3.2.1 PID控制算法 式中，称为微分时间。理想的PID控制器对

9、偏向阶跃变化的呼应如图3.4所示，它在偏向变化的瞬间处有一个冲激式的瞬态呼应，这就是由微分环节引起的。 图3.4 理想PID控制器的阶跃呼应3.2.1 PID控制算法由微分部分的控制造用 (3.6) 可见，它对偏向的任何变化都会产生控制造用，以调整系统的输出，阻止偏向的变化。偏向变化越快，控制量就越大，反响校正量就越大。故微分作用的参与将有助于减少超调量，抑制振荡，使系统趋于稳定。微分作用可以加快系统的动作速度，减小调整时间，改善系统的动态性能。3.2.1 PID控制算法2数字PID控制算法 在延续消费过程控制系统中，通常采用如图3.1所示的PID控制，其对应的传送函数表达式为 (3.7) 对

10、应的控制算法表达式为 (3.8)式中， 为比例增益； 为积分时间常数； 为微分时间常数； 为控制量； 为被控量与设定值 的偏向。3.2.1 PID控制算法 为了便于计算机实现PID算法，必需将式(3.3)改写为离散采样式，这可以将积分运算用部分和近似替代，微分运算用差分方程表示，即 (3.9 (3.10) 式中，T为采样周期；k为采样周期的序号 ；和分别为第和第k个采样周期的偏向。3.2.1 PID控制算法 将式(3.9)和式(3.10)代入式(3.8)可得相应的差分方程，即 (3.11) 式中， 为第 k 个采样时辰的控制量。假设采样周期T与被控对象时间常数比较相对较小，那么这种近似是合理的

11、，并与延续控制的效果接近。 模拟调理器很难实现理想的微分 ，而利用计算机可以实现式(3.10)所表示的差分运算，故将式(3.11)称为理想微分数字PID控制器。根本的数字PID控制器普通具有以下两种方式的算法。3.2.1 PID控制算法 图3.5 位置型算法流程图3.2.1 PID控制算法 1位置型算法 模拟调理器的调理动作是延续的，任何瞬间的输出控制量 u 都对应于执行机构如调理阀的位置。由式(3.11)可知，数字控制器的输出控制量 也和阀门位置相对应，故称为位置型算式简称位置式。相应的算法流程图如图3.5所示。 由图3.5可以看出，由于积分作用是对一段时间内偏向信号的累加，因此，利用计算机

12、实现位置型算法不是很方便，不仅需求占用较多的存储单元，而且编程也不方便，因此可以采用其改良式增量型算法来实现。2增量型算法 根据式(3.6)不难得到第个采样周期的控制量，即 (3.12) 将式(3.11)与式(3.12)相减，可以得到第k个采样时辰控制量的增量，即 (3.13) 式中， 为比例增益； 为积分系数， ； 为微分系数， 。3.2.1 PID控制算法 3.2.1 PID控制算法 由于式(3.13)中对应于第k个采样时辰阀门位置的增量，故称式(3.13)为增量型算式。由此，第k个采样时辰实践控制量为 (3.14) 为了编写程序方便，将式(3.13)改写为 (3.15) 式中， ； ；

13、。 3.2.1 PID控制算法 由此可见，要利用 和 得到 ，只需求用到 , 和 三个历史数据。在编程过程中，这三个历史数据可以采用平移法保管，从而可以递推运用，占用的存储单元少，编程简单，运算速度快。增量型算法的程序流程图如图3.6所示。 增量型算法仅仅是在算法设计上的改良，其输出是相对于上次控制输出量的增量方式，并没有改动位置型算法的本质，即它依然反映执行机构的位置开度。假设希望输出控制量的增量，那么必需采器具有坚持位置功能的执行机构。 数字PID控制器的输出控制量通常都是经过D/A转换器输出的，在D/A转换器中将数字信号转换成模拟信号420 mA的电流信号或05 V的电压信号，然后经过放

14、大驱动安装作用于执行机构，信号作用的时间延续到下一个控制量到来之前。因此，D/A转换器具有零阶坚持器的功能。 3.2.1 PID控制算法图3.6 增量型算法流程图 3.2.2 模糊控制算法模糊Fuzzy控制是用言语归纳操作人员的控制战略，运用言语变量和模糊集合实际构成控制算法的一种控制。模糊控制的最重要特征是不需求建立被控对象准确的数学模型，只需求把现场操作人员的阅历和数据总结成较完善的言语控制规那么，从而可以对具有不确定性、不准确性、噪声以及非线性、时变性、时滞等特征的控制对象进展控制。模糊控制系统的鲁棒性强，尤其适用于非线性、时变、滞后系统的控制。模糊控制的根本构造如图3.7所示。3.2.

15、2 模糊控制算法图3.7 模糊控制根本构造图3.2.2 模糊控制算法 1模糊控制器的输入变量与输出变量1模糊控制器的输入、输出变量 模糊控制器是模拟人的一种控制。在对被控对象进展控制的过程中，普通根据设定值与被控量的偏向、偏向变化EC和偏向变化的速率ER进展决策。人对偏向最敏感，其次是偏向的变化，再次是偏向变化的速率。因此，模糊控制器的输入变量通常取、和EC或者, EC和ER，分别构成所谓一维、二维和三维模糊控制器。一维模糊控制器的动态性能不佳，通常用于一阶被控对象，二维模糊控制器的控制性能和控制复杂性都比较好，是目前广泛采用的一种方式。并且，普通选择增量算法作为模糊控制器的输出变量。3.2.

16、2 模糊控制算法2描画输入、输出变量的词汇 在模糊控制中，输入、输出变量大小是以言语方式描画的，因此要选择描画这些变量的词汇。我们的日常言语中对各种事物和变量的描画，总是习惯于分为三个等级，例如，物体的大小分为大、中、小；运动的速度分为快、中、慢；年龄的大小分为老、中、青。实践运用中普通都选用“大、中、小三个词汇来描画模糊控制器的输入、输出变量的形状，再加上正、负两个方向和零形状，共有7个词汇，即 负大，负中，负小，零，正小，正中，正大 普通用这些词的英文字头缩写，即 NB, NM, NS, O, PS, PM, PB 普通情况下，选择上述7个词汇比较适宜，但也可以多项选择或少选。选择较多的词

17、汇，可以准确描画变量，提高控制精度，但会使控制规那么变得复杂；选择的词汇过少，那么对变量的描画过于粗糙，导致控制器的性能变差。3.2.2 模糊控制算法 3变量的模糊量 某个变量变化的实践范围称为该变量的根本论域。记偏向的根本论域为，偏向变化的根本论域为，模糊控制器的输出变量系统的控制量的根本论域为。显然，根本论域内的量是准确量，因此模糊控制器的输入和输出都是准确量，但是模糊控制算法需求模糊量。因此，输入的准确量数字量需求转换为模糊量，这个过程称为“模糊化Fuzzification；另一方面，模糊算法所得到的模糊控制量需求转换为准确的控制量，这个过程称为“明晰化或者“反模糊化Defuzzific

18、ation。 比较适用的模糊化方法是将根本论域分为n个档次，即取变量的模糊子集论域为3.2.2 模糊控制算法 从根本论域到模糊子集论域的转换公式为 (3.16) 添加论域中的元素个数可以提高控制精度，但增大了计算量，而且模糊控制效果的改善并不明显。普通选择模糊论域中所含元素的个数为模糊言语词集总数的两倍以上，以确保各模糊集能较好地覆盖论域，防止出现失控景象。例如在选择上述7个词汇的情况下，可选择E和EC的论域均为 选择模糊控制器的输出变量即系统的控制量U的论域为3.2.2 模糊控制算法 4隶属度 为了实现模糊化，要在上述离散化了的准确量与表示模糊言语的模糊量之间建立关系，即确定论域中的每个元素

19、对各个模糊言语变量的隶属度。 隶属度是描画某个确定量隶属于某个模糊言语变量的程度。例如，在上述和EC的论域中，+6隶属于正大，隶属度为1.0；+5也隶属于，但隶属度要比+6差，可取为0.8；+4隶属于的程度更小，隶属度可取为0.4；显然-60就不隶属于了，所以隶属度取为0。 确定隶属度的值要根据实践问题的详细情况而定。实验研讨结果阐明，人进展控制活动时的模糊概念普通可以用正态型模糊变量描画。下面给出常用确实定模糊变量隶属度的赋值表，如表3.1、表3.2和表3.3所示。3.2.2 模糊控制算法2建立模糊控制规那么 模糊控制是言语控制，因此要用言语归纳专家的手动控制战略，从而建立模糊控制规那么表。

20、手动控制战略普通都可以用条件语句加以描画。条件语句的根本类型为 if A or B and C or D then U3.2.2 模糊控制算法3.2.2 模糊控制算法3.2.2 模糊控制算法3.2.2 模糊控制算法 下面引见一种根据系统输出的误差及误差的变化趋势，消除误差的模糊控制规那么。该规那么用下述21条模糊条件语句来描画。1if E = NB or NM and EC = NB or NM then U = PB2if E = NB or NM and EC = NS or O then U = PB3if E = NB or NM and EC = PS thenU = PM4if E

21、 = NB or NM and EC = PM or PB then U = O5if E = NS and EC = NB or NM then U = PM6if E = NS and EC = NS or O then U = PM7if E = NS and EC = PS then U = O8if E = NS and EC = PM or PB then U = NS9if E = NO or PO and EC = NB or NM then U = PM10if E = NO or PO and EC = NS then U = PS11if E = NO or PO and

22、 EC = O then U = O3.2.2 模糊控制算法12if E = NO or PO and EC = PS then U = NS13if E = NO or PO and EC = PM or PB then U = NM14if E = PS and EC = NB or NM then U = PS15if E = PS and EC = NS then U = O16if E = PS and EC = O or PS then U = NM17if E = PS and EC = PM or PB then U = NM18if E = PM or PB and EC =

23、 NB or NM then U = O19if E = PM or PB and EC = NS then U = NM20if E = PM or PB and EC = O or PS then U = NB21if E = PM or PB and EC = PM or PB then U = NB以上21条模糊条件语句可以归纳为模糊控制规那么表3.4。3.2.2 模糊控制算法 3.2.2 模糊控制算法3模糊关系与模糊推理 模糊控制规那么实践上是一组多重条件语句，可以表示为从偏向论域到控制论域的模糊关系矩阵 ，经过偏向的模糊向量 和偏向变化的模糊向量 ，与模糊关系矩阵 的合成进展模糊推

24、理，得到控制量的模糊向量，然后采用“反模糊化方法将模糊控制向量转换为准确量。 根据模糊集合和模糊关系实际，对于不同类型的模糊规那么可用不同的模糊推理方法。下面仅引见其中的对if A then B类型的模糊规那么的推理。 假设知输入为 ，那么输出为 ；假设如今知输入为 ，那么输出 用合成规那么求取： (3.17) 其中模糊关系 定义为3.2.2 模糊控制算法 例如，知当输入的模糊集合和输出的模糊集合分别为 (3.18) (3.19) 这里采用模糊集合的Zadeh表示法，其中 , 表示模糊集合所对应的论域中的元素， 而表示相应的隶属度，“不表示分数的意思。3.2.2 模糊控制算法 (3.20) 3

25、.2.2 模糊控制算法那么当输入 (3.21) 由下式求取，即3.2.2 模糊控制算法那么 (3.22) 在上述运算中，“ 为取小运算，“ 为取大运算。 由于系统的控制规那么库是由假设干条规那么组成的，因此对于每一条推理规那么都可以得到一个相应的模糊关系。n条规那么就有n个模糊关系： ，对于整个系统的全部控制规那么所对应的模糊关系可对 n个模糊关系 ( )取“并操作得到，即 (3.23)3.2.2 模糊控制算法 4模糊控制向量的模糊判决 由上述得到的控制量是一个模糊集合，需求采用“反模糊化方法将模糊控制项转换为准确量。下面引见两种简单适用的方法。 1最大隶属度法 这种方法是在模糊控制向量中，取

26、隶属度最大的控制量作为模糊控制器的输出。例如，当得到模糊控制向量为 (3.24) 由于控制量隶属于等级5的隶属度为最大，所以取控制量为 这种方法的优点是简单易行，缺陷是完全排除了其他隶属度较小的控制量的影响和作用，没有充分利用获得的信息。3.2.2 模糊控制算法 2加权平均判决法 为了抑制最大隶属度法的缺陷，可以采用加权平均判决法，即 (3.25) 例如 那么3.2.2 模糊控制算法 5模糊控制表 模糊关系、模糊推理以及模糊判决的运算可以离线进展，最后得到模糊控制器输入量的量化等级 , EC与输出量即系统控制量的量化等级之间 确实定关系，这种关系通常称为“控制表。对应于前面引见的21条控制规那

27、么的“控制表如表3.5所列。 模糊控制表可以离线求出，作为文件存储在计算机中，计算机实时控制时只需将A/D转换得到的偏向和偏向变化 ec 进展量化，得到相应的等级 E 和 EC ，然后从文件中直接查询所需采取的控制战略。3.2.2 模糊控制算法3.2.2 模糊控制算法6确定实践的控制量 显然，实践的控制量 应为从控制表中查到的量化等级 乘以比例因子。设实践的控制量 的变化范围为a, b，量化等级为 ，那么实践的控制量应为 假设 ，那么 例如在上述二维模糊控制器中，当 E 和 EC 的量化等级分别为-3和+1时，由控制表查得 ，那么模糊控制器输出的实践控制量应为 。 3.2.3 其它智能控制算法在智能车这样并不是很复杂的控制系统中，有一点需求铭刻：简单的算法只需参数调整得好，效果会相当不错；相反，复杂的算法，其设计和参数整定那么相对复杂，效果不一定比简单算法好。在智能车控制系统中，控制算法最普遍的就是上面讲到的PID和模糊控