【《基于MATLAB的汽车驱动意图仿真分析案例》1500字】

I基于MATLAB的汽车驱动意图仿真分析案例1.1驱动意图辨识模型建立在本文中，将选择在MATLAB中选用模糊控制工具箱对驱动意图辨识模型进行建立。其建立的大致步骤可以分为：1．对模糊控制器结构进行确定：也就是根据具体的系统确定输入量和输出量。经过查阅相关的文献、资料ADDINCNKISM.Ref.{AF26F1CE8FDE48eaB7BB60C43C79B0FA}[9-12]，可以发现输入量会影响驾驶员的驱动意图是否能够被更加完整且准确地描绘出，也会影响驱动意图辨识模型的建立。因此在本文中，除了将预测加速度作为实验的输入量之外，还选择将滑移率作为输入量。输入参数设置和算法设置如图7所示。由图可知，我们选择的结构是标准的二维控制结构，该控制结构有两个输入和一个输出。输入为滑移率s和预测加速度a，输出为行驶意图特征di。图7.输入参数设置及算法设置2．输入输出变量的模糊化：对输入输出参进行设置后，还需要将输入输出的精确量转变成相应的语言变量的模糊集合。首先描述输入输出变量语言值的模糊子集需要被确定下来，本文中预测加速度的模糊子集为{Z，PE，PS，PM，PB}，滑移率的模糊子集为{Z，S，M，B}。确定模糊子集后还需要设置输入量和输出量的论域，预测加速度的论域为[010]，滑移率的论域为[00.4]。之后在模糊子集和论域的基础上为模糊语言变量选取添加最为合适的隶属度函数。如图8所示，预测加速度a，主要是划分为5个隶属度函数：Z表示预测加速度为0，PE表示预测加速度正值接近于0，PS表示预测加速度正值很小，PM表示预测加速度正值适中，PB表示预测加速度正值很大。图8.预测加速度的隶属度函数如图9所示，滑移率s则是选取的4个隶属度函数：Z表示滑移率的值在0附近，S表示滑移率的值较小，M表示滑移率的值适中，B表示滑移率的值很大。图9.滑移率隶属度函数行驶意图特征di选择的是4个隶属度函数：UV表示匀速行驶，SA表示轻度加速，MA表示中度加速，CA表示紧急加速。隶属度函数如图10所示。图10.行驶意图特征隶属度函数3．设计模糊推理决策的算法：也就是在模糊控制规则的基础上进行模糊推理，从而决策出模糊输出量。模糊规则的确定即是根据专家经验，以上已经确定了输入量以及输出量，由于本文中选择的是二维控制结构，且本系统为多输入单输出系统。模糊规则恰恰是整个模糊设计的核心，模糊规则设计得是否符合现实逻辑对控制器的性能有着很大的影响。根据相应的输入模糊集，最终制定了20条模糊控制规则，本系统根据车辆滑移率和预测加速度的状态，进一步地确定了车辆的行驶意图特征。以上内容制定完成以后，会生成一个关于模糊控制规则的矩阵，输入量将会按照相对应的模糊推理算法完成计算，最终决策出输出量。模糊控制规则库如表3所示。表1.模糊控制规则库滑移率加速度ZPEPSPMPBZUVUVUVUVUVSUVSASAMAMAMSASAMAMACABCACACACACA4．对输出模糊量进行解模糊：由于一开始模糊控制器的输出量还只是一个模糊集合，为了得到更为精确的量，我们可以通过反模糊化的方法。根据相关资料和经验，本文的解模糊选取的是重心法，即centroid。本文的这些规则的权重系数都是1，运用MATLAB自带的模糊控制工具箱，最终得到的结果如图11、12所示。图11中通过拖动红色竖线可以清楚地观察设计规则。图12则是输入和输出变量的三维曲面图。图11.隶属度函数总览图12.行驶意图特征模糊规则特征图1.2本章小结从本章中，我们可以看到MATLAB模糊控制工具箱在设计过程中存在的优点是它是一种更为便捷的方式，通过模糊控制工具箱，可以省略掉很多复杂的过程，我们只需要设定输入输出等相应的参数，不需要繁杂的多余操作便可以实现满足需求的控制器。但在设定控制规则的时候，主要依据专家经验，该控制规则确定后不能实时调整，适应性较差。若有需要对控制器进行修