基于智能车新规则的模糊滑模变结构方案

摘　要：第七届全国大学生“飞思卡尔”杯智能汽车竞赛竞速比赛规则较往届有较大改变，对于光电组，突出表现在赛道形式上，因此方案需要重新设计。本文基于光电组智能车，结合变结构的思想，设计了模糊滑模变结构的控制方案。在智能车上成功实现，实验表明，此方案响应迅速，适应性强，鲁棒性好。在行驶中，摇头舵机跟线及时、超调量小、极难丢线，入弯出弯转向顺滑，行驶流畅，最高平均稳定速度达3m/s。

关键词：新规则；模糊控制；滑模变结构；抖振

  1．引言
 "飞思卡尔"杯智能汽车竞赛新规则中黑线位置与往届不同，位于白板两侧。因此往届采用单排激光，"一"字形撒到黑线周围的方案已被淘汰。经比较，采用双排，"一"字形分别撒到两侧黑线周围，黑线内8颗激光点，黑线及其以外4颗激光点的方案是最佳的。表现在，激光板重量适中，激光点较为密集，摇头舵机转向范围较宽，入弯抖动较小。智能车的稳定快速行驶对摇头舵机控制的快速性和稳定性要求极其严格。在往届智能车竞赛中，黑线位于赛道中央，需要控制摇头舵机使黑线处在激光点范围内，因此对赛道信息的处理只需列举尽黑线可能的位置并赋给相应的偏差值，再对摇头舵机进行PD控制即可。控制简单，无需复杂算法。而在新规则下，由于赛道宽度不确定、前瞻可能再做调整等因素，列举尽黑线可能的位置几乎不可能。本文在此提出一种模糊滑模变结构控制方案，在对智能车控制中得到良好效果。
2．模糊滑模变结构控制
　　滑模变结构控制迫使系统的状态被限制在某一子流形上运动,即"滑动模态"运动，其本质是一类特殊的非线性控制，一种使控制系统结构随时间变化的开关特性。模糊滑模变结构控制是将模糊控制与传统的滑模控制相结合，并将两者的优点紧密结合在一起。模糊滑模变结构控制不仅具有常规模糊控制器的优点，即不需要建立系统的数学模型，而且还具有常规模糊控制器不具有的特点。表现在：一，系统的控制目标由跟踪误差改变为滑模函数，当控制使滑模函数s为0时，跟踪误差也将渐变至0；二，对于大于二阶的高阶系统，常规模糊控制中的输入是[]，而模糊滑模控制的输入()却始终是二维的。因此，在n>2的高阶系统中，模糊滑模控制简化了系统复杂性，同时柔化了控制信号，减轻或消除了一般滑模控制的抖振现象。
3．智能车系统模糊滑模变结构设计
　　3.1选择滑模面
　　滑模面的选择依赖于激光点上黑线分布。直线赛道上黑线位于激光点组成的线段的左右两半部分上；弯道上黑线位于激光点组成的线段的左半部分或右半部分，甚至黑线消失；十字交叉赛道上黑线消失，依次作为设计滑模面的依据。选择滑模面一，处理直道即黑线位于激光点组成线段的左右两半部分。选择滑模面二，处理右转的弯道即黑线位于激光点组成线段的左半部分。选择滑模面三，处理左转的弯道即黑线位于激光点组成线段的右半部分。选择滑模面四，处理十字交叉的空白部分即没有检测到黑线。
　　3.2滑模存在的条件
　　在智能车系统的激光点亮和接收模块，已经得到了由激光点黑白状态组成的一个24位数Sample，其中0代表白，1代表黑。判断滑模存在的条件，归根为判断这个24位数中1所在位置的情况。为简化判断过程，提高判断准确度，在此提出一次检测4位数据的算法。算法如下：
① 将24位数据Sample分成2个12位数据，分别命名为Sampleleft、Sampleright。
② 用与运算判断如果Sampleleft高8位为0，穷举低四位的16种状态，赋给左侧偏差值Bl。16种状态中的全白的那种状态就是Sampleleft为全0的状态，也即左半部分激光全白的状态，这时设定全白标志位Wl为1。
③ 用与运算判断如果Sampleleft高4位为0，穷举中间四位的16种状态，赋给左侧偏差值Bl。
④ 穷举高四位的16种状态，赋给左侧偏差值Bl。
　　Sampleright的检测算法类似于Sampleleft，此部分得到右侧偏差值Br。
　　至此，便可以确定滑模存在的条件。滑模面一存在的条件是Wr!=1&&Wl!=1；滑模面二存在的条件是Wr==1&&Wl!=1；滑模面三存在的条件是Wl==1&&Wr!=1；滑模面四存在的条件是Wr==1&&Wl==1。
　　3.3求解模糊滑模控制规律
　　利用模糊控制规律调整控制量u的大小，在满足滑模运动存在的条件下，可以削减滑模控制的抖振程度，确保<0成立。该方案在每个滑模面采用模糊控制规律，在切换面附近采用模糊化算法减弱抖振现象。
　　滑模面一：选择BrBl，偏差变化率作为决定控制量u输出的两个因素。算法如下：
① 定义模糊集
   PB（正大） PM（正中） PS（正小） NS（负小） NM（负中） NB（负大）ZO（零）
② 选定论域
BrBl={ NB，NM，NS，ZO ，PS，PM ，PB }
={ NB，NM，NS，ZO ，PS，PM ，PB }
△U={ NB，NM，NS，ZO ，PS，PM ，PB }
　　论域为：
BrBl={ -3，-2，-1，0，1，2，3 }
={ -3，-2，-1，0，1，2，3}
△U={ -3，-2，-1，0，1，2，3}
　　③确定模糊滑模控制器的模糊控制规则
 基本的模糊控制规则是：If BrBl is A and is B, then △U is C。模糊滑模变结构控制规则表如表1-1所示。

　
 在规则表中设定BrBl时△U为0，这样消除了摇头舵机在小范围内不停抖动的现象。
　　④解模糊化
 在模糊表中直接赋控制值的方法可以省去解模糊化需要的计算，达到计算量小，简单易懂的效果。
　　滑模面二：选择偏差Bl，偏差变化率为决定控制量u输出的两个因素。算法如下：
　　①定义模糊集
   PB（正大） PM（正中） PS（正小） NS（负小） NM（负中） NB（负大）ZO（零）
③ 选定论域
Bl={ NB，NM，NS，ZO ，PS，PM ，PB }
={ NB，NM，NS，ZO ，PS，PM ，PB }
△U={ NB，NM，NS，ZO ，PS，PM ，PB }
　　论域为：
Bl={ -3，-2，-1，0，1，2，3 }
={ -3，-2，-1，0，1，2，3}
△U={ -3，-2，-1，0，1，2，3}
　　③确定模糊滑模控制器的模糊控制规则
 基本的模糊控制规则是：If Bl is A andis B, then △U is C。模糊滑模变结构控制规则表如表1-2所示。

     
 在模糊表中设定Bl时△U为0，这样做模糊化的效果既可以很好消除抖振现象也可以保证摇头在弯道摇动有足够的裕量。
　　④解模糊化
 在模糊表中直接赋控制值的方法可以省去解模糊化需要的计算，达到计算量小，简单易懂的效果。
　　滑模面三类似于滑模面二，差别只在于偏差改为Br，偏差变化率改为。
　　滑模面四用于处理十字交叉的空白部分。偏差选择为前10次△U的平均值，偏差变化率选择为前10次△U的平均 值的变化率d，选这两个参数作为决定输出X的两个因素。算法与滑模面二类似。这里输出的X不是舵机需要的值，应按如下公式转换：
　　
　　这样在进入十字交叉时即使摇头不正，也可以自动适应，顺利通过空白。相反，如果十字交叉没有任何算法，只是保持以前的舵机值将很难通过十字交叉。
　　滑模到达条件模糊化体现在：
　　① 滑模面一中BrBl时△U为0；
　　② 滑模面二中Bl时△U为0；
④ 滑模面三中Br时△U为0；
　　至此，智能车最为关键的摇头跟线系统已经设计完毕。转向舵机控制只需要根据摇头偏差以及偏差率或者速度等因素采用PD或者模糊控制即可，本方案选为模糊控制，在此不做详细描述。
4 .实验方法与数据
 本方案经在飞思卡尔智能车上实现，实验中采用2012年飞思卡尔新规则。经观察，舵机反应迅速、稳定、顺滑，不同赛道上不出现抖动现象，极难丢线。
　　其中，在稳定的前提下舵机由中值转向左右极限值的时间对比如表1-3所示。

　　另外，不同赛道最高稳定速度对比如表1-4所示。

5 结语
　　本文选择飞思卡尔智能车竞赛中的智能车作为控制对象，完全根据新规则设计，创新之处在于选用有广阔前景的模糊滑模变结构控制为设计思想，实现了整体智能车方案设计，通过对智能车的调试及运行，实现了该方案。实验证明，对于智能车竞赛新规则，模糊滑模变结构控制既可以做到消除抖振，也可以实现赛道快速跟踪，因此具有极其良好的应用前景。
参考文献：
.Mechatronics, 2003, 13(7): 755~770

本文链接：http://www.qk112.com/lwfw/jsjlw/xinxianquan/225550.html