基于無(wú)模型自適應(yīng)控制的自動(dòng)泊車(chē)方案

　　摘要:本文提出了一種基于無(wú)模型自適應(yīng)控制的自動(dòng)泊車(chē)方案.該方案,首先通過(guò)車(chē)載傳感器采集車(chē)周環(huán)境信息用于規(guī)劃期望路徑,然后將自動(dòng)泊車(chē)跟蹤問(wèn)題轉(zhuǎn)化為預(yù)瞄偏差角跟蹤問(wèn)題,通過(guò)設(shè)計(jì)相應(yīng)的無(wú)模型自適應(yīng)控制算法最終實(shí)現(xiàn)自動(dòng)泊車(chē).該方案設(shè)計(jì)的優(yōu)點(diǎn)是僅使用了自動(dòng)泊車(chē)過(guò)程中生成的前輪轉(zhuǎn)角輸入數(shù)據(jù)和預(yù)瞄偏差角輸出數(shù)據(jù),沒(méi)有使用任何被控車(chē)輛的信息,因此該方案可適用于不同車(chē)型.Matlab仿真以及與PID控制方案和Fuzzy控制方案的對(duì)比仿真結(jié)果驗(yàn)證了該方案的可行性.

　　關(guān)鍵詞:無(wú)模型自適應(yīng)控制;自動(dòng)泊車(chē);預(yù)瞄偏差角;路徑跟蹤

　　隨著現(xiàn)在社會(huì)的發(fā)展以及人們生活水平的提高,汽車(chē)保有量不斷上升,汽車(chē)的普及給人們的出行帶來(lái)極大便利的同時(shí),也帶來(lái)了各種各樣的問(wèn)題,其中泊車(chē)難是最常見(jiàn)的問(wèn)題之一;另一方面,由于城市建設(shè)的飛速發(fā)展以及車(chē)輛的增加,使得停車(chē)位空間減小,停車(chē)難度增大,給新手司機(jī)帶來(lái)了困難.生活中常見(jiàn)的泊車(chē)位類(lèi)型包括平行泊車(chē)位、垂直泊車(chē)位、斜行泊車(chē)位.平行泊車(chē)位因在寬度方向上所需空間少,多用于路邊停車(chē);垂直泊車(chē)位因面積利用率高,多用于大型商場(chǎng)或小區(qū)住宅的地下車(chē)庫(kù);斜行泊車(chē)位因快進(jìn)快出的特點(diǎn),多用于醫(yī)院停車(chē)場(chǎng).在繁忙的日常工作中,人們?yōu)榱顺鲂谢蚬ぷ鞣奖阃ǔ��?huì)將車(chē)輛停放在路邊,因而如何快速、安全的泊車(chē)成為當(dāng)前人們十分關(guān)注的問(wèn)題[1].

　　自動(dòng)泊車(chē)系統(tǒng)(APS,AutomatedParkingSystem)的出現(xiàn)不僅提高了泊車(chē)成功率,還降低了因泊車(chē)而造成的交通事故發(fā)生率.APS系統(tǒng)一般由車(chē)載傳感器系統(tǒng)、計(jì)算機(jī)系統(tǒng)、自動(dòng)控制系統(tǒng)組成,計(jì)算機(jī)系統(tǒng)通過(guò)分析車(chē)載傳感器系統(tǒng)準(zhǔn)確采集的車(chē)身周?chē)�環(huán)境信息,計(jì)算規(guī)劃出一條可用最優(yōu)泊車(chē)路徑,將路徑信息傳送給自動(dòng)控制系統(tǒng)控制車(chē)輛準(zhǔn)確駛?cè)胲?chē)位[2].另外,現(xiàn)在市面上的車(chē)分為四驅(qū)車(chē)和兩驅(qū)車(chē),四驅(qū)車(chē)擁有較強(qiáng)的越野和操控性,底盤(pán)強(qiáng)度高、適應(yīng)性強(qiáng),多用于軍事、野外公務(wù)等用車(chē);兩驅(qū)車(chē)能夠根據(jù)路面情況及時(shí)調(diào)整扭矩分配,多用于城市私家車(chē).

　　本文目的是針對(duì)城市用車(chē)設(shè)計(jì)一套完整的自動(dòng)平行泊車(chē)系統(tǒng),故選擇兩驅(qū)車(chē)為研究對(duì)象.自動(dòng)泊車(chē)一般分為三個(gè)步驟[3]:車(chē)位探測(cè)、路徑規(guī)劃、路徑跟蹤.司機(jī)駕駛車(chē)輛行駛到停車(chē)位附近時(shí),啟動(dòng)車(chē)載傳感器系統(tǒng)開(kāi)始搜集停車(chē)位周?chē)�環(huán)境信息,將信息傳送給計(jì)算機(jī)系統(tǒng);計(jì)算機(jī)系統(tǒng)通過(guò)分析車(chē)載傳感器系統(tǒng)準(zhǔn)確采集的車(chē)身周?chē)�環(huán)境信息,計(jì)算規(guī)劃出一條可用最優(yōu)泊車(chē)路徑并將規(guī)劃路徑傳送給自動(dòng)控制系統(tǒng);自動(dòng)控制系統(tǒng)接收信息后控制車(chē)輛按照規(guī)劃路徑駛?cè)氩窜?chē)位[4].目前國(guó)內(nèi)外關(guān)于車(chē)位探測(cè)、路徑規(guī)劃、路徑跟蹤進(jìn)行了大量研究.

　　車(chē)位探測(cè)方面,Suhr等[5]提出了一種融合車(chē)位標(biāo)記和自由空間檢測(cè)的互補(bǔ)方案,該方案借助車(chē)上現(xiàn)有的大量傳感器來(lái)確定可用車(chē)位.Shih等[6]提出了一種利用廣角魚(yú)眼鏡頭或散角攝像機(jī)進(jìn)行車(chē)位檢測(cè)的方案,攝像頭檢測(cè)到車(chē)位周?chē)�的圖像信息后,通過(guò)改進(jìn)的Hough變換和新的Hough單元格累積方案提取車(chē)位邊界線,最后通過(guò)背景減法檢測(cè)出可用車(chē)位.Lee等[7]針對(duì)傳統(tǒng)周?chē)�視圖檢測(cè)(AVM,aroundviewmonitoring)傳感器在檢測(cè)中存在的障礙物遮擋問(wèn)題,提出了一種概率占用濾波器檢測(cè)車(chē)位的方法.

　　Huang等[8]提出了一種三層貝葉斯層次框架檢測(cè)車(chē)位方案,該方案首先建立一個(gè)三維停車(chē)場(chǎng)模型并通過(guò)圖像標(biāo)記的方式來(lái)解釋場(chǎng)景內(nèi)容,然后借助透視攝像頭檢測(cè)出可用停車(chē)位,最后通過(guò)分層貝葉斯層次框架處理空位檢測(cè)中出現(xiàn)的陰影、遮擋、亮度變化等問(wèn)題后確定可用車(chē)位.上述車(chē)位探測(cè)方法雖然已經(jīng)得到了不同程度的應(yīng)用,但仍各有不足.超聲波測(cè)距尋找車(chē)位是現(xiàn)在認(rèn)可度最高的方法,該方法受環(huán)境影響小,測(cè)量誤差小,但需要探測(cè)器與被測(cè)物體保持垂直才能測(cè)得較準(zhǔn)確的數(shù)據(jù),現(xiàn)在大多采用多個(gè)探測(cè)器相互配合測(cè)距的方式以測(cè)得準(zhǔn)確數(shù)據(jù).采用攝像頭或圖像測(cè)距尋找車(chē)位的方法,該方法可以得到車(chē)位周?chē)�的完整信�?但在大霧、大雪、光線過(guò)暗等極端環(huán)境下不能準(zhǔn)確采集車(chē)位信息,成功率會(huì)大大降低.

　　路徑規(guī)劃方面,Moon等[9]提出一種前向路徑規(guī)劃方案,該方案分為定位段和進(jìn)入段,定位段部分通過(guò)碰撞約束得出能夠駛離車(chē)位的最小圓弧期望路徑;進(jìn)入段加入Bezier曲線連接路徑中的圓弧段.Vorobieva等[10]提出一種無(wú)碰撞圓弧路徑,該方案與車(chē)輛初始位置和方向無(wú)關(guān),只要車(chē)位長(zhǎng)度和寬度均大于車(chē)輛長(zhǎng)度和寬度就可以生成一個(gè)泊車(chē)路徑.

　　Wang等[11]提出了一種遞歸神經(jīng)網(wǎng)絡(luò)規(guī)劃泊車(chē)路徑的方案,該方案利用TensorFlow訓(xùn)練基于碰撞約束的遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)停車(chē)軌跡曲線,然后通過(guò)訓(xùn)練數(shù)據(jù)確定最優(yōu)軌跡.Zips等[12]狹窄環(huán)境下的泊車(chē)提出了一種基于快速優(yōu)化的路徑規(guī)劃方案,該方案在基于樹(shù)的指導(dǎo)原則前提下,首先采用Runge-Kutta方法離散運(yùn)動(dòng)學(xué)微分方程,然后制定靜態(tài)優(yōu)化問(wèn)題以確定最優(yōu)泊車(chē)路徑.

　　上述路徑規(guī)劃方案各有優(yōu)缺點(diǎn),前向路徑規(guī)劃方案簡(jiǎn)單易行;無(wú)碰撞圓弧路徑規(guī)劃方案對(duì)車(chē)輛初始位置和方向沒(méi)有要求,適用于狹窄空間車(chē)位,但上述兩種方案容易出現(xiàn)曲率不連續(xù)的問(wèn)題,車(chē)輛在跟蹤過(guò)程中必須停在路徑連接處重新調(diào)整前輪轉(zhuǎn)角,這會(huì)加劇輪胎的磨損.遞歸神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃方案雖然成功率高,但該方案需要大量實(shí)驗(yàn)數(shù)據(jù)進(jìn)行訓(xùn)練,成本過(guò)高.

　　基于快速優(yōu)化的路徑規(guī)劃算法雖然能夠得出最優(yōu)路徑,但該方案需要提前得知周?chē)�環(huán)境信息.路徑跟蹤方面,Song等[13]以車(chē)輛速度和前輪轉(zhuǎn)角為控制輸入,以車(chē)輛航向角和位置坐標(biāo)為控制輸出,設(shè)計(jì)了模型預(yù)測(cè)控制(MPC,modelpredictivecontrol)算法控制車(chē)輛實(shí)現(xiàn)路徑跟蹤.Liang等[14]設(shè)計(jì)了一種模糊PID(FuzzyPID,fuzzyproportionalintegraldifferential)調(diào)節(jié)器。

　　輸入方向盤(pán)角度和車(chē)輪速度得到實(shí)際運(yùn)行軌跡,通過(guò)一次次與期望軌跡比較得出模糊PID調(diào)節(jié)器所需的偏差進(jìn)行調(diào)整,以實(shí)現(xiàn)路徑跟蹤.Ji等[15]以方向盤(pán)轉(zhuǎn)角為控制輸入,車(chē)輛的橫向位移、側(cè)滑角、偏航率為控制輸出,提出多約束模型預(yù)測(cè)控制(MMPC,multiconstrainedmodelpredictivecontrol)方法,通過(guò)對(duì)橫向位移、側(cè)滑角、偏航率的輸出約束和對(duì)方向盤(pán)轉(zhuǎn)角的輸入約束實(shí)現(xiàn)路徑跟蹤.上述跟蹤方案大多采用控制車(chē)身角與期望軌跡斜率相同的方案來(lái)實(shí)現(xiàn)路徑跟蹤,但該方案在實(shí)際跟蹤過(guò)程中可能出現(xiàn)實(shí)際運(yùn)行軌跡與期望軌跡平行而非重合的問(wèn)題,使汽車(chē)不能準(zhǔn)確停在目標(biāo)位置.

　　另外,針對(duì)不同的車(chē)型,PID(proportionalintegraldifferential)控制器在使用時(shí)需要重新整定參數(shù),模型預(yù)測(cè)控制器在使用時(shí)需要重新設(shè)定被控對(duì)象的模型信息.因此,基于上述控制器的跟蹤方案可移植性較差.在汽車(chē)泊車(chē)過(guò)程中,會(huì)產(chǎn)生大量的輸入輸出(I/O,Input/Output)數(shù)據(jù),這些I/O數(shù)據(jù)可以準(zhǔn)確反映汽車(chē)動(dòng)力學(xué)信息,利用數(shù)據(jù)驅(qū)動(dòng)的方法實(shí)現(xiàn)對(duì)汽車(chē)自動(dòng)泊車(chē)過(guò)程的控制,是目前一個(gè)新穎的方法.由于一些系統(tǒng)存在時(shí)變、建模難等問(wèn)題,數(shù)據(jù)驅(qū)動(dòng)控制逐漸成為研究熱點(diǎn).具有代表性的數(shù)據(jù)驅(qū)動(dòng)控制方法有虛擬參考反饋整定[16-17]、自適應(yīng)動(dòng)態(tài)規(guī)劃[18-22]、無(wú)模型自適應(yīng)控制[22-23]等.

　　無(wú)模型自適應(yīng)控制(MFAC,modelfreeadaptivecontrol)理論與方法是一種典型的數(shù)據(jù)驅(qū)動(dòng)控制方法[22,24].MFAC針對(duì)離散時(shí)間非線性系統(tǒng)使用了一種新的動(dòng)態(tài)線性化方法及一個(gè)稱為偽偏導(dǎo)數(shù)(PPD,pseudopartialderivative)的新概念,在閉環(huán)系統(tǒng)的每個(gè)動(dòng)態(tài)工作點(diǎn)處建立一個(gè)等價(jià)的動(dòng)態(tài)線性化數(shù)據(jù)模型,然后基于此等價(jià)的虛擬數(shù)據(jù)模型設(shè)計(jì)控制器并進(jìn)行控制系統(tǒng)的理論分析,進(jìn)而實(shí)現(xiàn)非線性系統(tǒng)的自適應(yīng)控制.

　　目前,MFAC方法已經(jīng)在無(wú)人駕駛[25-27]、無(wú)人水面載具[28]、城市交通網(wǎng)絡(luò)[29]、電力系統(tǒng)阻尼控制[30-31]、繞線式轉(zhuǎn)子同步電機(jī)驅(qū)動(dòng)系統(tǒng)[32]、外骨骼機(jī)器人控制[33]等領(lǐng)域得到應(yīng)用.理論分析和實(shí)際應(yīng)用均表明,MFAC計(jì)算簡(jiǎn)單、魯棒性強(qiáng),最重要的是不需要任何系統(tǒng)模型信息,僅需系統(tǒng)輸入輸出數(shù)據(jù)即可進(jìn)行控制,適用性強(qiáng).通過(guò)上述分析可知,現(xiàn)在關(guān)于自動(dòng)泊車(chē)控制系統(tǒng)的研究大多是通過(guò)控制車(chē)身角與期望路徑斜率相同來(lái)實(shí)現(xiàn)路徑跟蹤[13,15,34],但該方法在控制過(guò)程中可能出現(xiàn)實(shí)際運(yùn)動(dòng)軌跡與期望軌跡平行而非重合的問(wèn)題,使汽車(chē)最終不能準(zhǔn)確地停在目標(biāo)位置.因此,本文提出了基于MFAC的預(yù)瞄偏差角跟蹤控制方案解決該問(wèn)題.本文的主要貢獻(xiàn)為:

　　1)針對(duì)現(xiàn)有跟蹤方案中可能出現(xiàn)的實(shí)際運(yùn)動(dòng)軌跡與期望軌跡平行而非重合的問(wèn)題,本文提出預(yù)瞄偏差角跟蹤控制方案.預(yù)瞄偏差角在計(jì)算過(guò)程中用到了每一時(shí)刻的坐標(biāo)信息,使得跟蹤更加準(zhǔn)確.2)針對(duì)現(xiàn)有控制器可移植性差的問(wèn)題,本文設(shè)計(jì)了MFAC控制器及相應(yīng)的控制算法、參數(shù)估計(jì)算法和參數(shù)重置算法.MFAC控制器在使用過(guò)程中僅需系統(tǒng)產(chǎn)生的I/O數(shù)據(jù),不需要任何車(chē)輛模型信息,可移植性強(qiáng).3)目前預(yù)瞄偏差角跟蹤方案僅在自動(dòng)駕駛中得到了驗(yàn)證[25-27],本文首次將該跟蹤方案應(yīng)用于自動(dòng)泊車(chē)中.

　　在規(guī)劃泊車(chē)路徑的前三段中,Fuzzy控制方案的跟蹤誤差與PID控制方案的跟蹤誤差相差不大,且均略小于MFAC控制方案,但在最后圓弧段部分Fuzzy控制方案在y軸方向上的跟蹤誤差明顯增大,MFAC控制方案的跟蹤效果明顯優(yōu)于PID控制方案和Fuzzy控制方案.從表6中可以看出,PID控制算法時(shí)間代價(jià)最小,但跟蹤誤差介于MFAC控制方案與Fuzzy控制方案之間;MFAC控制算法時(shí)間代價(jià)介于PID控制算法與Fuzzy控制算法之前,但跟蹤效果相對(duì)最好;Fuzzy控制算法時(shí)間代價(jià)最大,跟蹤誤差也相對(duì)較大.

　　對(duì)比三種控制方案的路徑跟蹤情況和跟蹤誤差,并對(duì)比跟蹤誤差均方根、航向角誤差均方根和算法時(shí)間代價(jià),說(shuō)明對(duì)于車(chē)型奧迪A1,MFAC控制方案優(yōu)于PID控制方案與Fuzzy控制方案.在v0=80cm/s條件下,通過(guò)對(duì)一汽-大眾CC(2016款)和奧迪A1車(chē)型的仿真結(jié)果分析可知:針對(duì)不同的車(chē)型,MFAC控制方案、PID控制方案與Fuzzy控制方案均能較好地完成自動(dòng)泊車(chē)過(guò)程,通過(guò)分析跟蹤誤差變化曲線可知,MFAC控制方案的控制效果優(yōu)于PID控制方案和Fuzzy控制方案,而且MFAC控制方案方法簡(jiǎn)單、計(jì)算負(fù)擔(dān)小、魯棒性較強(qiáng),控制參數(shù)可以根據(jù)控制狀態(tài)實(shí)時(shí)更新,自適應(yīng)性強(qiáng),通過(guò)多次實(shí)驗(yàn)發(fā)現(xiàn)在一定范圍內(nèi)選取不同參數(shù)均能得到較好的跟蹤效果.

　　自動(dòng)化論文范例： 多協(xié)議礦山自動(dòng)化通信平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)

　　本文針對(duì)自動(dòng)泊車(chē)系統(tǒng)提出了基于MFAC的預(yù)瞄偏差角跟蹤方案,該方案僅需自動(dòng)泊車(chē)過(guò)程中生成的前輪轉(zhuǎn)角輸入數(shù)據(jù)和預(yù)瞄偏差角輸出數(shù)據(jù),不需要任何車(chē)輛信息;提出的預(yù)瞄偏差角跟蹤方案在計(jì)算過(guò)程中使用了每一時(shí)刻的坐標(biāo)信息及車(chē)身角信息,使跟蹤更加準(zhǔn)確.給出了兩款不同車(chē)型的自動(dòng)泊車(chē)仿真,通過(guò)分析對(duì)比跟蹤誤差可知,MFAC控制方案的控制效果優(yōu)于PID控制方案和Fuzzy控制方案.因此,本文提出的MFAC預(yù)瞄偏差角跟蹤方案可移植性強(qiáng),能夠針對(duì)不同車(chē)型使用.

　　參考文獻(xiàn)(References)

　　[1]DemirliK,KhoshnejadM.Autonomousparallelparkingofacar-likemobilerobotbyaneuro-fuzzysensor-basedcontroller[J].FuzzySetsandSystems,2009,160(19):2876-2891.

　　[2]宋金澤.自主泊車(chē)系統(tǒng)關(guān)鍵技術(shù)研究[D].長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué)機(jī)電工程與自動(dòng)化學(xué)院,2009:9-11.(SongJin-Ze.ResearchontheKeyTechnologyforAuto-ParkingSystem[D].Changsha:SchoolofElectricalandMechanicalEngineeringandAutomation,NationalUniversityofDefenseTechnology,2009:9-11.)

　　作者：王文佳,侯忠生†

轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http://www.zpfmc.com/dzlw/28014.html