摘要：簡(jiǎn)單回顧了智能控制以及相關(guān)技術(shù)，采用一種遞階式遺傳算法，對(duì)需要控制的跟車距離的相關(guān)模糊邏輯系統(tǒng)隸屬度函數(shù)和規(guī)則庫(kù)進(jìn)行尋優(yōu)，其中跟車距離模糊邏輯輸入隸屬度函數(shù)采用三輸入模型，即基本規(guī)則包含45條，然后對(duì)所采用的遺傳算法的初始種群和交叉、變異率等進(jìn)行了設(shè)置，最后給出仿真結(jié)果。

關(guān)鍵字：智能控制 遞階遺傳算法 跟車控制 遺傳算法

中圖分類號(hào)： TP183 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)1672-3791（2015）05（a）-0000-00

智能控制技術(shù)在對(duì)于非線性系統(tǒng)，參數(shù)不確定系統(tǒng)，環(huán)境參數(shù)變化較大等方面的控制中具有一定的優(yōu)勢(shì)，隨著智能控制技術(shù)以及相關(guān)計(jì)算優(yōu)化算法的發(fā)展，多種智能控制技術(shù)和算法被設(shè)計(jì)以及提出，包括神經(jīng)網(wǎng)絡(luò)[NN][1]，模糊邏輯[FL][1]，遺傳算法[GA][1][2]，專家系統(tǒng)[ES][3]，粒子群算法[PSO][4]，蟻群算法[ACO][4]，引力搜索算法[GSO][4]，模糊神經(jīng)網(wǎng)絡(luò)[FNN][5]，自適應(yīng)模糊邏輯系統(tǒng)[AFLC][5]，模糊粒子群算法[FPSO][2]，模糊遺傳算法[FGA][2]等。涉及的行業(yè)或領(lǐng)域包括工業(yè)，農(nóng)業(yè)，材料，制造，管理，醫(yī)療，能源，數(shù)學(xué)等。模糊邏輯系統(tǒng)是基于人類經(jīng)驗(yàn)知識(shí)以及語(yǔ)言描述規(guī)則在上世紀(jì)60年代由L.A.Zadeh提出的模糊集合概念發(fā)展而成，在1975年L.A.Zadeh又提出二型模糊集合概念以便處理對(duì)象系統(tǒng)中更多的不確定性。遺傳算法是一種自然啟發(fā)式優(yōu)化算法，1975年由J.Holland教授提出，它在全局尋優(yōu)方面具有明顯優(yōu)勢(shì)。對(duì)車輛載體自動(dòng)化的研究包括剎車系統(tǒng)，電動(dòng)輪椅，車輛自動(dòng)化系統(tǒng)，新能源汽車[6]，本文采用的基于二型模糊邏輯和遞階遺傳算法的智能跟車控制的研究則對(duì)現(xiàn)代交通安全，智能交通網(wǎng)絡(luò)建設(shè)，無人駕駛技術(shù)的發(fā)展具有重要意義。

1 遞階遺傳算法與模糊邏輯系統(tǒng)的結(jié)合

面對(duì)復(fù)雜，非線性以及不確定的動(dòng)態(tài)系統(tǒng)，采用簡(jiǎn)易模糊邏輯系統(tǒng)可以取得更好的控制效果。這些效果源于人類經(jīng)驗(yàn)知識(shí)，多次基礎(chǔ)實(shí)驗(yàn)和對(duì)模糊邏輯系統(tǒng)參數(shù)的微調(diào)測(cè)試，圖1所示閉環(huán)模糊邏輯系統(tǒng)能快速準(zhǔn)確獲取隸屬度函數(shù)和規(guī)則庫(kù)。該結(jié)構(gòu)遺傳算法項(xiàng)中的隸屬度“染色體”基因鏈包含兩類基因，即用于使能所對(duì)應(yīng)隸屬度函數(shù)的控制基因和代表該隸屬度函數(shù)的參數(shù)基因?？刂苹蛲ㄟ^管理模糊子集數(shù)量（規(guī)則數(shù)和隸屬度函數(shù)數(shù)）保證模糊邏輯系統(tǒng)有效執(zhí)行。

2 智能跟車控制

前后車間距控制，對(duì)于車輛間保持安全距離，有效防止交通事故，提高城市交通道路利用率，建立智能城市交通網(wǎng)絡(luò)以及無人駕駛技術(shù)實(shí)現(xiàn)具有重要意義。本研究在MATLAB上進(jìn)行，模糊邏輯系統(tǒng)由模糊邏輯工具箱生成，遺傳算法由程序語(yǔ)言實(shí)現(xiàn)。最后將模糊邏輯智能系統(tǒng)結(jié)果和駕駛員師傅所給參考值進(jìn)行比對(duì)。

2.1 跟車控制

城市跟車行駛時(shí)，保持車距和控制車速是一大關(guān)鍵?；痉绞綖轳{駛員對(duì)汽車油門和剎車的操作，即對(duì)車的加減速，其效果則受踩踏油門和剎車力度限制。車間距控制同時(shí)受車速，車間實(shí)際距離，車間距變化（前后車速度變化），道路與車輛輪胎摩擦力（路況）影響。前后車太近，遇突發(fā)情況可能導(dǎo)致剎車不及，引發(fā)交通事故。前后車太遠(yuǎn)，道路車輛通行能力大大降低。因此需在保證不發(fā)生交通事故和提高道路通行能力前提下找到跟車距離平衡點(diǎn)。

2.2 模糊控制器設(shè)置

經(jīng)過程簡(jiǎn)化和語(yǔ)言描述整理，得出模糊邏輯控制系統(tǒng)參數(shù)如下，輸入：車速，車間距，車間距變化；輸出：加減速；基本規(guī)則：45條。模糊規(guī)則自然語(yǔ)言，車速：慢（S），一般（VN），快（VF）；車間距變化：快速變大（FA），變大（A），不變（SK），變?。―），快速變?。‵D）；車間距：近（C），一般（SN），遠(yuǎn)（SF）；加減速：急剎（FB），輕剎（LB），保持（AK），輕加速（LA），加速（VA）。表1、2、3依次是車速慢、一般、快的情況下不同車間距和車間距變化產(chǎn)生的加減速基本規(guī)則庫(kù)。

2.3 遺傳算法參數(shù)

遺傳算法參數(shù)設(shè)置如下，初始種群數(shù)（NIND）：120；最大遺傳代數(shù)（MAXGEN）：1000；每代產(chǎn)生新個(gè)體比例（GGAP）：0.6；染色體二進(jìn)制精度（PRECI）：405；參加遺傳操作個(gè)體挑選方法：輪盤法；基因變異率：0.1；基因重組方法以及比率：多點(diǎn)交叉，0.7；適應(yīng)度函數(shù)：專家（駕駛員師傅）所給控制值與遞階遺傳算法系統(tǒng)計(jì)算值之差，差值越小則表示系統(tǒng)計(jì)算結(jié)果適應(yīng)度越大，即可以采用。

3 仿真結(jié)果

該模糊邏輯系統(tǒng)是三輸入情況，直接包含三輸入的立體圖無法畫出，因此給出圖3加以反映仿真結(jié)果，其中橫軸為所給訓(xùn)練數(shù)據(jù)組（N），縱軸為加減速控制值（A），實(shí)心圓部分為模糊邏輯系統(tǒng)在訓(xùn)練數(shù)據(jù)下的計(jì)算結(jié)果，實(shí)心菱形部分為專家（駕駛員師傅）所給結(jié)果。從圖中可以看出，經(jīng)遺傳算法優(yōu)化后的模糊邏輯系統(tǒng)取得的輸出效果，其曲線很好的跟隨了專家所給值，10次訓(xùn)練數(shù)據(jù)產(chǎn)生的平均誤差為0.01951。

4 總結(jié)和進(jìn)一步研究

本文提出一種遞階遺傳算法閉環(huán)模糊邏輯智能跟車控制系統(tǒng)，相比于其他研究一般兩輸入情況，文中所用三輸入方法能夠更好涵蓋所描述對(duì)象或過程的一般特性，減小所求誤差。在對(duì)隸屬度函數(shù)和規(guī)則庫(kù)的確定方面，采用能充分描述系統(tǒng)不確定性的二型模糊邏輯，使得隸屬度函數(shù)和模糊邏輯規(guī)則更精確。通過仿真結(jié)果分析，可以看出該系統(tǒng)計(jì)算值很好的跟隨了專家所給參考值，表明遺傳算法和模糊邏輯的綜合應(yīng)用可以提高特定智能控制系統(tǒng)的性能。另外整個(gè)系統(tǒng)相較于傳統(tǒng)非模糊邏輯系統(tǒng)具有更短的設(shè)計(jì)時(shí)間和更簡(jiǎn)易的設(shè)計(jì)結(jié)構(gòu)。下一步將對(duì)其他智能控制技術(shù)的結(jié)合應(yīng)用作進(jìn)一步研究，并對(duì)多種結(jié)合智能控制技術(shù)進(jìn)行比對(duì)和分類。

參考文獻(xiàn)

[1] Du?ko Kati? ， Miomir Vukobratovi?. Survey of Intelligent Control Techniques for Humanoid Robots[J]. Journal of Intelligent and Robotic Systems， 2003， 37（2）： 117-141.

[2] Fevrier Valdez ， Patricia Melin ， Oscar Castillo. Modular Neural Networks architecture optimization with a new nature inspired method using a fuzzy combination of Particle Swarm Optimization and Genetic Algorithms[J]. Information Sciences， 2014， 270（20）： 143-153.

[3] Morimoto T ， Hatou K ， Hashimoto Y. Intelligent control for a plant production system[J]. Control Engineering Practice， 1996， 4（6）： 773-784.

[4] Fevrier Valdez ， Patricia Melin ， Oscar Castillo. A survey on nature-inspired optimization algorithms with fuzzy logic for dynamic parameter adaptation[J]. Expert Systems with Applications， 2014， 41（14）： 6459-6466.

[5] Patricia Melin ， Oscar Castillo. Intelligent control of a stepping motor drive using an adaptive neuro–fuzzy inference system[J]. Information Sciences， 2005， 170（2-4）： 133-151.

[6] 陶昱婷 郝樂 章宇 黃敏敏 金丹 王樂 黃鑫. 新能源汽車的市場(chǎng)現(xiàn)狀及未來前景調(diào)查[J].科技創(chuàng)新導(dǎo)報(bào).2014（19）