摘 要：為解決采用傳統(tǒng)比例積分微分（proportional integral differential，PID）控制智能車輛縱向運(yùn)行時(shí)自適應(yīng)能力差、響應(yīng)速度慢的問題，基于PID控制和模糊控制理論，采用MATLAB/Simulink搭建仿真控制模型，上控制器將期望速度與實(shí)際速度的偏差及偏差率作為仿真模型中模糊控制器的輸入?yún)?shù)，按照模糊規(guī)則，輸出比例、積分和微分因數(shù)，并與傳統(tǒng)PID控制器算法加權(quán)，輸出車輛期望加速度；下控制器通過加速制動(dòng)標(biāo)定表實(shí)現(xiàn)車輛驅(qū)動(dòng)或制動(dòng)切換。采用Carsim搭建車輛運(yùn)行平臺(tái)，將仿真控制模型與車輛運(yùn)行平臺(tái)聯(lián)合，在期望車速為5、10、16和25 m/s時(shí)進(jìn)行傳統(tǒng)PID及模糊PID車輛縱向控制策略仿真對(duì)比。結(jié)果表明，傳統(tǒng)PID控制策略平均速度偏差約為0.122 m/s，模糊PID控制策略平均速度偏差約為0.015 m/s；采用模糊PID控制策略，控制精度明顯提高，且響應(yīng)速度更快。

關(guān)鍵詞：縱向運(yùn)行；模糊PID；控制器；智能車輛

中圖分類號(hào)：U464文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1673-6397（2024）04-0077-06

引用格式：龐同嘉，王金波，田宇洋，等.智能車輛縱向控制策略分析［J］.內(nèi)燃機(jī)與動(dòng)力裝置，2024，41（4）：77-82.

PANG Tongjia，WANG Jinbo，TIAN Yuyang，et al.Analysis of longitudinal control strategy of the intelligent vehicle［J］.Internal Combustion Engine amp; Powerplant， 2024，41（4）：77-82.

0 引言

隨著汽車向智能化、自動(dòng)化快速發(fā)展，智能駕駛成為汽車行業(yè)發(fā)展的新方向［1］。車輛縱向控制主要研究如何穩(wěn)定地使車輛保持期望速度或與周圍目標(biāo)保持一定的安全距離等，是智能車研究的重要環(huán)節(jié)［2］。比例積分微分（proportional integral differential，PID）控制是一種閉環(huán)控制方法，該方法無需建立準(zhǔn)確的數(shù)學(xué)模型，具有結(jié)構(gòu)簡(jiǎn)單、成本低廉、魯棒性強(qiáng)、實(shí)時(shí)性能好等優(yōu)點(diǎn)，已在許多行業(yè)得到了應(yīng)用［3］。

為了實(shí)現(xiàn)對(duì)車輛高效、精確和可靠的縱向控制，國(guó)內(nèi)外研究人員提出多種控制方法：劉一帆等［4］將線性二次調(diào)節(jié)器與PID控制器相結(jié)合，提出了一種基于遺傳算法的橫航向控制方法，該方法可有效解決由于高速曲率快速變化引起的超調(diào)問題，可提高汽車的跟蹤精度和魯棒性；張正華［5］提出了一種利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行PID控制的方法，可以對(duì)PID參數(shù)進(jìn)行自適應(yīng)調(diào)節(jié)，獲得最佳的控制結(jié)果；Nie等［6］設(shè)計(jì)了一種PID轉(zhuǎn)速跟蹤控制器，并利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了控制器的魯棒性能；李廣南等［7］提出了基于模型預(yù)測(cè)控制的縱向速度跟蹤控制方法，提高了原方法的計(jì)算精度，并結(jié)合微粒群算法和分層控制方法，使車輛能夠較好地跟蹤期望車速；Mostafa等［8］提出了一種基于模型預(yù)測(cè)控制的車輛自適應(yīng)巡航控制策略，保證汽車在各種工況下的穩(wěn)定行駛；Hang等［9］提出了一種新的基于徑向基函數(shù)（radical basis function，RBF）神經(jīng)網(wǎng)絡(luò)的自適應(yīng)滑動(dòng)模態(tài)控制器，使車輛具有較高的速度跟蹤精度和響應(yīng)速度；Dias等［10］利用系統(tǒng)辨識(shí)方法建立了縱向動(dòng)力學(xué)模型，并結(jié)合逆動(dòng)力學(xué)模型補(bǔ)償了系統(tǒng)的非線性特性；王亞平［11］提出一種分層調(diào)速系統(tǒng)，實(shí)現(xiàn)對(duì)剎車和油門的精準(zhǔn)控制。

目前車輛縱向跟蹤控制方法主要從縱向動(dòng)力學(xué)模型或非線性特性角度出發(fā)，在速度跟蹤精度和舒適性等方面取得良好進(jìn)展。但由于縱向動(dòng)力學(xué)結(jié)構(gòu)復(fù)雜，為降低開發(fā)難度，本文中以傳統(tǒng)PID控制理論為基礎(chǔ)，設(shè)計(jì)智能車輛上、下層控制器，對(duì)比研究車輛在不同期望速度、不同控制策略下的縱向跟蹤速度。

1 縱向控制器

1.1 縱向控制器流程

縱向控制器可分為直接控制和分層控制2種模式，由于汽車縱向控制模型復(fù)雜，難以用線性模型表示，本文中采用分層控制模式實(shí)現(xiàn)車輛縱向控制，縱向速度跟蹤控制流程如圖1所示。

由圖1可知：分層控制包括上、下層控制器，上層控制器根據(jù)期望車速和實(shí)際車速的實(shí)時(shí)偏差Δv和偏差變化率δv作為模糊自適應(yīng)控制器的2個(gè)輸入?yún)?shù)，經(jīng)過模糊自適應(yīng)控制器按照模糊規(guī)則處理后，實(shí)時(shí)輸出比例因數(shù)kp、積分因數(shù)ki、微分因數(shù)kd 3個(gè)參數(shù)，3個(gè)參數(shù)按照傳統(tǒng)PID控制算法加權(quán)后輸出期望加速度作為下層控制器的輸入；下層控制器接收期望加速度后，結(jié)合加速、制動(dòng)標(biāo)定表獲得期望油門開度或制動(dòng)壓力信號(hào)，并經(jīng)驅(qū)動(dòng)、制動(dòng)邏輯切換模塊輸出實(shí)際油門開度和制動(dòng)壓力，發(fā)送到車輛模型執(zhí)行層，實(shí)現(xiàn)對(duì)實(shí)時(shí)車速的有效控制。

1.2 上層模糊PID控制器

1.2.1 PID控制理論

本文中PID控制輸出參數(shù)［12-13］

a（t）=kpΔv（t）+ki∫t0Δv（t）dt+kddΔv（t）/dt，

式中：a（t）為期望加速度，t為時(shí)間。

PID調(diào)整kp、ki、kd 3個(gè)參數(shù)實(shí)現(xiàn)對(duì)Δv（t）的調(diào)節(jié)。kp為根據(jù)當(dāng)前偏差產(chǎn)生的輸出，可線性反饋系統(tǒng)輸出值與期望值之間的差異，kp越大，控制系統(tǒng)輸出變量對(duì)偏差的響應(yīng)越強(qiáng)烈，但也可能導(dǎo)致系統(tǒng)振蕩和超調(diào)，通常用于快速響應(yīng)；ki是系統(tǒng)長(zhǎng)時(shí)間積累偏差產(chǎn)生的輸出，可用于消除系統(tǒng)穩(wěn)態(tài)偏差，使系統(tǒng)更準(zhǔn)確地達(dá)到期望值，但ki過大可能會(huì)導(dǎo)致系統(tǒng)響應(yīng)過度調(diào)節(jié)和超調(diào)；kd為根據(jù)偏差變化率產(chǎn)生的輸出，用于抑制系統(tǒng)振蕩，減小超調(diào)，提高系統(tǒng)穩(wěn)定性和抗干擾能力。PID控制原理如圖2所示。

1.2.2 模糊控制

傳統(tǒng)PID控制器中通常通過試湊的方法確定3個(gè)參數(shù)，費(fèi)時(shí)費(fèi)力，且不能保證調(diào)試參數(shù)滿足多種條件下的最優(yōu)性，本文中利用模糊自適應(yīng)算法對(duì)PID控制器參數(shù)進(jìn)行實(shí)時(shí)優(yōu)化，提高控制器的控制精度和魯棒性，滿足不同工況快速響應(yīng)、穩(wěn)態(tài)精度和抗干擾能力等控制要求。由于一維模糊控制器的結(jié)構(gòu)太過單一，僅包含單一的輸入?yún)?shù)，很難保證精度；三維模糊控制器結(jié)構(gòu)復(fù)雜，計(jì)算量大，不能滿足實(shí)時(shí)性要求，所以采用二維控制器［14］。

模糊自適應(yīng)算法采用一種基于動(dòng)作規(guī)則的非線性模糊控制原理的PID參數(shù)整定方法，將過去的研究經(jīng)驗(yàn)轉(zhuǎn)化為計(jì)算機(jī)語(yǔ)言，采用重心法解決模糊問題，其基本思想是在輸入?yún)?shù)的模糊集合中找到一個(gè)重心點(diǎn)，這個(gè)點(diǎn)能夠代表模糊集合的平均值或中心，通過計(jì)算不同輸入?yún)?shù)模糊集合的重心，確定輸入組合對(duì)應(yīng)的輸出參數(shù)模糊集合的重心，構(gòu)建模糊規(guī)則［15-16］。

選取Δv和δv為輸入?yún)?shù)，經(jīng)過模糊規(guī)則計(jì)算的kp、ki、kd 3個(gè)參數(shù)為輸出參數(shù)，輸入、輸出參數(shù)的論域均為［-0.1，0.1］，論域劃分區(qū)間為［-0.100，-0.075）、［-0.075，-0.050）、［-0.050，-0.025）、［-0.025，0）、［0，0.025）、［0.025，0.050）、［0.050，0.075）、［0.075，0.100］，除第一個(gè)論域區(qū)間外，其余區(qū)間對(duì)應(yīng)的含義為負(fù)大、負(fù)中、負(fù)小、零、正小、正中、正大，用模糊子集FD、FZ、FX、ZO、ZX、ZZ、ZD表示。模糊子集兩端FD、ZD采用高斯函數(shù)處理，以便適應(yīng)系統(tǒng)的非線性特性；剩余子集采用三角形函數(shù)，以便抑制噪聲和干擾，提高計(jì)算效率。3個(gè)輸出參數(shù)模糊控制規(guī)則如表1、2、3所示，表中δv（Y）為δv對(duì)應(yīng)的模糊子集為Y，Y=｛FD，F(xiàn)Z，F(xiàn)X，ZO，ZX，ZZ，ZD｝。

按照模糊控制規(guī)則，輸入?yún)?shù)和輸出參數(shù)隸屬關(guān)系曲線如圖3所示。

1.3 縱向跟蹤下層控制器

1.3.1 剎車及油門的標(biāo)定

采用MATLAB進(jìn)行加速標(biāo)定，制動(dòng)壓力為0，初始速度為0，油門開度從0到1，油門開度每0.01初始采樣一次，擬合不同油門開度下速度和加速度曲線；制動(dòng)標(biāo)定時(shí)，油門開度為0，初始速度為180 km/h，初始制動(dòng)壓力為0，每增加0.1 MPa采樣一次，直至制動(dòng)壓力為8 MPa時(shí)停止采樣，擬合不同制動(dòng)壓力下速度和加速度曲線。

1.3.2 驅(qū)動(dòng)/制動(dòng)切換

將不同油門開度、不同制動(dòng)壓力下的速度和加速度擬合曲線作為加速制動(dòng)標(biāo)定表，根據(jù)輸出信號(hào)并結(jié)合加速制動(dòng)判定表，控制系統(tǒng)判斷車輛驅(qū)動(dòng)或制動(dòng)。當(dāng)油門信號(hào)為正時(shí)，車輛為驅(qū)動(dòng)模式，執(zhí)行加速操作，當(dāng)油門信號(hào)為負(fù)時(shí)，車輛為制動(dòng)模式，執(zhí)行減速操作。

2 仿真模型和結(jié)果分析

2.1 聯(lián)合仿真模型建立

采用MATLAB/Simulink軟件及Carsim軟件搭建縱向運(yùn)動(dòng)跟蹤控制模型，在Simulink軟件搭建控制器，使用Carsim軟件搭建車輛運(yùn)行平臺(tái)，在一條長(zhǎng)2 000 m的平直道路上模擬車輛在期望速度v1時(shí)的運(yùn)行情況，Carsim的輸入為下層控制器輸出的發(fā)動(dòng)機(jī)轉(zhuǎn)矩T和制動(dòng)壓力p 2個(gè)參數(shù)，將運(yùn)行過程中的實(shí)際速度v2、實(shí)際加速度a、實(shí)際發(fā)動(dòng)機(jī)轉(zhuǎn)速n 3個(gè)輸出參數(shù)實(shí)時(shí)反饋到控制器，控制器將上、下層控制器輸出參數(shù)再次輸入Carsim，構(gòu)成閉環(huán)回路，完成聯(lián)合仿真。上層控制器模型結(jié)構(gòu)如圖4所示，圖中1/s為積分模塊，Δu/Δt為微分模塊。以期望速度為50 m/s為例，縱向控制器模型結(jié)構(gòu)如圖5所示，圖中z-100為系統(tǒng)輸入延時(shí)100 ms。

2.2 仿真結(jié)果分析

為了驗(yàn)證不同期望速度下車輛縱向速度控制器的有效性和安全性，以5、10、16、25 m/s 常用車速為期望車速，仿真對(duì)比不同期望車速v1下，傳統(tǒng)PID控制下的車輛實(shí)際速度vc、模糊PID控制下的車輛實(shí)際速度vm變化曲線如圖6所示，穩(wěn)定后的結(jié)果如表4所示。

由圖6和表4可知：對(duì)比傳統(tǒng)PID控制跟蹤效果，經(jīng)過模糊自適應(yīng)控制加權(quán)之后的PID控制提高了跟蹤精度，模糊控制器響應(yīng)速度更快；傳統(tǒng)PID速度平均偏差約為0.122 m/s，模糊PID誤差平均偏差約為0.015 m/s；相比傳統(tǒng)PID控制的控制精度，模糊控制精度明顯提高，滿足了對(duì)控制器穩(wěn)定性好、響應(yīng)速度快、控制精度高的要求。

3 結(jié)論

1）采用Simulink搭建縱向控制模型，構(gòu)建了上、下層縱向控制器，上層控制器將模糊自適應(yīng)控制與傳統(tǒng)PID控制相結(jié)合，通過實(shí)時(shí)調(diào)整PID參數(shù)，提高了控制器的自適應(yīng)能力；下層控制器結(jié)合加速制動(dòng)標(biāo)定表判斷油門信號(hào)，實(shí)現(xiàn)對(duì)車輛制動(dòng)和驅(qū)動(dòng)的切換。

2）基于Carism搭建車輛運(yùn)行平臺(tái)與Simulink實(shí)現(xiàn)聯(lián)合仿真，仿真模擬車輛在5、10、16和25 m/s 4種期望車速下傳統(tǒng)PID控制與模糊PID控制下的車輛實(shí)際速度，仿真分析結(jié)果表明模糊縱向控制器在響應(yīng)速度和控制精度方面均優(yōu)于傳統(tǒng)PID控制器，控制精度明顯提高，實(shí)現(xiàn)了對(duì)車輛縱向運(yùn)行的精細(xì)化控制。

參考文獻(xiàn)：

［1］ 孫伶玉，付主木，陶發(fā)展，等.改進(jìn)人工勢(shì)場(chǎng)的智能車避障算法研究［J］.河南科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，43（5）：28-34.

［2］ 梁旺，秦兆博，陳亮，等.基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的智能車縱向控制方法［J］.汽車工程，2022，44（8）：1162-1172.

［3］ 王建松.基于模型預(yù)測(cè)和滾動(dòng)優(yōu)化機(jī)制的自適應(yīng)PID控制［D］.北京：中國(guó)石油大學(xué)，2022.

［4］ 劉一帆，施光林，陳耀峰，等.基于純跟蹤模型的模糊路徑跟蹤控制方法［J］.機(jī)械設(shè)計(jì)與研究，2022，38（3）：136-140.

［5］ 張正華.基于神經(jīng)網(wǎng)絡(luò)的無人駕駛車輛軌跡跟蹤控制［D］.秦皇島：燕山大學(xué)，2019.

［6］ NIE L Z， GUAN J Y， LU C H， et al.Longitudinal speed control of autonomous vehicle based on a self-adaptive PID of radial basis function neural network［J］.IET Intelligent Transport Systems， 2018， 12（6）： 485-494.

［7］ 李廣南，葉洪濤，羅文廣.基于IPSO-MPC的無人駕駛車輛縱向運(yùn)動(dòng)控制［J］.廣西科技大學(xué)學(xué)報(bào)，2022，33（1）：94-100.

［8］ MOSTAFA A G，HOSNY N S， ABORISHA A S.Model predictive control for a basic adaptive cruise control［J］.International Journal of Dynamics and Control， 2021， 9（3）： 1132-1143.

［9］ HANG P，CHEN X B，ZHANG B，et al.Longitudinal velocity tracking control of a 4WID electric vehicle［C］//Proceedings of 5th IFAC Conference on Engine and Powertrain Control， Simulation and Modeling.Vienna，Austria：E-COSM，2018.

［10］ DIAS J E A，PEREIRA G A S，PALHARES R M.Longitudinal model identification and velocity control of an autonomous car［J］.IEEE Transactions on Intelligent Transportation， 2014， 16（2）： 776-786.

［11］ 王亞平.無人駕駛汽車軌跡跟隨控制研究［D］.長(zhǎng)沙：湖南大學(xué)，2019.

［12］ 康騰.基于遺傳算法的智能駕駛車輛縱向PID控制研究［J］.汽車文摘， 2022， 561（10）： 52-56.

［13］ 付建.智能駕駛汽車橫縱向協(xié)同控制方法研究［D］.桂林：桂林電子科技大學(xué)，2023.

［14］ 羅玉峰，鐘陳志鵬，陳齊平，等.智能駕駛汽車縱向運(yùn)動(dòng)控制研究綜述［J］.汽車實(shí)用技術(shù)，2018（22）：28-32.

［15］ 康騰.電動(dòng)智能汽車橫縱向跟蹤控制研究［D］.重慶：重慶交通大學(xué)，2023.

［16］ 周璐瑤.車輛橫縱向路徑跟蹤控制策略研究［D］.長(zhǎng)春：吉林大學(xué)，2021.

Analysis of longitudinal control strategy of the intelligent vehicle

PANG Tongjia， WANG Jinbo*， TIAN Yuyang， ZHANG Weihai

School of Automotive Engineering， Shandong Jiaotong University，Jinan 250357， China

Abstract：To address the issues of poor adaptability and slow response when using traditional proportional integral derivative （PID） control for the longitudinal operation of intelligent vehicles， based on combined PID control and fuzzy control theory，a simulation control model is established using MATLAB/Simulink， the upper controller take the deviation and rate of deviation between the desired speed and actual speed as input parameters for the fuzzy controller in the simulation model. Based on fuzzy rules， the upper controller outputs proportional， integral， and derivative coefficients， which are weighted with the traditional PID controller algorithm to produce the desired acceleration of the vehicle. The lower controller switches the vehicle′s drive or braking through an acceleration-braking calibration table. A vehicle operation platform is built using Carsim， and the simulation control model is integrated with the vehicle operation platform. Simulations comparing traditional PID and fuzzy PID longitudinal control strategies are conducted at desired speeds of 5， 10， 16， and 25 m/s. The results show that the average speed deviation of the traditional PID control strategy is approximately 0.122 m/s， while the average speed deviation of the fuzzy PID control strategy is about 0.015 m/s. The use of the fuzzy PID control strategy significantly improves control accuracy， and the response speed is faster.

Keywords：longitudinal movement; fuzzy-PID;controller;intelligent vehicle

（責(zé)任編輯：胡曉燕）

收稿日期：2024-07-08

第一作者簡(jiǎn)介：龐同嘉（1998—），男，山東聊城人，碩士研究生，主要研究方向?yàn)橹悄荞{駛，E-mail：1903380875@qq.com。

*通信作者簡(jiǎn)介：王金波（1979—），男，山東臨朐人，副教授，碩士研究生導(dǎo)師，主要研究方向?yàn)檐囕v動(dòng)力學(xué)及其控制，E-mail：wangjinbo370724@163.com。

DOI：10.19471/j.cnki.1673-6397.2024.04.011