基于模糊PID的智能车车体控制研究

摘 要：本文基于模糊PID控制对智能车车体控制展开研究。分别基于CarSim和Simulink搭建了车辆动力学模型和预瞄模型，以及基于模糊PID控制的车体控制模型。在CarSim/Simulink联合仿真平台上，分别用PID、模糊PID控制智能车对正弦路径和规划的避障路径进行变速跟踪，结果表明，相同条件下模糊PID控制具有更好的控制效果、跟踪准确且能成功的避开动态障碍物。

关键词：模糊PID控制；车体控制；联合仿真

对智能车车体控制的研究，是智能车技术的关键之一，对研究智能车的发展具有重大意义。智能车车体控制，以研究智能车的横向控制为主，横向控制是指控制智能车准确的按照给定的路径行驶。

1 车辆动力学模型和预瞄模型

本文只考虑车辆操纵稳定性。车辆动力学模型用来确定车辆的状态量和控制量。在进行车辆动力学建模[ 1 ]时进行相关理想化的假设，如图1所示。车辆动力学非线性模型[ 2 ]为：

通过行驶速度Vf和前轮转角δf确定汽车的位置X，Y，φ。驾驶员要想跟随某一路径行驶，需要确定汽车与路径间的距离、相对于路径的方向，即横向偏差和方向偏差[ 3 ]。

yL=ym-Y εL=φ-α （2）

其中，yL为横向偏差；εL为方向偏差；L为预瞄距离，L=10m。

2 模糊PID控制原理

模糊PID控制不但具有模糊控制的非线性和智能性，还具有PID控制结构可靠性好、控制精度高等优点。

yL=1-2，εL=1-2 （3）

eL=η1yL+η2εL （4）

其中，η1、η2均大于0，且η1+η2=1；eL是融合偏差，即相对误差。

本文设计的模糊PID控制，以融合偏差eL和融合偏差的变化率L为输入，并加入自我调整参数的选项，通过调节增量ΔKp、ΔKi和ΔKd来调节PID控制器参数Kp、Ki和Kd，增量由模糊控制器控制。

Kp=Kp0+ΔKp，Ki=Ki0+ΔKi，Kd=Kd0+ΔKd （5）

3 基于模糊PID的智能车车体控制模型仿真分析

智能车的车速设定为连续变化的，初始车速为0km/h，目标车速为100km/h。图3和图4分别为智能车基于模糊PID控制和PID控制对正弦路径和规划的避障路径跟踪仿真的结果。从图中可知PID控制的跟踪轨迹偏差比较大，模糊PID控制较好。模糊PID控制的轨迹与目标轨迹的最大距离为0.6m，而PID控制为4.6m。前者最大误差为3%，后者为23%。

综上所述，相比于PID控制，基于模糊PID控制的智能车车体控制不但具有更好的控制效果，而且适用于变速情况下对动态避障路径的跟踪，跟踪效果良好。

4 结语

本文选择模糊PID控制进行智能车车体控制研究，结合了模糊控制和PID控制的优点。为了验证其控制效果，分别对正弦路径和规划路径进行跟踪，并进行对比，可知当车速连续变化时，模糊PID控制的控制效果更理想，对路径的跟踪效果更好，且能成功的避开动态障碍物达到目标点。

参考文献：

[1] Sam-Sang You，Seok-Kwon Jeony.Controller design and analysis for automatic steering of passenger cars[J].Mecha—tronjcs，2002.（12）：427-446.

[2] 龚建伟，姜岩，徐威.无人驾驶车辆模型预测控制[M].北京：北京理工大学出版社，2014.

[3] 赵熙俊，陈慧岩.智能车辆路径跟踪横向控制方法的研究[J].汽车工程，2011，5（33）.

[4] 郭景華，胡平，李琳辉，王荣本，张明恒，郭烈.基于遗传优化的无人车横向模糊控制[J].机械工程学报，2012，48（6）：77-82.