基于無模型自適應(yīng)控制的自動泊車方案

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

　　關(guān)鍵詞:無模型自適應(yīng)控制;自動泊車;預(yù)瞄偏差角;路徑跟蹤

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

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

　　本文目的是針對城市用車設(shè)計(jì)一套完整的自動平行泊車系統(tǒng),故選擇兩驅(qū)車為研究對象.自動泊車一般分為三個(gè)步驟[3]:車位探測、路徑規(guī)劃、路徑跟蹤.司機(jī)駕駛車輛行駛到停車位附近時(shí),啟動車載傳感器系統(tǒng)開始搜集停車位周圍環(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)通過分析車載傳感器系統(tǒng)準(zhǔn)確采集的車身周圍環(huán)境信息,計(jì)算規(guī)劃出一條可用最優(yōu)泊車路徑并將規(guī)劃路徑傳送給自動控制系統(tǒng);自動控制系統(tǒng)接收信息后控制車輛按照規(guī)劃路徑駛?cè)氩窜囄籟4].目前國內(nèi)外關(guān)于車位探測、路徑規(guī)劃、路徑跟蹤進(jìn)行了大量研究.

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

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

　　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,定位段部分通過碰撞約束得出能夠駛離車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]提出一種無碰撞圓弧路徑,該方案與車輛初始位置和方向無關(guān),只要車位長度和寬度均大于車輛長度和寬度就可以生成一個(gè)泊車路徑.

　　Wang等[11]提出了一種遞歸神經(jīng)網(wǎng)絡(luò)規(guī)劃泊車路徑的方案,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)測停車軌跡曲線,然后通過訓(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,該方案在基于樹的指導(dǎo)原則前提下,首先采用Runge-Kutta方法離散運(yùn)動學(xué)微分方程,然后制定靜態(tài)優(yōu)化問題以確定最優(yōu)泊車路徑.

　　上述路徑規(guī)劃方案各有優(yōu)缺點(diǎn),前向路徑規(guī)劃方案簡單易行;無碰撞圓弧路徑規(guī)劃方案對車輛初始位置和方向沒有要求,適用于狹窄空間車位,但上述兩種方案容易出現(xiàn)曲率不連續(xù)的問題,車輛在跟蹤過程中必須停在路徑連接處重新調(diào)整前輪轉(zhuǎn)角,這會加劇輪胎的磨損.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圍環(huán)境信息.路徑跟蹤方面,Song等[13]以車輛速度和前輪轉(zhuǎn)角為控制輸入,以車輛航向角和位置坐標(biāo)為控制輸出,設(shè)計(jì)了模型預(yù)測控制(MPC,modelpredictivecontrol)算法控制車輛實(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。

　　輸入方向盤角度和車輪速度得到實(shí)際運(yùn)行軌跡,通過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]以方向盤轉(zhuǎn)角為控制輸入,車輛的橫向位移、側(cè)滑角、偏航率為控制輸出,提出多約束模型預(yù)測控制(MMPC,multiconstrainedmodelpredictivecontrol)方法,通過對橫向位移、側(cè)滑角、偏航率的輸出約束和對方向盤轉(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身角與期望軌跡斜率相同的方案來實(shí)現(xiàn)路徑跟蹤,但該方案在實(shí)際跟蹤過程中可能出現(xiàn)實(shí)際運(yùn)行軌跡與期望軌跡平行而非重合的問題,使汽車不能準(zhǔn)確停在目標(biāo)位置.

　　另外,針對不同的車型,PID(proportionalintegraldifferential)控制器在使用時(shí)需要重新整定參數(shù),模型預(yù)測控制器在使用時(shí)需要重新設(shè)定被控對象的模型信息.因此,基于上述控制器的跟蹤方案可移植性較差.在汽車泊車過程中,會產(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)確反映汽車動力學(xué)信息,利用數(shù)據(jù)驅(qū)動的方法實(shí)現(xiàn)對汽車自動泊車過程的控制,是目前一個(gè)新穎的方法.由于一些系統(tǒng)存在時(shí)變、建模難等問題,數(shù)據(jù)驅(qū)動控制逐漸成為研究熱點(diǎn).具有代表性的數(shù)據(jù)驅(qū)動控制方法有虛擬參考反饋整定[16-17]、自適應(yīng)動態(tài)規(guī)劃[18-22]、無模型自適應(yīng)控制[22-23]等.

　　無模型自適應(yīng)控制(MFAC,modelfreeadaptivecontrol)理論與方法是一種典型的數(shù)據(jù)驅(qū)動控制方法[22,24].MFAC針對離散時(shí)間非線性系統(tǒng)使用了一種新的動態(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)動態(tài)工作點(diǎn)處建立一個(gè)等價(jià)的動態(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)在無人駕駛[25-27]、無人水面載具[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).通過上述分析可知,現(xiàn)在關(guān)于自動泊車控制系統(tǒng)的研究大多是通過控制車身角與期望路徑斜率相同來實(shí)現(xiàn)路徑跟蹤[13,15,34],但該方法在控制過程中可能出現(xiàn)實(shí)際運(yùn)動軌跡與期望軌跡平行而非重合的問題,使汽車最終不能準(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題.本文的主要貢獻(xiàn)為:

　　1)針對現(xiàn)有跟蹤方案中可能出現(xiàn)的實(shí)際運(yùn)動軌跡與期望軌跡平行而非重合的問題,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)針對現(xiàn)有控制器可移植性差的問題,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控制器在使用過程中僅需系統(tǒng)產(chǎn)生的I/O數(shù)據(jù),不需要任何車輛模型信息,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)用于自動泊車中.

　　在規(guī)劃泊車路徑的前三段中,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,但跟蹤效果相對最好;Fuzzy控制算法時(shí)間代價(jià)最大,跟蹤誤差也相對較大.

　　對比三種控制方案的路徑跟蹤情況和跟蹤誤差,并對比跟蹤誤差均方根、航向角誤差均方根和算法時(shí)間代價(jià),說明對于車型奧迪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,通過對一汽-大眾CC(2016款)和奧迪A1車型的仿真結(jié)果分析可知:針對不同的車型,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泊車過程,通過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.

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

　　本文針對自動泊車系統(tǒng)提出了基于MFAC的預(yù)瞄偏差角跟蹤方案,該方案僅需自動泊車過程中生成的前輪轉(zhuǎn)角輸入數(shù)據(jù)和預(yù)瞄偏差角輸出數(shù)據(jù),不需要任何車輛信息;提出的預(yù)瞄偏差角跟蹤方案在計(jì)算過程中使用了每一時(shí)刻的坐標(biāo)信息及車身角信息,使跟蹤更加準(zhǔn)確.給出了兩款不同車型的自動泊車仿真,通過分析對比跟蹤誤差可知,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),能夠針對不同車型使用.

　　參考文獻(xiàn)(References)

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

　　[2]宋金澤.自主泊車系統(tǒng)關(guān)鍵技術(shù)研究[D].長沙:國防科學(xué)技術(shù)大學(xué)機(jī)電工程與自動化學(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)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/28014.html