文献总结报告范文1.docx

资源描述

文献总结报告范文1.docx

《文献总结报告范文1.docx》由会员分享，可在线阅读，更多相关《文献总结报告范文1.docx（17页珍藏版）》请在冰豆网上搜索。

文献总结报告范文1.docx

文献总结报告范文1

1课题背景及意义

汽车工业发展已有100多年的历史。

自20世纪80年代以来，智能控制理论与技术在交通运输工程中越来越多地被应用，在这一背景下，智能汽车的概念应运而生。

所谓智能汽车，就是在网络环境下用信息技术和智能控制技术武装的汽车。

智能汽车是一种高新技术密集的新型汽车，研究人员正从智能汽车的信息系统、控制系统、网络环境及智能结构等几个方面进行研究[1]。

智能汽车的设计和开发，将从根本上改变现有汽车的信息采集处理、数据交换、行车导航与定位、车辆控制的技术方案与体系结构。

自20世纪90年代以来，随着汽车市场竞争激烈程度的日益加剧和智能运输系统（ITS）研究的兴起，国际上对于智能汽车及其相关技术的研究成为热门，一批有实力、有远见卓识的汽车行业大公司、研究院校和高等院校也正在展开智能汽车的研究。

国内外业界和学术界形成了共识，即现代汽车行业的新一轮竞争的焦点将是涉及微电子技术、智能自动化技术、通信技术等新技术领域的智能汽车的研究与开发[1]。

21世纪的汽车概念将发生根本性的变化。

现在的“汽车”是带有一些电子控制的机械装置，将来的“汽车”将转变为带有一些辅助机械的机电一体化装置，汽车的主要部分不再仅仅是个机械装置，它正向消费类电子产品转移。

据HP公司统计，目前世界平均每辆汽车在电子方面的投资约为1200美元（不包括立体声音响、收音机和电话），而且正在以每年15%的速率增加。

同时，智能汽车在传统汽车上配备了远程信息处理器、传感器和接收器，通过无线网络获取前方交通状况信息，引导汽车加速或减速。

这样，汽车就能更为平稳地行驶，避免不断刹车、启动的动作，以降低油耗。

随着汽车电子控制技术的发展，中国的汽车工业将面临着巨大的发展机遇和挑战，开展智能汽车技术的研究与开发工作具有重要的意义[1]。

大学生智能汽车竞赛是以迅猛发展的汽车电子为背景，涵盖了智能控制、模式识别、传感技术、电子、计算机、机械、交通等多个学科交叉的科技创意性比赛。

目的是引导和激励学生实事求是、刻苦钻研、勇于创新、注重实践、提高综合素质[2]。

智能车的转向控制是一个复杂的控制问题。

如果采用经典PID控制，很难建立一套精确的数学模型，而且模型的参数难以精确测算和估计。

模糊控制算法不需要系统建立精确的数学模型，在一定经验和试验的基础上就能够得到很好的控制效果。

模糊控制器的参数整定是智能车控制系统中一个十分重要的环节。

传统的车速控制方法有PID控制、最优控制等。

模糊控制的特点是控制响应快，对于不确定性因素的适应性强[3]。

模糊控制器是一种专家控制系统，它的优点是不需要知道被控对象严格的数字模型而能够利用专家已有的知识和经验。

当系统为非线性系统时，模糊控制器还可以产生非线性控制作用[4]。

但是模糊控制器也有一个缺点：

如模糊控制器没有一个系统的设计方法。

模糊控制系统在稳态情况下总有一个小的偏差。

为了克服模糊控制器的这些缺点，可采用把模糊控制器与PID调节器相结合的控制方案[5]。

模糊理论描述了比精确数学更为广泛的世界，包含了精确数学的领域。

因此，当所描述的事物或现象退化为精确时，模糊的理论或方法必须与精确的理论和方法相一致[6]。

2智能汽车的研究现状

2.1国外智能车的研究现状

智能汽车是一种高新技术密集型的新型汽车，是今后的主流汽车产品。

而研究智能汽车所必需的理论与技术支持条件大部分已经基本具备。

正是基于这一点，国际上正在形成智能汽车研究、设计、开发、竞赛的热潮[2]。

美国是世界上对智能汽车最为关注的国家。

美国交通部已开始一项五年计划，投入3500万美元，与通用汽车公司合作开发一种前后防撞系统。

同时，美国俄亥俄州立大学和加州大学以及其他一些研究机构正在进行全自动车辆的研制与该进工作。

CMU大学的NabLab5实验智能车是由Potiac运动跑车改装而成的，装有便携式计算机、摄像头、GPS全球定位系统、雷达和其他辅助设备。

1995年6月，NabLab5进行了横穿美国的实验NHAA（NOHandsAcrossAmerica），从宾州的匹兹堡到加州的圣地亚哥，行程4587km，其中自主驾驶部分占98.2%。

美国移动导航子系统（MNA）能计算出最佳行驶路径，还能不断地接收现场的最新交通状况，给出连续更新的指向，让车辆始终沿着最理想的路径向前行驶。

此外，美国还将智能汽车的研究用于军事上，美国国防部采用无人车去执行危险地带的巡逻任务，目前正在进行第三代军用智能汽车的研究，称为DemoIII，能满足有路和无路条件下的车辆自动驾驶[2]。

在此基础上，美国国防部与民间的大学、企业和发明家联合开展了全球领先的智能汽车竞赛。

2007年11月，美国第三届智能汽车大赛在加利福尼亚州维克托尔举行。

参赛的无人驾驶车辆的头顶有旋转的激光器，两边还有转动的照相机，内部安装有电脑装置。

这些无人驾驶的汽车完全由电脑控制，利用卫星导航、摄像、雷达和激光，人工智能系统可判断出汽车的位置和去向，随后将指令传输到负责驾驶车辆的系统，丝毫不受人的干涉，用传感器策划和选择它们的路线。

参赛的无人驾驶智能汽车沿着附近的公路飞奔。

约有50个人驾驶配备防滚架的汽车，密切关注着机器人汽车的情况。

智能汽车比赛的目标是对未来科学家的奖励。

大学、企业和发明家们期望制造出通过洛杉矶和拉斯维加斯间荒地、行程160km的自我控制汽车。

美国国防部先进研究署（DARPA）非常需要无人驾驶汽车，因为它们能降低战场中士兵的伤亡人数。

大学对人工智能问题的解决很感兴趣，而汽车制造商则认为，人工智能系统将能帮助人们驾驶，最终完全承担驾驶任务。

如图2-1所示为美国的智能汽车[2]。

图2-1美国智能汽车

欧洲开发基金资助进行驾驶员监测、道路环境的感知、视觉增强、前车距控制以及传感器融合方面的研究。

同时,欧洲的一些国家正试验将智能速度适应（IntelligentSpeedAdaptation,ISA）作为提高车辆安全性的手段,其构想是通过路边标志信息或卫星定位信息以及车载数字地图进行车辆导航,并自动控制车辆的速度。

实验结果表明,采用该系统,能够使交通事故减少20%德国慕尼黑联邦国防大学与奔驰汽车公司合作研制开发了VaMP试验车,它是由一辆豪华型的奔驰500SEL改装而成,视觉系统主要包括道路检测与跟踪RDT和障碍物检测与跟踪ODT两个模块。

在整个实验中,系统行驶了1600公里,其中95%的部分是自动驾驶的[14]。

目前在日本，夜视和后视报警系统已应用在某些汽车上，三菱公司和尼桑公司已发布其近期可使用的防撞设备，前方防撞和车道偏离有望在1～2年内实现。

本田公司、尼桑公司和丰田公司也各自在先进安全性车辆计划中发展行车安全子系统，它们包括：

车道定位系统、前车距离控制系统、自动控制系统、障碍物警报系统、驾驶员打盹报警系统和夜间行人报警系统等。

日本智能公路（SmartWay）计划中，提出车辆上采用诸如：

车道保持、十字路口防撞、行人避让和车距保持等IV技术。

2003年日本将开始实施一个示范计划，到2015年将在日本全国范围内实施SmartWay计划[14]。

意大利帕尔马大学研制的ARGO实验车时由一辆兰西亚Thema客车改装而成，装备有摄像机、霍尔效应传感器、IO接口板、信息输出装置和奔腾200MMX的PC，使用Linux操作系统，1998年6月进行了2000公里的长距离实验，称为Mille-MigliainAutomatico。

整个实验途经平原和山区，包括大量的高架桥和隧道。

意大利的公路网道路场景（包括天气和交通）变化非常快，因此特别适合进行这种扩展性的测试。

世界各国著名大学也参与到智能汽车的开发中，如麻省理工学院、斯坦福大学、卡耐基—梅隆大学、剑桥大学、东京大学等。

他们在人工智能、机器人视觉、自动驾驶和汽车自动导航等领域都有深入的研究[14]。

韩国借助于本国当前蓬勃发展的汽车工业，致力于全新的智能汽车技术在年轻一代中的跨越式发展，在全世界率先开展了大学智能汽车竞赛。

每年韩国大约有100余支队伍参赛，该项赛事得到了众多高校

和大学生的欢迎，也逐渐得到了企业的关注。

韩国现

代公司自2004年开始免费捐赠一辆轿车作为赛事的特

等奖项。

德国宝马公司也提供了不菲的资助，并邀请

3名获奖学生到德国宝马公司研究所访问，2005年

SUNMOON大学的参赛者获得了这一殊荣，图2-2所示为

他们设计的智能车模型[2]。

图2-2智能车模型

2.2国内智能车的研究现状

清华大学汽车研究所是国内最早成立的主要从事智能汽车及智能交通的研究单位之一，在汽车导航、主动避撞、车载微机等方面进行了广泛而深入的研究[14]。

上海市“智能汽车车内自主导行系统”的一种样车，2000年7月19日通过市科委鉴定，它标志着上海智能交通系统进入实质性实施阶段[14]。

国防科大成功试验了第四代无人驾驶汽车，它的最高时速达到了75.6公里，创国内最高纪录[14,15]。

以韩国大学生智能汽车竞赛为蓝本，我国也组织了自己国内的大学生智能汽车竞赛。

教育部为了加强大学生实践、创新能力和团队合作精神的培养，委托教育部高等学校自动化专业教学指导分委员会主办了每年一度的全国大学生智能汽车竞赛。

经自动化分教指委与飞思卡尔半导体公司友好协商，确定飞思卡尔公司为协办单位，并于2005年11月14日召开了全国大学生智能汽车竞赛暨第一届全国大学生智能汽车邀请赛新闻发布会，并命名该赛事为“飞思卡尔”杯。

成为目前继全国大学生数学建模、电子设计、机械设计、结构设计之后的第五大全国大学生专项设计竞赛[2]。

罗文广、孔峰研究了一种基于参数自整定的模糊控制单片机直流无刷电动机调速系统，采用参数自整定模糊控制器,使系统具有较高的控制精度和良好的鲁棒性[11,12]。

程启明、黄林提出一种应用模糊推理功能实现PID参数自整定的控制方法，可根据船舶动态特性的变化,自动重新整定PID参数，从而改善了操纵性能和鲁棒性[11,13]。

张涛、李家启提出了利用自适应模糊PID控制器实现对永磁无刷直流电机调速系统进行设计的新方法，通过自适应因子将模糊控制器和PID控制器结合，在线自调整控制参数，从而完善了PID控制器的性能，提高了系统的控制精度[11,16]。

张涛、蒋静坪、薛鹏骞利用模糊控制不需要被控对象具有精确数学模型也能对其进行控制的这一优点，详细给出了模糊控制器的设计过程和运行结果，取得了预期的控制效果，从而证明了模糊控制在位置随动系统中的应用价值[7]。

程志江、李剑波对具有自动道路检测和自动跟随功能的智能小车控制系统的开发进行了介绍,并用C语言程序开发了模糊控制程，实现了对直道、蛇形弯道以及大半径弯道三种典型道路的自动跟随。

运行效果表明智能车对任意道路具有较好的跟随性，同时具有较高的车速[9]。

贾勇利用模糊控制实现了智能小车舵机较为稳定的控制[10]。

模糊控制可以利用MATLAB实现较为精确的仿真，从而指导实际的调试，石辛民、郝整清在模糊控制及其MATLAB仿真较为详细地介绍了如何通过MATLAB工具箱实现对模糊控制系统的仿真[3]。

王耀南、孙炜在智能控制理论及其应用一书中比较精炼地介绍了模糊控制器的设计方法和步骤[4]。

2.3智能小车研究的问题和不足

在程宇、程磊、黄卫华、孙浩的基于模糊控制的智能车调速系统的设计[11]中角度偏差的论域应该设有负值。

即在智能车控制系统中，为了保持车能够寻迹前进，应尽量以车的中心轴为控制中心。

如果车向左或者向右偏离了黑线，应能及时通过调节舵机的输出角度使车回到中心位置，这样可以达到较好的控制效果，所以当车偏离中心时，左右的偏差应设成正和负。

车速偏差范围设的太小，应为车前进不仅要考虑到电机本身的问题还要考虑到地面摩擦力的问题，在入弯时，可能一个控制周期会使车速下降很多，所以车速偏差的变化应该设大些，使其具有一定的容错能力。

在程志江、李剑波的基于模糊控制的智能小车控制系统开发[9]中将模糊控制输出U的论域范围设得太大，从而导致清晰化过程中的困难，应当尽量设一个相对较小的范围，然后乘上一个比例系数之后去控制舵机，会达到比较理想的效果。

还要考虑到传感器检测不到黑线的时候的处理，不单单依靠模糊控制去应对，应该在模糊控制之前有必要的滤波措施，而使模糊控制能够达到预期的效果。

红外管选择的时候应尽量原则那些功率比较大的，可以用间歇点亮的方式进行数据采集，从而可以提高前瞻，最终达到提速的目的。

在张国亚、钱新恩、程耕国、李峰波的基于模糊控制的智能车转向控制仿真研究中较为简单的把原来PID控制效果和模糊控制效果对比，发现模糊控制有稍微好的优点。

但是没有考虑到把舵机控制换成模糊控制之后，和速度控制的匹配问题。

智能车控制系统实际上是一个双输入双输出的系统。

如果单单考虑一个输入和一个输出就比较片面了。

其次仿真研究也要作用于实际，然后通过实际返回给仿真做修改，方可达到比较好的控制效果。

在迟钦河、徐文正的把模糊控制与PID算法相结合的控制系统中要考虑到在变量缓慢变化的系统中控制方法之间的切换不是显得很重要，而在变量快速变化的场合要考虑到不同控制方法之间切换的抖动问题。

3模糊控制在智能小车控制中的应用

3.1智能小车的组成

3.1.1智能小车控制系统的结构

智能小车控制系统的结构主要由Freescale单片机、传感器阵列、车速检测模块、驱动电机、舵机以及电源管理单元组成，如图3-1所示。

3.1.2传感器的选择与排布

根据不同的路况要求，可选用不同数量和不同排列形状的传感器阵列。

图3-2为一组由12个光电管组成的传感器阵列，它主要完成轨迹跟踪及判断目前路况。

光电管采用脉冲调制的红外反射式光电传感器，其优点是体积小、调试简单、不易受外界干扰、反应速度快。

在平均电流不变的情况下，发射管瞬时电流可以很大，可以增大智能车前瞻距离。

为防止传感器探测不到黑线（迷失现象），光电管的经验值取20mm较佳。

○○○○○○○○○○○○

●●●●●●●●●●●●

图3-2传感器阵列

传感器的排布选用“一”字形布局，即各个传感器在一条直线上，从而保证纵向的一致性，使其控制策略主要集中在横向上。

对于传感器有输出值的（即其中至少有一个光电管感应到黑道）情况，可根据其所在的位置进行相应控制；其次，对于迷失情况，可利用之前的传感器输出情况来判断智能车此时进入哪一段区域。

图3-3为任意两个相邻的传感器与轨道之间的位置关系及接受到得信号形式。

假设从左到又的传感器编号为1-12，从而可知，一般路段（除起跑线和十字交叉线）归一化处理后得到的道路信息共可以分为24种，如：

第六个一个传感器检测到黑线，六、七

两个传感器同时检测到黑

线（存在两个传感器同时

检测到黑线的情况，黑线

宽25mm），以及都没有检

测到黑线等情况。

3.1.3车速检测模块

采用红外接受式光电检测

机构，在后轮齿轮传动盘

上粘贴一个21齿的码盘。

图3-3传感器的信号与轨道的位置关系

当码盘挡住红外发射管时，单片机将接收到一个下降沿，测取两个下降沿之间的时间t0，而两个齿之间的距离S是一定的所以可以根据式3-1得到瞬时速度。

V=S/t0（3-1）

图3-4所示为车速检测模块原理图。

图3-4车速检测模块原理图

3.1.4舵机控制单元

舵机的控制信号共有三根，中间红色的是电源线，一边黑色的是地线，这两根线给舵机提供最基本的能源保证，主要是由内部电机的转动消耗掉了。

需提供的电源一般有两种规格，一种是4.8V，一种是6.0V，分别对应不同的转矩标准，即输出力矩不同，6.0V对应的要大一些，具体看应用条件；另外一根线是控制信号线，它的颜色是不确定的，随着生产厂家的不同而不同，舵机的控制信号一般为频率为50Hz，周期为20ms的脉宽调制（PWM）信号，其中在一定范围之内的脉冲宽度与舵盘的0－180度位置相对应，且呈线性变化。

舵机输出转角和控制信号脉宽之间的关系如图3-5所示。

经过试验可得舵机的中心值（即转角为0°时，PWMDTY01的输出为

1500，当舵机转向正向即向右最大时，

PWMDTY01的输出为1350，当舵机转向

负向最大时即向左转最大，PWMDTY01

的输出为1690。

从而得到舵机控制的输出

范围为1350-1690，如果超出这个范围就

会出现前轮抱死的现

象应当尽量避免。

图3-5舵机输出转角与控制信号脉宽之间的关系

3.1.5电源管理单元

电源管理单元主要用于以下三个方面：

（1）采用稳压管芯片L7805CV将电源电压稳压到5V后，给单片机系统电路、路径识别的光电传感器电路、车速检测模块和驱动芯片MC33886电路供电；

（2）经过一个二极管降至6.5V左右后供给转向舵机；

（3）直接供给直流驱动电机。

电源模块的框图如图3-6所示。

图3-6系统电源模块框图

使用LM2940作为5V电压的稳压芯片，考虑到单片机电路芯片与与其他电路同时供电的干扰问题，所以采用二块LM2940，一块用来为单片机提供5V电压，另一块用来为其他模块提供电压。

3.1.6直流电机驱动控制单元

电机驱动模块采用MC33886作为驱动芯片。

由于在使用过程中，MC33886工作时间稍长，发热会较严重。

当MC33886出现过温保护时，就无PWM信号输出。

所以设计了两片MC33886并联来驱动电机，这样不仅MC33886只有轻微的发热，同时MC33886总的驱动电流可达到10A。

只要通过程序改变IN1和IN2的PWM波形占空比，就能实现电机调速与正反转。

其中控制PWM波的输出为PWMDTY4和PWMDTY5。

当PWMDTY4>PWMDTY5时电机正转，反之电机反转。

如图3-7所示，为MC33886的外部引脚图。

其中D1和D2是MC33886的使能端，分别接0和1才能使其正常工作；FS为MC33886的中断保护输出端，加上拉电阻后接入单片机的输入端，如发生短路、欠压或者过温保护，此信号可以及时反馈给单片机，让单片机及时做出相应的动作，保护电路元件，避免故障发生；IN1和IN2为输入端；OUT1和OUT2为其输出端，接电机两级。

将MC33886的输入端接到单片机的PWM输出口，在其输出端可以得到与单片机PWM输出口相应的并可以驱动直流电机的PWM信号。

这样，就能实现对电机的转速控制，方向控制及制动等。

3.2智能小车转向模糊控制算法设计

智能车转向模糊控制采用二维模糊控制器，输入变量e、ec，分别是传感器阵列给出的黑线相对于中心线的横向偏差和偏差的变化率，其输出u是智能小车舵机的转向角（通过PWMDTY01的值来控制）。

3.3.1编码

模糊控制器的编码值如表3-1所列。

表3-1模糊控制器编码值

检测值

L1&L2

L2&L3

L3&L4

L4&L5

L5&L6

L6&L7

编码值

偏离

-11

右

-10

右

-9

右

-8

右

-7

右

-6

右

-5

右

-4

右

-3

右

-2

右

-1

右

无

检测值

L7&L8

L8&L9

L9&L10

L10

L10&L11

L11

L11&L12

L12

编码值

偏离

左

将编码值E作为模糊控制器的一个输入，另外将其变化率作为另一个输入。

如图3-8所示，变化率为：

E=Ei-Ei-1

L1L2L3L4L5L6L7L8L9L10L11L12

●●●●●●●●●●●●

图3-8红外接收管编码

设论域E={-11，-10，-9，-8，-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，8，9，10，11}。

整个程序的控制周期为10ms，包括采集，数据处理、舵机控制、电机控制等，如果车的速度为2m/s，车行进的距离为2cm，而光电管之间的距离亦为2cm，所以设论域△E={-1，0，1}，论域输出U={-11，-10，-9，-8，-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，8，9，10，11}。

3.3.2模糊化处理

语言变量“偏差”E有“负大”、“负中”、“负小”、“零”、“正小”、“正中”、“正大”7个语言值（NB，NM，NS，ZO，PS，PM，PB）。

语言变量“偏差变化率”△E有“负小”、“零”、“正小”3个语言值（NS，ZO，PS）。

模糊控制器输出U有“负大”、“负中”、“负小”、“零”、“正小”、“正中”、“正大”7个语言值（NB，NM，NS，ZO，PS，PM，PB）。

其对应的隶属度函数如图3-9、3-10所示。

图3-9E和U的隶属度函数

图3-10△E的隶属度函数

3.3.3模糊规则

模糊规则反应了输入输出变量之间的关系，模糊控制规则是模糊控制的核心。

对智能车进行测试，再根据这些数据生成模糊控制规则。

首先，先确定数据对（Ei，△Ei，Ui）对语言变量值的隶属度；再取数据对语言变量隶属度中的最大隶属度，如果出现相同则取任取其一；然后由一个数据对生成一条控制规则，从而得到模糊控制规则。

本系统采用三套模糊控制规则表，一套是用于直道和曲率半径大的弯道的控制规则表，一套是用于直道和曲率半径小的弯道的控制规则表，一套是S道控制规则表，三个表根据路径判别的输出进行切换。

由于车在直道行驶时车体距离黑线的偏差不大，当在弯道行驶时车体距离黑线的偏差很大，因此本系统将直道和弯道的规则合二为一，弯道和直道采用此规则表的不同区域进行控制，交界处为直道和弯道的过渡区。

当遇到S形弯道时，则采用第三套规则表。

规则的确定要依据具体的实验情况和经验而定，并在调试过程中不断地修改规则，使其达到更好的控制。

道路模糊控制规则如表3-2、3-3、3-4所示。

表3-2直道和曲率半径大的弯道模糊控制规则

表3-3直道和曲率半径小的弯道模糊控制规则

表3-4S形弯道模糊控制规则

3.3.4模糊推理

推理是模糊控制系统的核心。

以模糊概念为基础，模糊控制信息可以通过模糊蕴涵和模糊逻辑的推理规则来获取，并可以实现拟人决策过程。

根据模糊控制的输入和模糊控制规则，可由模糊推理求

展开阅读全文