智能汽車設(shè)計(jì)基礎(chǔ)—軟

1、第3章 智能汽車設(shè)計(jì)基礎(chǔ)—軟件,,,第3章 智能汽車設(shè)計(jì)基礎(chǔ)—軟件,在智能車系統(tǒng)的設(shè)計(jì)中，硬件是基礎(chǔ)，沒有一個(gè)好的硬件平臺(tái)，軟件就無法運(yùn)行。對(duì)于智能車系統(tǒng)來說，軟件的核心是控制算法。而完成這些任務(wù)的編程語言有匯編語言和C語言。軟件部分是整個(gè)智能車系統(tǒng)的靈魂，在硬件方面各參賽隊(duì)之間大同小異，真正體現(xiàn)各參賽隊(duì)智能車的優(yōu)勢(shì)和最后決定比賽成績(jī)好壞的往往是軟件部分，尤其是核心控制算法的設(shè)計(jì)。本章首先簡(jiǎn)要介紹軟件編程中使用的匯編語言和C語言各自

2、的特點(diǎn)，然后重點(diǎn)介紹核心控制算法的原理。,第3章 智能汽車設(shè)計(jì)基礎(chǔ)—軟件,3.1 編程語言簡(jiǎn)介,匯編語言是用符號(hào)指令書寫程序的語言，是依賴于硬件平臺(tái)的語言，對(duì)于不同架構(gòu)的CPU都會(huì)有相應(yīng)的匯編指令。匯編語言可以直接操作CPU內(nèi)部的寄存器以及各種外圍設(shè)備，對(duì)于單片機(jī)啟動(dòng)開始運(yùn)行或者對(duì)于時(shí)序要求嚴(yán)格的I/O操作必須采用匯編語言編寫，在啟動(dòng)開始運(yùn)行時(shí)匯編語言創(chuàng)建系統(tǒng)的運(yùn)行環(huán)境。C語言的特點(diǎn)就是可以使程序員盡量少地對(duì)硬件進(jìn)行操作，具有很強(qiáng)

3、的功能性、結(jié)構(gòu)性和可移植性。由于C語言具有語言簡(jiǎn)潔、緊湊，使用靈活、方便，運(yùn)算符和數(shù)據(jù)類型豐富，可以直接訪問物理地址，進(jìn)行位操作，能實(shí)現(xiàn)匯編語言的大部分功能，可以直接對(duì)硬件進(jìn)行操作，因此C語言既具有高級(jí)語言的功能，又具有匯編語言的功能，對(duì)于編寫與硬件相關(guān)的應(yīng)用程序而言具有明顯的優(yōu)勢(shì)。,3.1 編程語言簡(jiǎn)介,在絕大多數(shù)場(chǎng)合，采用C語言編程即可完成預(yù)期的目的，但是對(duì)實(shí)時(shí)時(shí)鐘系統(tǒng)、要求執(zhí)行效率高的系統(tǒng)就不適合采用C語言編程，對(duì)這些特殊情況進(jìn)

4、行編程時(shí)要結(jié)合匯編語言。匯編語言具有直接和硬件打道、執(zhí)行代碼的效率高等特點(diǎn)，可以做到C語言所不能做到的一些事情，例如對(duì)時(shí)鐘要求很嚴(yán)格時(shí)，使用匯編語言便成了唯一的選擇。這種混合編程的方法將C語言和匯編語言的優(yōu)點(diǎn)結(jié)合起來，已經(jīng)成為目前單片機(jī)開發(fā)最流行的編程方法。關(guān)于編程語言的詳細(xì)介紹可參閱相關(guān)書籍。,3.2 控制算法,3.2.1 PID控制算法,PID（Proportional Integral Differential）控制是比例、積

5、分、微分控制的簡(jiǎn)稱。在自動(dòng)控制領(lǐng)域中，PID控制是歷史最久、生命力最強(qiáng)的基本控制方式。PID控制器的原理是根據(jù)系統(tǒng)的被調(diào)量實(shí)測(cè)值與設(shè)定值之間的偏差，利用偏差的比例、積分、微分三個(gè)環(huán)節(jié)的不同組合計(jì)算出對(duì)廣義被控對(duì)象的控制量。圖3.1是常規(guī)PID控制系統(tǒng)的原理框圖。,3.2.1 PID控制算法,圖3.1 常規(guī)PID控制系統(tǒng)原理框圖,3.2.1 PID控制算法,其中虛線框內(nèi)的部分是PID控制器，其輸入為設(shè)定值 與被調(diào)量實(shí)測(cè)值

6、 構(gòu)成的控制偏差信號(hào) ： (3.1)

7、 其輸出為該偏差信號(hào)的比例、積分、微分的線性組合， 也即PID控制律： (3.2) 式中， 為比例系數(shù)； 為積分時(shí)間常數(shù)； 為微分時(shí)間常數(shù)。,3.2.1 PID控制算法,根據(jù)被控對(duì)象動(dòng)態(tài)特性和控制要求的不同，式(3.2)中還可以只包含比例和積分的PI調(diào)節(jié)或者只包含比例微分的PD調(diào)節(jié)。下面主要討論P(yáng)ID控

8、制的特點(diǎn)及其對(duì)控制過程的影響、數(shù)字PID控制策略的實(shí)現(xiàn)和改進(jìn)，以及數(shù)字PID控制系統(tǒng)的設(shè)計(jì)和控制參數(shù)的整定等問題。,3.2.1 PID控制算法,1．PID控制規(guī)律的特點(diǎn) （1）比例控制器 比例控制器是最簡(jiǎn)單的控制器，其控制規(guī)律為 (3.3) 式中，Kp為比例系數(shù)； 為控制量的初值，也就是在啟動(dòng)控制系統(tǒng)時(shí)的控制量。圖3.2所示是比

9、例控制器對(duì)單位階躍輸入的階躍響應(yīng)。 由圖3.2可以看到，比例控制器對(duì)于偏差是及時(shí)反應(yīng)的，偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用使被控量朝著減小偏差的方向變化，控制作用的強(qiáng)弱取決于比例系數(shù)Kp。,3.2.1 PID控制算法,圖3.2 比例控制器的階躍響應(yīng),3.2.1 PID控制算法,比例控制器雖然簡(jiǎn)單快速，但對(duì)于具有自平衡性（即系統(tǒng)階躍響應(yīng)終值為一有限值）的被控對(duì)象存在靜差。加大比例系數(shù)Kp雖然可以減小靜差，但當(dāng)Kp過大時(shí)

10、，動(dòng)態(tài)性能會(huì)變差，會(huì)引起被控量振蕩，甚至導(dǎo)致閉環(huán)系統(tǒng)不穩(wěn)定。,3.2.1 PID控制算法,（2）比例積分控制器 為了消除在比例控制中存在的靜差，可在比例控制的基礎(chǔ)上加上積分控制作用，構(gòu)成比例積分PI控制器，其控制規(guī)律為 (3.4)式中， 稱為積分時(shí)間。圖3.3所示為PI控制器對(duì)單位階躍輸入的階躍響應(yīng)。,3.2.1 PID控制算法,PI

11、控制器對(duì)偏差的作用有兩個(gè)部分：一個(gè)是按比例部分的成分，另一個(gè)是帶有累積的成分（即呈一定斜率變化的部分），這就是積分控制部分的作用。只要偏差存在，積分將起作用，將偏差累計(jì)，并對(duì)控制量產(chǎn)生影響，即偏差減小，直至偏差為零，積分作用才會(huì)停止。因此，加入積分環(huán)節(jié)將有助于消除系統(tǒng)的靜差，改善系統(tǒng)的穩(wěn)態(tài)性能。,3.2.1 PID控制算法,圖3.3 PI控制器的階躍響應(yīng),3.2.1 PID控制算法,顯然，如果積分時(shí)間太大，則積分作用減弱，反之則積

12、分作用較強(qiáng)。增大，將使消除靜差的過程變得緩慢，但可以減小系統(tǒng)的超調(diào)量，提高穩(wěn)定性。必須根據(jù)被控對(duì)象的特性來選定，如對(duì)于管道壓力、流量等滯后不大的對(duì)象，可以選得小些，對(duì)溫度、成分等滯后比較大的對(duì)象，可以選得大些。,3.2.1 PID控制算法,（3）比例積分微分控制器 積分調(diào)節(jié)作用的加入，雖然可以消除靜差，但其代價(jià)是降低系統(tǒng)的響應(yīng)速度。為了加快控制過程，有必要在偏差出現(xiàn)或變化的瞬間，不但要對(duì)偏差量做出反應(yīng)（即比例控制作用），而且要

13、對(duì)偏差量的變化做出反應(yīng)，或者說按偏差變化的趨勢(shì)進(jìn)行控制，使偏差在萌芽狀態(tài)被抑制。為了達(dá)到這一控制目的，可以在PI控制器的基礎(chǔ)上加入微分控制作用，即構(gòu)造比例積分微分控制器（PID控制器）。PID控制器的控制規(guī)律為 (3.5),3.2.1 PID控制算法,式中，稱為微分時(shí)間。理想的PID控制器對(duì)偏差階躍變化的響應(yīng)如圖3.4所示，它在偏差變化的瞬間處

14、有一個(gè)沖激式的瞬態(tài)響應(yīng)，這就是由微分環(huán)節(jié)引起的。 圖3.4 理想PID控制器的階躍響應(yīng),3.2.1 PID控制算法,由微分部分的控制作用 (3.6) 可見，它對(duì)偏差的任何變化都會(huì)產(chǎn)生控制作用，以調(diào)整系統(tǒng)的輸出，阻止偏差的變化。偏差

15、變化越快，控制量就越大，反饋校正量就越大。故微分作用的加入將有助于減少超調(diào)量，克服振蕩，使系統(tǒng)趨于穩(wěn)定。微分作用可以加快系統(tǒng)的動(dòng)作速度，減小調(diào)整時(shí)間，改善系統(tǒng)的動(dòng)態(tài)性能。,3.2.1 PID控制算法,2．?dāng)?shù)字PID控制算法 在連續(xù)生產(chǎn)過程控制系統(tǒng)中，通常采用如圖3.1所示的PID控制，其對(duì)應(yīng)的傳遞函數(shù)表達(dá)式為

16、 (3.7) 對(duì)應(yīng)的控制算法表達(dá)式為 (3.8)式中， 為比例增益； 為積分時(shí)間常數(shù)； 為微分時(shí)間常數(shù)； 為控制量； 為被控量與設(shè)定值 的偏差。,,3.2.1 PID控制算法,

17、為了便于計(jì)算機(jī)實(shí)現(xiàn)PID算法，必須將式(3.3)改寫為離散（采樣）式，這可以將積分運(yùn)算用部分和近似代替，微分運(yùn)算用差分方程表示，即 (3.9）

18、 (3.10) 式中，T為采樣周期；k為采樣周期的序號(hào)（ ）；和分別為第和第k個(gè)采樣周期的偏差。,3.2.1 PID控制算法,將式(3.9)和式(3.10)代入式(3.8)可得相應(yīng)的差分方程，即 (3.11) 式

19、中， 為第 k 個(gè)采樣時(shí)刻的控制量。如果采樣周期T與被控對(duì)象時(shí)間常數(shù)比較相對(duì)較小，那么這種近似是合理的，并與連續(xù)控制的效果接近。 模擬調(diào)節(jié)器很難實(shí)現(xiàn)理想的微分 ，而利用計(jì)算機(jī)可以實(shí)現(xiàn)式(3.10)所表示的差分運(yùn)算，故將式(3.11)稱為理想微分?jǐn)?shù)字PID控制器。基本的數(shù)字PID控制器一般具有以下兩種形式的算法。,,3.2.1 PID控制算法,圖3.5 位置型算法流程圖,3.2.1 PID控制算法,（1）

20、位置型算法 模擬調(diào)節(jié)器的調(diào)節(jié)動(dòng)作是連續(xù)的，任何瞬間的輸出控制量 u 都對(duì)應(yīng)于執(zhí)行機(jī)構(gòu)（如調(diào)節(jié)閥）的位置。由式(3.11)可知，數(shù)字控制器的輸出控制量 也和閥門位置相對(duì)應(yīng)，故稱為位置型算式（簡(jiǎn)稱位置式）。相應(yīng)的算法流程圖如圖3.5所示。 由圖3.5可以看出，因?yàn)榉e分作用是對(duì)一段時(shí)間內(nèi)偏差信號(hào)的累加，因此，利用計(jì)算機(jī)實(shí)現(xiàn)位置型算法不是很方便，不僅需要占用較多的存儲(chǔ)單元，而且編程也不方便，因此可以采用其改進(jìn)式——增量型

21、算法來實(shí)現(xiàn)。,（2）增量型算法 根據(jù)式(3.6)不難得到第個(gè)采樣周期的控制量，即 (3.12) 將式(3.11)與式(3.12)相減，可以得到第k個(gè)采樣時(shí)刻控制量的增量，即 (3.13) 式中， 為比例增益； 為積分系數(shù)，

22、 ； 為微分系數(shù)， 。,3.2.1 PID控制算法,3.2.1 PID控制算法,由于式(3.13)中對(duì)應(yīng)于第k個(gè)采樣時(shí)刻閥門位置的增量，故稱式(3.13)為增量型算式。由此，第k個(gè)采樣時(shí)刻實(shí)際控制量為 (3.14) 為了編寫程序方便，將式(3.13)改寫為

23、 (3.15) 式中， ； ； 。,3.2.1 PID控制算法,由此可見，要利用 和 得到 ，只需要用到 , 和 三個(gè)歷史數(shù)據(jù)。在編程過程中，這三個(gè)歷史數(shù)據(jù)可以采用平移法保存，從而可以遞推使用，占用的存儲(chǔ)單元少，編程簡(jiǎn)單，運(yùn)算速度快。增量型算

24、法的程序流程圖如圖3.6所示。 增量型算法僅僅是在算法設(shè)計(jì)上的改進(jìn)，其輸出是相對(duì)于上次控制輸出量的增量形式，并沒有改變位置型算法的本質(zhì)，即它仍然反映執(zhí)行機(jī)構(gòu)的位置開度。如果希望輸出控制量的增量，則必須采用具有保持位置功能的執(zhí)行機(jī)構(gòu)。 數(shù)字PID控制器的輸出控制量通常都是通過D/A轉(zhuǎn)換器輸出的，在D/A轉(zhuǎn)換器中將數(shù)字信號(hào)轉(zhuǎn)換成模擬信號(hào)（4～20 mA的電流信號(hào)或0～5 V的電壓信號(hào)），然后通過放大驅(qū)動(dòng)裝置作用于執(zhí)行機(jī)構(gòu)，信

25、號(hào)作用的時(shí)間連續(xù)到下一個(gè)控制量到來之前。因此，D/A轉(zhuǎn)換器具有零階保持器的功能。,3.2.1 PID控制算法,圖3.6 增量型算法流程圖,3.2.2 模糊控制算法,模糊（Fuzzy）控制是用語言歸納操作人員的控制策略，運(yùn)用語言變量和模糊集合理論形成控制算法的一種控制。模糊控制的最重要特征是不需要建立被控對(duì)象精確的數(shù)學(xué)模型，只要求把現(xiàn)場(chǎng)操作人員的經(jīng)驗(yàn)和數(shù)據(jù)總結(jié)成較完善的語言控制規(guī)則，從而能夠?qū)哂胁淮_定性、不精確性、噪聲以及非線性、時(shí)

26、變性、時(shí)滯等特征的控制對(duì)象進(jìn)行控制。模糊控制系統(tǒng)的魯棒性強(qiáng)，尤其適用于非線性、時(shí)變、滯后系統(tǒng)的控制。模糊控制的基本結(jié)構(gòu)如圖3.7所示。,3.2.2 模糊控制算法,圖3.7 模糊控制基本結(jié)構(gòu)圖,3.2.2 模糊控制算法,1．模糊控制器的輸入變量與輸出變量（1）模糊控制器的輸入、輸出變量 模糊控制器是模仿人的一種控制。在對(duì)被控對(duì)象進(jìn)行控制的過程中，一般根據(jù)設(shè)定值與被控量的偏差、偏差變化EC和偏差變化的速率ER進(jìn)行決策。人對(duì)偏

27、差最敏感，其次是偏差的變化，再次是偏差變化的速率。因此，模糊控制器的輸入變量通常取、和EC或者, EC和ER，分別構(gòu)成所謂一維、二維和三維模糊控制器。一維模糊控制器的動(dòng)態(tài)性能不佳，通常用于一階被控對(duì)象，二維模糊控制器的控制性能和控制復(fù)雜性都比較好，是目前廣泛采用的一種形式。并且，一般選擇增量算法作為模糊控制器的輸出變量。,3.2.2 模糊控制算法,（2）描述輸入、輸出變量的詞匯 在模糊控制中，輸入、輸出變量大小是以語言形式

28、描述的，因此要選擇描述這些變量的詞匯。我們的日常語言中對(duì)各種事物和變量的描述，總是習(xí)慣于分為三個(gè)等級(jí)，例如，物體的大小分為大、中、??；運(yùn)動(dòng)的速度分為快、中、慢；年齡的大小分為老、中、青。實(shí)際應(yīng)用中一般都選用“大、中、小”三個(gè)詞匯來描述模糊控制器的輸入、輸出變量的狀態(tài)，再加上正、負(fù)兩個(gè)方向和零狀態(tài)，共有7個(gè)詞匯，即 {負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大} 一般用這些詞的英文字頭縮寫，即

29、 {NB, NM, NS, O, PS, PM, PB} 一般情況下，選擇上述7個(gè)詞匯比較合適，但也可以多選或少選。選擇較多的詞匯，可以精確描述變量，提高控制精度，但會(huì)使控制規(guī)則變得復(fù)雜；選擇的詞匯過少，則對(duì)變量的描述過于粗糙，導(dǎo)致控制器的性能變差。,3.2.2 模糊控制算法,（3）變量的模糊量 某個(gè)變量變化的實(shí)際范圍稱為該變量的基本論域。記偏差的基本論域?yàn)?，偏差變化的基本論域?yàn)椋：刂破鞯妮敵鲎兞浚ㄏ?/p>

30、統(tǒng)的控制量）的基本論域?yàn)椤ｏ@然，基本論域內(nèi)的量是精確量，因而模糊控制器的輸入和輸出都是精確量，但是模糊控制算法需要模糊量。因此，輸入的精確量（數(shù)字量）需要轉(zhuǎn)換為模糊量，這個(gè)過程稱為“模糊化”（Fuzzification）；另一方面，模糊算法所得到的模糊控制量需要轉(zhuǎn)換為精確的控制量，這個(gè)過程稱為“清晰化”或者“反模糊化”（Defuzzification）。 比較實(shí)用的模糊化方法是將基本論域分為n個(gè)檔次，即取變量的模糊子集論域?yàn)?/p>

31、,3.2.2 模糊控制算法,從基本論域到模糊子集論域的轉(zhuǎn)換公式為 (3.16) 增加論域中的元素個(gè)數(shù)可以提高控制精度，但增大了計(jì)算量，而且模糊控制效果的改善并不明顯。一般選擇模糊論域中所含元素的個(gè)數(shù)為模糊語言詞集總數(shù)的兩倍以上，以確保各模糊集能較好地覆蓋論域，避免出現(xiàn)失控現(xiàn)象。例如在選擇上述7個(gè)詞匯的情況下，可選擇E和EC的論域均為

32、 選擇模糊控制器的輸出變量即系統(tǒng)的控制量U的論域?yàn)?3.2.2 模糊控制算法,（4）隸屬度 為了實(shí)現(xiàn)模糊化，要在上述離散化了的精確量與表示模糊語言的模糊量之間建立關(guān)系，即確定論域中的每個(gè)元素對(duì)各個(gè)模糊語言變量的隸屬度。 隸屬度是描述某個(gè)確定量隸屬于某個(gè)模糊語言變量的程度。例如，在上述和EC的論域中，+6隸屬于（正大），隸屬度為1.0；+5也隸屬于，但隸屬度要比+6差，可取為0.8；+4隸屬于的程度更小，隸

33、屬度可取為0.4；顯然-6～0就不隸屬于了，所以隸屬度取為0。 確定隸屬度的值要根據(jù)實(shí)際問題的具體情況而定。實(shí)驗(yàn)研究結(jié)果表明，人進(jìn)行控制活動(dòng)時(shí)的模糊概念一般可以用正態(tài)型模糊變量描述。下面給出常用的確定模糊變量隸屬度的賦值表，如表3.1、表3.2和表3.3所示。,3.2.2 模糊控制算法,2．建立模糊控制規(guī)則 模糊控制是語言控制，因此要用語言歸納專家的手動(dòng)控制策略，從而建立模糊控制規(guī)則表。手動(dòng)控制策略一般都可以用條件

34、語句加以描述。條件語句的基本類型為 if A or B and C or D then U,3.2.2 模糊控制算法,3.2.2 模糊控制算法,3.2.2 模糊控制算法,3.2.2 模糊控制算法,下面介紹一種根據(jù)系統(tǒng)輸出的誤差及誤差的變化趨勢(shì)，消除誤差的模糊控制規(guī)則。該規(guī)則用下述21條模糊條件語句來描述。[1]if E = NB or NM and EC = NB or NM then U = PB

35、[2]if E = NB or NM and EC = NS or O then U = PB[3]if E = NB or NM and EC = PS thenU = PM[4]if E = NB or NM and EC = PM or PB then U = O[5]if E = NS and EC = NB or NM then U = PM[6]if E = NS and EC = NS or O the

36、n U = PM[7]if E = NS and EC = PS then U = O[8]if E = NS and EC = PM or PB then U = NS[9]if E = NO or PO and EC = NB or NM then U = PM[10]if E = NO or PO and EC = NS then U = PS[11]if E = NO or PO and EC = O the

37、n U = O,3.2.2 模糊控制算法,[12]if E = NO or PO and EC = PS then U = NS[13]if E = NO or PO and EC = PM or PB then U = NM[14]if E = PS and EC = NB or NM then U = PS[15]if E = PS and EC = NS then U = O[16]if E = PS and EC =

38、O or PS then U = NM[17]if E = PS and EC = PM or PB then U = NM[18]if E = PM or PB and EC = NB or NM then U = O[19]if E = PM or PB and EC = NS then U = NM[20]if E = PM or PB and EC = O or PS then U = NB[21]if E = P

39、M or PB and EC = PM or PB then U = NB以上21條模糊條件語句可以歸納為模糊控制規(guī)則表3.4。,3.2.2 模糊控制算法,,3.2.2 模糊控制算法,3．模糊關(guān)系與模糊推理 模糊控制規(guī)則實(shí)際上是一組多重條件語句，可以表示為從偏差論域到控制論域的模糊關(guān)系矩陣 ，通過偏差的模糊向量 和偏差變化的模糊向量 ，與模糊關(guān)系矩陣 的合成進(jìn)行模糊推理，得到控制量的模糊向量，然后采用“反模糊化”

40、方法將模糊控制向量轉(zhuǎn)換為精確量。 根據(jù)模糊集合和模糊關(guān)系理論，對(duì)于不同類型的模糊規(guī)則可用不同的模糊推理方法。下面僅介紹其中的對(duì)if A then B類型的模糊規(guī)則的推理。 若已知輸入為 ，則輸出為 ；若現(xiàn)在已知輸入為 ，則輸出 用合成規(guī)則求?。?(3.17) 其中模糊關(guān)系 定義為,3.2.2 模糊控制算法,例如，

41、已知當(dāng)輸入的模糊集合和輸出的模糊集合分別為 (3.18) (3.19) 這里采用模糊集合的Zadeh表示法，其中 ,

42、表示模糊集合所對(duì)應(yīng)的論域中的元素， 而表示相應(yīng)的隸屬度，“—”不表示分?jǐn)?shù)的意思。,3.2.2 模糊控制算法,(3.20),3.2.2 模糊控制算法,則當(dāng)輸入 (3.21) 由下式求取，即,3.2.2 模糊控制算法,則

43、 (3.22) 在上述運(yùn)算中，“ ”為取小運(yùn)算，“ ”為取大運(yùn)算。 由于系統(tǒng)的控制規(guī)則庫是由若干條規(guī)則組成的，因此對(duì)于每一條推理規(guī)則都可以得到一個(gè)相應(yīng)的模糊關(guān)系。n條規(guī)則就有n個(gè)模糊關(guān)系： ，對(duì)于整個(gè)系統(tǒng)的全部控制規(guī)則所對(duì)應(yīng)的模糊關(guān)系可對(duì) n個(gè)模糊關(guān)系 ( )取“并”操作得到，即

44、 (3.23),3.2.2 模糊控制算法,4．模糊控制向量的模糊判決 由上述得到的控制量是一個(gè)模糊集合，需要采用“反模糊化”方法將模糊控制項(xiàng)轉(zhuǎn)換為精確量。下面介紹兩種簡(jiǎn)單實(shí)用的方法。 （1）最大隸屬度法 這種方法是在模糊控制向量中，取隸屬度最大的控制量作為模糊控制器的輸出。例如，當(dāng)?shù)玫侥：刂葡蛄繛?(3.24)

45、由于控制量隸屬于等級(jí)5的隸屬度為最大，所以取控制量為 這種方法的優(yōu)點(diǎn)是簡(jiǎn)單易行，缺點(diǎn)是完全排除了其他隸屬度較小的控制量的影響和作用，沒有充分利用取得的信息。,3.2.2 模糊控制算法,（2）加權(quán)平均判決法 為了克服最大隸屬度法的缺點(diǎn)，可以采用加權(quán)平均判決法，即

46、 (3.25) 例如 則,3.2.2 模糊控制算法,5．模糊控制表 模糊關(guān)系、模糊推理以及模糊判決的運(yùn)算可以離線進(jìn)行，最后得到模糊控制器輸入量的量化等級(jí) , EC與輸出量即系統(tǒng)控制量的量化等級(jí)之間 的確定關(guān)系，這種關(guān)系通常稱為“控制表”。對(duì)應(yīng)于前面介紹的21條控制規(guī)則的“控制表”如表3.5所列。 模糊控制表可以離線求出，作為文件存儲(chǔ)在計(jì)算機(jī)中，計(jì)

47、算機(jī)實(shí)時(shí)控制時(shí)只要將A/D轉(zhuǎn)換得到的偏差和偏差變化 ec 進(jìn)行量化，得到相應(yīng)的等級(jí) E 和 EC ，然后從文件中直接查詢所需采取的控制策略。,3.2.2 模糊控制算法,3.2.2 模糊控制算法,6．確定實(shí)際的控制量 顯然，實(shí)際的控制量 應(yīng)為從控制表中查到的量化等級(jí) 乘以比例因子。設(shè)實(shí)際的控制量 的變化范圍為[a, b]，量化等級(jí)為{ }，則實(shí)際的控制量應(yīng)為 若

48、 ，則 例如在上述二維模糊控制器中，當(dāng) E 和 EC 的量化等級(jí)分別為-3和+1時(shí)，由控制表查得 ，則模糊控制器輸出的實(shí)際控制量應(yīng)為 。,3.2.3 其它智能控制算法,在智能車這樣并不是很復(fù)雜的控制系統(tǒng)中，有一點(diǎn)需要銘記：簡(jiǎn)單的算法只要參數(shù)調(diào)整得好，效果會(huì)相當(dāng)不錯(cuò)；相反，復(fù)雜的算法，其設(shè)計(jì)和參數(shù)整定則相對(duì)復(fù)雜，效果不一定比簡(jiǎn)單算法好。在智能車控制系統(tǒng)中，控制算法最普遍的就是上面講到的PI

49、D和模糊控制算法，當(dāng)然也有些參賽隊(duì)用到其他的智能控制算法，如記憶算法。,3.2.3 其它智能控制算法,全國(guó)大學(xué)生智能汽車競(jìng)賽的規(guī)則為記憶算法在智能車控制系統(tǒng)中的應(yīng)用提供了條件。比賽中智能車要在賽道上連續(xù)跑兩圈，并以其中最好圈的成績(jī)作為比賽成績(jī)。賽道記憶算法的基本方法是：在第一圈以最安全的速度慢速駛過一圈，將賽道的信息保存下來，第二圈根據(jù)保存下來的信息進(jìn)行車速和轉(zhuǎn)向控制策略的最優(yōu)化，從而在第二圈取得好成績(jī)。,3.2.3 其它智能控制算法,

50、要想成功實(shí)現(xiàn)賽道記憶算法，必須具備以下幾點(diǎn)：（1）智能車在第一圈必須安全走完全程。在第一圈，智能車的最主要目的并不是跑得快，而是采集賽道信息。因此，它的期望運(yùn)行軌跡是與賽道重合，如果智能車在第一圈出現(xiàn)跑出場(chǎng)外等特殊情況，那么可以說智能車并沒有真正將賽道正確記錄下來，此時(shí)賽道記憶已經(jīng)失敗。因此，使用賽道記憶算法的智能車，在第一圈一般都采用較緩慢的勻速走完全程。（2）智能車必須能明確分辨出賽道起點(diǎn)線和十字交叉線的區(qū)別。根據(jù)比賽規(guī)則，在賽

51、道的計(jì)時(shí)起始點(diǎn)兩邊有一個(gè)長(zhǎng)度100 mm黑色計(jì)時(shí)起跑線，智能車前端通過起始線作為比賽開始或者結(jié)束時(shí)刻；同時(shí)比賽規(guī)則還規(guī)定了賽道可以交叉，交叉角為90°。不采用賽道記憶算法的智能車有時(shí)可以通過簡(jiǎn)單地將起點(diǎn)線和交叉線一起處理來回避這個(gè)問題，而采用賽道記憶算法的智能車則必須要判斷出第一圈的結(jié)束和賽道十字交叉線的區(qū)別。,3.2.3 其它智能控制算法,（3）智能車必須有足夠記錄一圈賽道數(shù)據(jù)的內(nèi)存空間。由于單片機(jī)芯片的RAM容量有限，因此

52、這個(gè)問題也不能忽視。算法設(shè)計(jì)者需要對(duì)算法進(jìn)行優(yōu)化處理，改變保存的格式，從而節(jié)省內(nèi)存空間。以上是成功實(shí)現(xiàn)記憶算法的條件，但實(shí)現(xiàn)記憶的難度遠(yuǎn)不止這些，主要體現(xiàn)在對(duì)第一圈記憶的賽道信息的分析和處理，這往往是記憶算法成功與否的關(guān)鍵。記憶算法的難度雖然大，但若成功，它取得的效果則是不言而喻的，而且它有很大的發(fā)展空間。,思考題,1．在智能車系統(tǒng)軟件設(shè)計(jì)中，請(qǐng)簡(jiǎn)述匯編語言與C語言的優(yōu)、 缺點(diǎn)。2．在PID算法中，P, I, D分別指代什么？它們