第3章智能汽車設(shè)計基礎(chǔ)—軟件ppt課件

1、第3章 智能汽車設(shè)計根底軟件第3章 智能汽車設(shè)計根底軟件在智能車系統(tǒng)的設(shè)計中，硬件是根底，沒有一個好的硬件平臺，軟件就無法運轉(zhuǎn)。對于智能車系統(tǒng)來說，軟件的中心是控制算法。而完成這些義務(wù)的編程言語有匯編言語和C言語。軟件部分是整個智能車系統(tǒng)的靈魂，在硬件方面各參賽隊之間大同小異，真正表達(dá)各參賽隊智能車的優(yōu)勢和最后決議競賽成果好壞的往往是軟件部分，尤其是中心控制算法的設(shè)計。本章首先簡要引見軟件編程中運用的匯編言語和C言語各自的特點，然后重點引見中心控制算法的原理。3.1 編程言語簡介13.2 控制算法2 思索題3第3章 智能汽車設(shè)計根底軟件3.1 編程言語簡介匯編言語是用符號指令書寫程序的言語，是

2、依賴于硬件平臺的言語，對于不同架構(gòu)的CPU都會有相應(yīng)的匯編指令。匯編言語可以直接操作CPU內(nèi)部的存放器以及各種外圍設(shè)備，對于單片機(jī)啟動開場運轉(zhuǎn)或者對于時序要求嚴(yán)厲的I/O操作必需采用匯編言語編寫，在啟動開場運轉(zhuǎn)時匯編言語創(chuàng)建系統(tǒng)的運轉(zhuǎn)環(huán)境。C言語的特點就是可以使程序員盡量少地對硬件進(jìn)展操作，具有很強(qiáng)的功能性、構(gòu)造性和可移植性。由于C言語具有言語簡約、緊湊，運用靈敏、方便，運算符和數(shù)據(jù)類型豐富，可以直接訪問物理地址，進(jìn)展位操作，能實現(xiàn)匯編言語的大部分功能，可以直接對硬件進(jìn)展操作，因此C言語既具有高級言語的功能，又具有匯編言語的功能，對于編寫與硬件相關(guān)的運用程序而言具有明顯的優(yōu)勢。3.1 編程言語

3、簡介在絕大多數(shù)場所，采用C言語編程即可完成預(yù)期的目的，但是對實時時鐘系統(tǒng)、要求執(zhí)行效率高的系統(tǒng)就不適宜采用C言語編程，對這些特殊情況進(jìn)展編程時要結(jié)合匯編言語。匯編言語具有直接和硬件打道、執(zhí)行代碼的效率高等特點，可以做到C言語所不能做到的一些事情，例如對時鐘要求很嚴(yán)厲時，運用匯編言語便成了獨一的選擇。這種混合編程的方法將C言語和匯編言語的優(yōu)點結(jié)合起來，曾經(jīng)成為目前單片機(jī)開發(fā)最流行的編程方法。關(guān)于編程言語的詳細(xì)引見可參閱相關(guān)書籍。3.2 控制算法1 3.2.1 PID控制算法2 3.2.2 模糊控制算法3 3.2.3 其它智能 控制算法3.2.1 PID控制算法PIDProportional In

4、tegral Differential控制是比例、積分、微分控制的簡稱。在自動控制領(lǐng)域中，PID控制是歷史最久、生命力最強(qiáng)的根本控制方式。PID控制器的原理是根據(jù)系統(tǒng)的被調(diào)量實測值與設(shè)定值之間的偏向，利用偏向的比例、積分、微分三個環(huán)節(jié)的不同組合計算出對廣義被控對象的控制量。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)量實測值 構(gòu)成的控制偏向信號 ： (3.1) 其輸出為該偏向信號的比例、積分、微分的線性組合， 也即PID控制律： (3.2) 式中， 為

5、比例系數(shù)； 為積分時間常數(shù)； 為微分時間常數(shù)。3.2.1 PID控制算法 根據(jù)被控對象動態(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)理或者只包含比例微分的PD調(diào)理。下面主要討論PID控制的特點及其對控制過程的影響、數(shù)字PID控制戰(zhàn)略的實現(xiàn)和改良，以及數(shù)字PID控制系統(tǒng)的設(shè)計和控制參數(shù)的整定等問題。3.2.1 PID控制算法1PID控制規(guī)律的特點 1比例控制器 比例控制器是最簡單的控制器，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，也就是在啟動控制系統(tǒng)時的控制量。圖3.2所示是比例控制器對單位階躍輸入的階躍呼應(yīng)。 由圖3.2可以看到，比例控制器對于偏

6、向是及時反響的，偏向一旦產(chǎn)生，控制器立刻產(chǎn)生控制造用使被控量朝著減小偏向的方向變化，控制造用的強(qiáng)弱取決于比例系數(shù)Kp。3.2.1 PID控制算法 圖3.2 比例控制器的階躍呼應(yīng)3.2.1 PID控制算法比例控制器雖然簡單快速，但對于具有自平衡性即系統(tǒng)階躍呼應(yīng)終值為一有限值的被控對象存在靜差。加大比例系數(shù)Kp雖然可以減小靜差，但當(dāng)Kp過大時，動態(tài)性能會變差，會引起被控量振蕩，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，可在比例控制的根底上加上積分控制造用，構(gòu)成比例積分PI控制器，其控制規(guī)律為 (3.4)式中， 稱為積分時間。圖3.3所示為P

7、I控制器對單位階躍輸入的階躍呼應(yīng)。3.2.1 PID控制算法 PI控制器對偏向的作用有兩個部分：一個是按比例部分的成分，另一個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。只需偏向存在，積分將起作用，將偏向累計，并對控制量產(chǎn)生影響，即偏向減小，直至偏向為零，積分作用才會停頓。因此，參與積分環(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控制器的階躍呼應(yīng)3.2.1 PID控制算法顯然，假設(shè)積分時間太大，那么積分作用減弱，反之那么積分作用較強(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。必需根據(jù)被控對象的特性來

8、選定，如對于管道壓力、流量等滯后不大的對象，可以選得小些，對溫度、成分等滯后比較大的對象，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)理作用的參與，雖然可以消除靜差，但其代價是降低系統(tǒng)的呼應(yīng)速度。為了加快控制過程，有必要在偏向出現(xiàn)或變化的瞬間，不但要對偏向量做出反響即比例控制造用，而且要對偏向量的變化做出反響，或者說按偏向變化的趨勢進(jìn)展控制，使偏向在萌芽形狀被抑制。為了到達(dá)這一控制目的，可以在PI控制器的根底上參與微分控制造用，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，稱為微分時間。理想的PID控制器對

9、偏向階躍變化的呼應(yīng)如圖3.4所示，它在偏向變化的瞬間處有一個沖激式的瞬態(tài)呼應(yīng)，這就是由微分環(huán)節(jié)引起的。 圖3.4 理想PID控制器的階躍呼應(yīng)3.2.1 PID控制算法由微分部分的控制造用 (3.6) 可見，它對偏向的任何變化都會產(chǎn)生控制造用，以調(diào)整系統(tǒng)的輸出，阻止偏向的變化。偏向變化越快，控制量就越大，反響校正量就越大。故微分作用的參與將有助于減少超調(diào)量，抑制振蕩，使系統(tǒng)趨于穩(wěn)定。微分作用可以加快系統(tǒng)的動作速度，減小調(diào)整時間，改善系統(tǒng)的動態(tài)性能。3.2.1 PID控制算法2數(shù)字PID控制算法 在延續(xù)消費過程控制系統(tǒng)中，通常采用如圖3.1所示的PID控制，其對應(yīng)的傳送函數(shù)表達(dá)式為 (3.7) 對

10、應(yīng)的控制算法表達(dá)式為 (3.8)式中， 為比例增益； 為積分時間常數(shù)； 為微分時間常數(shù)； 為控制量； 為被控量與設(shè)定值 的偏向。3.2.1 PID控制算法 為了便于計算機(jī)實現(xiàn)PID算法，必需將式(3.3)改寫為離散采樣式，這可以將積分運算用部分和近似替代，微分運算用差分方程表示，即 (3.9 (3.10) 式中，T為采樣周期；k為采樣周期的序號 ；和分別為第和第k個采樣周期的偏向。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) 式中， 為第 k 個采樣時辰的控制量。假設(shè)采樣周期T與被控對象時間常數(shù)比較相對較小，那么這種近似是合理的

11、，并與延續(xù)控制的效果接近。 模擬調(diào)理器很難實現(xiàn)理想的微分 ，而利用計算機(jī)可以實現(xiàn)式(3.10)所表示的差分運算，故將式(3.11)稱為理想微分?jǐn)?shù)字PID控制器。根本的數(shù)字PID控制器普通具有以下兩種方式的算法。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位置型算法 模擬調(diào)理器的調(diào)理動作是延續(xù)的，任何瞬間的輸出控制量 u 都對應(yīng)于執(zhí)行機(jī)構(gòu)如調(diào)理閥的位置。由式(3.11)可知，數(shù)字控制器的輸出控制量 也和閥門位置相對應(yīng)，故稱為位置型算式簡稱位置式。相應(yīng)的算法流程圖如圖3.5所示。 由圖3.5可以看出，由于積分作用是對一段時間內(nèi)偏向信號的累加，因此，利用計算機(jī)

12、實現(xiàn)位置型算法不是很方便，不僅需求占用較多的存儲單元，而且編程也不方便，因此可以采用其改良式增量型算法來實現(xiàn)。2增量型算法 根據(jù)式(3.6)不難得到第個采樣周期的控制量，即 (3.12) 將式(3.11)與式(3.12)相減，可以得到第k個采樣時辰控制量的增量，即 (3.13) 式中， 為比例增益； 為積分系數(shù)， ； 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)中對應(yīng)于第k個采樣時辰閥門位置的增量，故稱式(3.13)為增量型算式。由此，第k個采樣時辰實踐控制量為 (3.14) 為了編寫程序方便，將式(3.13)改寫為 (3.15) 式中， ； ；

13、。 3.2.1 PID控制算法 由此可見，要利用 和 得到 ，只需求用到 , 和 三個歷史數(shù)據(jù)。在編程過程中，這三個歷史數(shù)據(jù)可以采用平移法保管，從而可以遞推運用，占用的存儲單元少，編程簡單，運算速度快。增量型算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)計上的改良，其輸出是相對于上次控制輸出量的增量方式，并沒有改動位置型算法的本質(zhì)，即它依然反映執(zhí)行機(jī)構(gòu)的位置開度。假設(shè)希望輸出控制量的增量，那么必需采器具有堅持位置功能的執(zhí)行機(jī)構(gòu)。 數(shù)字PID控制器的輸出控制量通常都是經(jīng)過D/A轉(zhuǎn)換器輸出的，在D/A轉(zhuǎn)換器中將數(shù)字信號轉(zhuǎn)換成模擬信號420 mA的電流信號或05 V的電壓信號，然后經(jīng)過放

14、大驅(qū)動安裝作用于執(zhí)行機(jī)構(gòu)，信號作用的時間延續(xù)到下一個控制量到來之前。因此，D/A轉(zhuǎn)換器具有零階堅持器的功能。 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控制是用言語歸納操作人員的控制戰(zhàn)略，運用言語變量和模糊集合實際構(gòu)成控制算法的一種控制。模糊控制的最重要特征是不需求建立被控對象準(zhǔn)確的數(shù)學(xué)模型，只需求把現(xiàn)場操作人員的閱歷和數(shù)據(jù)總結(jié)成較完善的言語控制規(guī)那么，從而可以對具有不確定性、不準(zhǔn)確性、噪聲以及非線性、時變性、時滯等特征的控制對象進(jìn)展控制。模糊控制系統(tǒng)的魯棒性強(qiáng)，尤其適用于非線性、時變、滯后系統(tǒng)的控制。模糊控制的根本構(gòu)造如圖3.7所示。3.2.

15、2 模糊控制算法圖3.7 模糊控制根本構(gòu)造圖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 模糊控制器是模擬人的一種控制。在對被控對象進(jìn)展控制的過程中，普通根據(jù)設(shè)定值與被控量的偏向、偏向變化EC和偏向變化的速率ER進(jìn)展決策。人對偏向最敏感，其次是偏向的變化，再次是偏向變化的速率。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態(tài)性能不佳，通常用于一階被控對象，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方式。并且，普通選擇增量算法作為模糊控制器的輸出變量。3.2.

16、2 模糊控制算法2描畫輸入、輸出變量的詞匯 在模糊控制中，輸入、輸出變量大小是以言語方式描畫的，因此要選擇描畫這些變量的詞匯。我們的日常言語中對各種事物和變量的描畫，總是習(xí)慣于分為三個等級，例如，物體的大小分為大、中、小；運動的速度分為快、中、慢；年齡的大小分為老、中、青。實踐運用中普通都選用“大、中、小三個詞匯來描畫模糊控制器的輸入、輸出變量的形狀，再加上正、負(fù)兩個方向和零形狀，共有7個詞匯，即 負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大 普通用這些詞的英文字頭縮寫，即 NB, NM, NS, O, PS, PM, PB 普通情況下，選擇上述7個詞匯比較適宜，但也可以多項選擇或少選。選擇較多的詞

17、匯，可以準(zhǔn)確描畫變量，提高控制精度，但會使控制規(guī)那么變得復(fù)雜；選擇的詞匯過少，那么對變量的描畫過于粗糙，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 某個變量變化的實踐范圍稱為該變量的根本論域。記偏向的根本論域為，偏向變化的根本論域為，模糊控制器的輸出變量系統(tǒng)的控制量的根本論域為。顯然，根本論域內(nèi)的量是準(zhǔn)確量，因此模糊控制器的輸入和輸出都是準(zhǔn)確量，但是模糊控制算法需求模糊量。因此，輸入的準(zhǔn)確量數(shù)字量需求轉(zhuǎn)換為模糊量，這個過程稱為“模糊化Fuzzification；另一方面，模糊算法所得到的模糊控制量需求轉(zhuǎn)換為準(zhǔn)確的控制量，這個過程稱為“明晰化或者“反模糊化Defuzzific

18、ation。 比較適用的模糊化方法是將根本論域分為n個檔次，即取變量的模糊子集論域為3.2.2 模糊控制算法 從根本論域到模糊子集論域的轉(zhuǎn)換公式為 (3.16) 添加論域中的元素個數(shù)可以提高控制精度，但增大了計算量，而且模糊控制效果的改善并不明顯。普通選擇模糊論域中所含元素的個數(shù)為模糊言語詞集總數(shù)的兩倍以上，以確保各模糊集能較好地覆蓋論域，防止出現(xiàn)失控景象。例如在選擇上述7個詞匯的情況下，可選擇E和EC的論域均為 選擇模糊控制器的輸出變量即系統(tǒng)的控制量U的論域為3.2.2 模糊控制算法 4隸屬度 為了實現(xiàn)模糊化，要在上述離散化了的準(zhǔn)確量與表示模糊言語的模糊量之間建立關(guān)系，即確定論域中的每個元素

19、對各個模糊言語變量的隸屬度。 隸屬度是描畫某個確定量隸屬于某個模糊言語變量的程度。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，隸屬度可取為0.4；顯然-60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)實踐問題的詳細(xì)情況而定。實驗研討結(jié)果闡明，人進(jìn)展控制活動時的模糊概念普通可以用正態(tài)型模糊變量描畫。下面給出常用確實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)那么 模糊控制是言語控制，因此要用言語歸納專家的手動控制戰(zhàn)略，從而建立模糊控制規(guī)那么表。

20、手動控制戰(zhàn)略普通都可以用條件語句加以描畫。條件語句的根本類型為 if A or B and C or D then U3.2.2 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 下面引見一種根據(jù)系統(tǒng)輸出的誤差及誤差的變化趨勢，消除誤差的模糊控制規(guī)那么。該規(guī)那么用下述21條模糊條件語句來描畫。1if E = NB or NM and EC = NB or NM then U = PB2if E = NB or NM and EC = NS or O then U = PB3if E = NB or NM and EC = PS thenU = PM4if E

21、 = NB or NM and EC = PM or PB then U = O5if E = NS and EC = NB or NM then U = PM6if E = NS and EC = NS or O then U = PM7if E = NS and EC = PS then U = O8if E = NS and EC = PM or PB then U = NS9if E = NO or PO and EC = NB or NM then U = PM10if E = NO or PO and EC = NS then U = PS11if E = NO or PO and

22、 EC = O then U = O3.2.2 模糊控制算法12if E = NO or PO and EC = PS then U = NS13if E = NO or PO and EC = PM or PB then U = NM14if E = PS and EC = NB or NM then U = PS15if E = PS and EC = NS then U = O16if E = PS and EC = O or PS then U = NM17if E = PS and EC = PM or PB then U = NM18if E = PM or PB and EC =

23、 NB or NM then U = O19if E = PM or PB and EC = NS then U = NM20if E = PM or PB and EC = O or PS then U = NB21if E = PM 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)那么表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)那么實踐上是一組多重條件語句，可以表示為從偏向論域到控制論域的模糊關(guān)系矩陣 ，經(jīng)過偏向的模糊向量 和偏向變化的模糊向量 ，與模糊關(guān)系矩陣 的合成進(jìn)展模糊推

24、理，得到控制量的模糊向量，然后采用“反模糊化方法將模糊控制向量轉(zhuǎn)換為準(zhǔn)確量。 根據(jù)模糊集合和模糊關(guān)系實際，對于不同類型的模糊規(guī)那么可用不同的模糊推理方法。下面僅引見其中的對if A then B類型的模糊規(guī)那么的推理。 假設(shè)知輸入為 ，那么輸出為 ；假設(shè)如今知輸入為 ，那么輸出 用合成規(guī)那么求?。?(3.17) 其中模糊關(guān)系 定義為3.2.2 模糊控制算法 例如，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 , 表示模糊集合所對應(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

25、.2.2 模糊控制算法那么當(dāng)輸入 (3.21) 由下式求取，即3.2.2 模糊控制算法那么 (3.22) 在上述運算中，“ 為取小運算，“ 為取大運算。 由于系統(tǒng)的控制規(guī)那么庫是由假設(shè)干條規(guī)那么組成的，因此對于每一條推理規(guī)那么都可以得到一個相應(yīng)的模糊關(guān)系。n條規(guī)那么就有n個模糊關(guān)系： ，對于整個系統(tǒng)的全部控制規(guī)那么所對應(yīng)的模糊關(guān)系可對 n個模糊關(guān)系 ( )取“并操作得到，即 (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模糊集合，需求采用“反模糊化方法將模糊控制項轉(zhuǎn)換為準(zhǔn)確量。下面引見兩種簡單適用的方法。 1最大隸屬度法 這種方法是在模糊控制向量中，取

26、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) 由于控制量隸屬于等級5的隸屬度為最大，所以取控制量為 這種方法的優(yōu)點是簡單易行，缺陷是完全排除了其他隸屬度較小的控制量的影響和作用，沒有充分利用獲得的信息。3.2.2 模糊控制算法 2加權(quán)平均判決法 為了抑制最大隸屬度法的缺陷，可以采用加權(quán)平均判決法，即 (3.25) 例如 那么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算可以離線進(jìn)展，最后得到模糊控制器輸入量的量化等級 , EC與輸出量即系統(tǒng)控制量的量化等級之間 確實定關(guān)系，這種關(guān)系通常稱為“控制表。對應(yīng)于前面引見的21條控制規(guī)那

27、么的“控制表如表3.5所列。 模糊控制表可以離線求出，作為文件存儲在計算機(jī)中，計算機(jī)實時控制時只需將A/D轉(zhuǎn)換得到的偏向和偏向變化 ec 進(jìn)展量化，得到相應(yīng)的等級 E 和 EC ，然后從文件中直接查詢所需采取的控制戰(zhàn)略。3.2.2 模糊控制算法3.2.2 模糊控制算法6確定實踐的控制量 顯然，實踐的控制量 應(yīng)為從控制表中查到的量化等級 乘以比例因子。設(shè)實踐的控制量 的變化范圍為a, b，量化等級為 ，那么實踐的控制量應(yīng)為 假設(shè) ，那么 例如在上述二維模糊控制器中，當(dāng) E 和 EC 的量化等級分別為-3和+1時，由控制表查得 ，那么模糊控制器輸出的實踐控制量應(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，有一點需求銘刻：簡單的算法只需參數(shù)調(diào)整得好，效果會相當(dāng)不錯；相反，復(fù)雜的算法，其設(shè)計和參數(shù)整定那么相對復(fù)雜，效果不一定比簡單算法好。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PID和模糊控