基于分解模糊PID的车辆控制与主动避撞

由于主动避撞系统的验证中需要有动力学模型来支撑，所以要搭建无人车 纵向动力学模型。无人车纵向动力总成包括发动机、液力偶合器、自动变速器和 车辆质量模型等。为了验证所本文所搭建的动力学模型的合理性，在 CarSim 中同 样建立了整车模型，并在与 Simulink 中搭建的纵向动力学模型进行对比，证明所 建动力学模型的完整性与准确性。 与传统的模糊系统不同，DFS 将模糊变量分解为 N 层，并除去了两个边界 模糊集。每一层的传统模糊变量由一个对应的模糊集及其补集构成，并且每一层 对应于原模糊划分中的一个模糊集。由于采用 DFS 所构建的基于专家经验的模糊 规则库的规则数过多，所以采用简易分解模糊系统（SDFS）。对于 SDFS，相比 DFS 来说只需要考虑来自模糊变量的同一排序层的模糊集，模糊规则数相对较少。 针对无人车的主动避撞系统，避撞逻辑的模型采用安全距离模型。将前后 车的状态信息输入到控制器中，按照设计好的计算方法得到相应的危险阈值，该 阈值是表示当前车况危险程度的量，无人车可通过阈值法判别紧急危险状况，以 及是否触发车辆自主制动措施。一旦触发车辆自主的制动，系统将给出制动的期 望减速度，无人车将以期望加速度为目标进行制动。采用控制目标设计层、扭矩 输出层的分层控制策略。在目标设计层中，将期望纵向加速度与实际值作比较得 到相应的误差;在扭矩输出层，误差通过分解模糊 PID 控制器计算出期望加速度所 需要的力矩。最后，通过仿真验证所提出的控制方法的有效性。