任麗娟

摘 要：汽車經(jīng)過一百多年的發(fā)展，已成為人們生活不可或缺的交通工具。駕駛員、道路、汽車構(gòu)成一個完整的有機(jī)系統(tǒng)。駕駛員的地位在車輛操縱穩(wěn)定性的閉環(huán)研究中和智能車的開發(fā)中非常的重要，現(xiàn)在研究駕駛員速度控制行為特性較少。神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制理論應(yīng)用于本文中，對汽車速度神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制進(jìn)行研究。

關(guān)鍵詞：汽車 神經(jīng)網(wǎng)絡(luò) PID控制 智能

中圖分類號：U46 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2014）05（c）-0073-02

汽車以有將近百年的發(fā)展，以成為人們生活不可或缺的交通工具，使人們出行變得方便，提高人們的生活質(zhì)量。但隨著汽車技術(shù)的進(jìn)步和人民物質(zhì)水平的提高，道路上越來越多的汽車，交通越來越擁擠，駕駛員的非職業(yè)性等等。使得交通事故頻繁發(fā)生，造成巨大的人員傷亡和財產(chǎn)損失。汽車交通安全已成為一個社會問題。為了解決這個問題，首先，汽車必須有良好的安全。一些功能的設(shè)計，主要研究方向之一是汽車的主動安全性是否良好。

汽車操縱穩(wěn)定性的研究，已經(jīng)有七十多年的歷史。目前，研究汽車本身的問題已經(jīng)相當(dāng)深入。然而，人們使用智能汽車模型操縱穩(wěn)定性評價時，有這樣一個問題：缺乏基本了解對駕駛員的特性。因此，人們只知道方向盤輸入對應(yīng)汽車的具體響應(yīng)，很難確定駕駛員對系統(tǒng)的性能影響。通過了解，一些研究人員開始研究駕駛員模型和駕駛員汽車閉環(huán)系統(tǒng)。

本文根據(jù)實(shí)踐經(jīng)驗(yàn)和方向控制驅(qū)動模型，研究基于智能車輛的需求和汽車操縱穩(wěn)定性評價研究閉環(huán)駕駛模型?；谲囕v速度單神經(jīng)元自適應(yīng)PID控制的駕駛員模型。

1 神經(jīng)網(wǎng)絡(luò)和PID控制

1.1 PID控制原理

PID控制是最早的控制策略，比例、積分和微分組合控制，控制被控對象，稱為PID控制器。自從計算機(jī)進(jìn)入控制領(lǐng)域以來，模擬控制器被數(shù)字計算機(jī)代替組成計算機(jī)控制系統(tǒng)，在軟件上實(shí)現(xiàn)PID控制算法，對PID控制使用更靈活，因其控制簡單、可靠性高和魯棒性好成為生產(chǎn)中常見的控制方法，過程控制和運(yùn)動控制被廣泛應(yīng)用。模擬PID控制系統(tǒng)原理如圖1所示。系統(tǒng)是由PID控制器和控制對象，根據(jù)給定的值和輸出值來控制時間偏差，PID控制規(guī)則是：

比例環(huán)節(jié)是偏差信號成比例被放大；積分環(huán)節(jié)是累加比例偏差；微分環(huán)節(jié)是根據(jù)差值的變化速率，提前調(diào)節(jié)動作。PID參數(shù)預(yù)置是互補(bǔ)的，應(yīng)該根據(jù)實(shí)際情況進(jìn)行微調(diào)：控制量在目標(biāo)值附近震蕩，首先增加積分時間，如果有振動，可適當(dāng)降低比例增益P?？刂屏孔兓箅y以恢復(fù)，首先增加比例增益P，如果恢復(fù)相對較慢，還可以適當(dāng)?shù)臏p少積分時間，還可以增加微分時間。

1.2 神經(jīng)網(wǎng)絡(luò)控制

大腦神經(jīng)元組成大腦的神經(jīng)系統(tǒng)最基本的單位，大腦皮層神經(jīng)元數(shù)量在101110～10個數(shù)量級。神經(jīng)由胞體和許多的的突起構(gòu)成。細(xì)胞體內(nèi)細(xì)胞核，突起的作用是傳遞信息。作為輸入信號的若干個過程，稱為樹突；作為輸出端的突起只有一個。即軸突，把許多神經(jīng)元連接在一個神經(jīng)網(wǎng)絡(luò)，通過樹突和軸突的對接。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能是主要特征之一，神經(jīng)元之間的連接強(qiáng)度或加權(quán)系數(shù)算法是通過學(xué)習(xí)規(guī)則，學(xué)習(xí)知識來適應(yīng)環(huán)境的變化。修正加權(quán)系數(shù)在學(xué)習(xí)的過程中被修正。在工作期間，加權(quán)系數(shù)參與計算神經(jīng)元的輸出。

監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)是學(xué)習(xí)算法的兩類：第一，監(jiān)督學(xué)習(xí)，外部的教師信號，當(dāng)結(jié)果和期望的輸出之間存在誤差，連接強(qiáng)度的調(diào)整由網(wǎng)絡(luò)自動完成按照自動調(diào)整機(jī)制，經(jīng)過多次反復(fù)跳幀，減少誤差，最終結(jié)果符合要求；第二，無監(jiān)督學(xué)習(xí)，沒有外部的教師信號，其性能表現(xiàn)為自適應(yīng)輸入空間的測試規(guī)則，學(xué)習(xí)過程為系統(tǒng)提供動態(tài)輸入信號，使各單位以某種方式競爭，獲得神經(jīng)元本身或其鄰近域增強(qiáng)，其他神經(jīng)元從而進(jìn)一步抑制信號空間分為多個區(qū)域是非常有用的。常用的集中規(guī)則如下：

（1）有監(jiān)督學(xué)習(xí)規(guī)則Hebb，Hebb學(xué)習(xí)是一種相關(guān)的學(xué)習(xí)。基本思想是：如果兩個神經(jīng)元激活的同時，加強(qiáng)他們之間的連接強(qiáng)度和他們的激勵的乘積直接成正比的關(guān)系。

（2）有監(jiān)督的Delta學(xué)習(xí)規(guī)則在Hebb學(xué)習(xí)規(guī)則中把教師信號引入。

（3）監(jiān)督Hebb學(xué)習(xí)規(guī)則，非監(jiān)督學(xué)習(xí)規(guī)則和有監(jiān)督學(xué)習(xí)規(guī)則兩個組合在一起構(gòu)成有監(jiān)督Hebb學(xué)習(xí)規(guī)則。

2 汽車速度單神經(jīng)元自適應(yīng)PID控制

駕駛員鞏通過改變剎車踏板的位置和油門踏板控制車輛的縱向加速度和速度。由于涉及的控制引擎和輪胎等強(qiáng)非線性環(huán)節(jié)，所以它是一個強(qiáng)非線性參數(shù)時變系統(tǒng)。為了正確地描述駕駛員輸入的關(guān)系以及縱向油門踏板的反應(yīng)，我們做一個綜合分析，采用汽車速度控制強(qiáng)非線性系統(tǒng)的工作點(diǎn)附近的局部線性化方法，簡化局部非線性參考模型來描述動態(tài)響應(yīng)特性的汽車速度控制。這樣控制存在靜差，所以我們要先進(jìn)行動力學(xué)模型參數(shù)的辨識，才能進(jìn)行速度控制。

單神經(jīng)元網(wǎng)絡(luò)是以神經(jīng)元為節(jié)點(diǎn)，使用一個網(wǎng)絡(luò)拓?fù)錁?gòu)成的活性網(wǎng)絡(luò)。理論上實(shí)現(xiàn)任意非線性映射和逼近復(fù)雜的非線性關(guān)系。單神經(jīng)元的自學(xué)習(xí)和自適應(yīng)能力，結(jié)構(gòu)簡單，易于計算。傳統(tǒng)的PID控制器由于其算法簡單、魯棒性好和可靠性高的優(yōu)點(diǎn)，廣泛應(yīng)用于工業(yè)過程控制。但是其對運(yùn)行工況適應(yīng)性不好，參數(shù)整點(diǎn)不良等缺點(diǎn)。通過兩者結(jié)合解決PID控制的不足，提高系統(tǒng)的性能。汽車速度的控制流程圖如圖2所示。

3 閉環(huán)系統(tǒng)仿真分析

為了驗(yàn)證速度控制駕駛員模型的合理性，驗(yàn)證汽車速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型比簡單的PID控制駕駛員模型具有更好的適應(yīng)性和魯棒性。在仿真中，參考的縱向速度積分的方法為縱向參考位移的輸入；方向盤角設(shè)置為零，即線性速度跟隨仿真實(shí)驗(yàn)，對于方向盤角為非零值的速度時，跟隨工況下存在的耦合，我們在這里主要介紹在汽車直線行駛時，在減速跟隨工況下進(jìn)行仿真，汽車在簡單PID控制和單神經(jīng)元自適應(yīng)PID控制下進(jìn)行仿真所得到的縱向速度、縱向加速度等參量相比較而繪制的曲線示意圖。圖3和圖4所示。

4 結(jié)論

應(yīng)用神經(jīng)網(wǎng)絡(luò)和PID控制原理，針對車輛動力學(xué)控制的特點(diǎn)，建立了強(qiáng)非線性特征基于車輛速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型，駕駛員-汽車-道路閉環(huán)系統(tǒng)進(jìn)行了仿真分析，仿真結(jié)果和簡單的PID控制仿真結(jié)果進(jìn)行比較。車輛速度的單神經(jīng)元PID控制驅(qū)動模型比簡單的PID控制驅(qū)動驅(qū)動具有更好的適應(yīng)性。提高了系統(tǒng)的性能，為汽車的智能化提供參數(shù)。

參考文獻(xiàn)

[1] XuH G，WangC X，YangR Q.ExtendedKalman filterbasedmag-netic guidance for intelligent vehicles[C]// Tokyo，Japan：Intell-igentVehicles Symposium.2006.

[2] 沈吟東，曾西洋.公共交通駕駛員調(diào)度的復(fù)雜性及解決方法[C]//2004計算機(jī)應(yīng)用技術(shù)交流會議論文集.2004.

[3] 李冬輝，葉利濤.基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[J].組合機(jī)床與自動化加工技術(shù)，2005（4）.

[4] 王宏濤，劉朝勇，鄭世杰.基于模糊RBF神經(jīng)網(wǎng)絡(luò)的復(fù)合材料結(jié)構(gòu)脫層損傷監(jiān)測研究[J].兵器材料科學(xué)與工程，2011（1）.

[5] 王述彥，師宇，馮忠緒.基于模糊PID控制器的控制方法研究[J].機(jī)械科學(xué)與技術(shù)，2011（1）.endprint

摘 要：汽車經(jīng)過一百多年的發(fā)展，已成為人們生活不可或缺的交通工具。駕駛員、道路、汽車構(gòu)成一個完整的有機(jī)系統(tǒng)。駕駛員的地位在車輛操縱穩(wěn)定性的閉環(huán)研究中和智能車的開發(fā)中非常的重要，現(xiàn)在研究駕駛員速度控制行為特性較少。神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制理論應(yīng)用于本文中，對汽車速度神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制進(jìn)行研究。

關(guān)鍵詞：汽車 神經(jīng)網(wǎng)絡(luò) PID控制 智能

中圖分類號：U46 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2014）05（c）-0073-02

汽車以有將近百年的發(fā)展，以成為人們生活不可或缺的交通工具，使人們出行變得方便，提高人們的生活質(zhì)量。但隨著汽車技術(shù)的進(jìn)步和人民物質(zhì)水平的提高，道路上越來越多的汽車，交通越來越擁擠，駕駛員的非職業(yè)性等等。使得交通事故頻繁發(fā)生，造成巨大的人員傷亡和財產(chǎn)損失。汽車交通安全已成為一個社會問題。為了解決這個問題，首先，汽車必須有良好的安全。一些功能的設(shè)計，主要研究方向之一是汽車的主動安全性是否良好。

汽車操縱穩(wěn)定性的研究，已經(jīng)有七十多年的歷史。目前，研究汽車本身的問題已經(jīng)相當(dāng)深入。然而，人們使用智能汽車模型操縱穩(wěn)定性評價時，有這樣一個問題：缺乏基本了解對駕駛員的特性。因此，人們只知道方向盤輸入對應(yīng)汽車的具體響應(yīng)，很難確定駕駛員對系統(tǒng)的性能影響。通過了解，一些研究人員開始研究駕駛員模型和駕駛員汽車閉環(huán)系統(tǒng)。

本文根據(jù)實(shí)踐經(jīng)驗(yàn)和方向控制驅(qū)動模型，研究基于智能車輛的需求和汽車操縱穩(wěn)定性評價研究閉環(huán)駕駛模型?；谲囕v速度單神經(jīng)元自適應(yīng)PID控制的駕駛員模型。

1 神經(jīng)網(wǎng)絡(luò)和PID控制

1.1 PID控制原理

PID控制是最早的控制策略，比例、積分和微分組合控制，控制被控對象，稱為PID控制器。自從計算機(jī)進(jìn)入控制領(lǐng)域以來，模擬控制器被數(shù)字計算機(jī)代替組成計算機(jī)控制系統(tǒng)，在軟件上實(shí)現(xiàn)PID控制算法，對PID控制使用更靈活，因其控制簡單、可靠性高和魯棒性好成為生產(chǎn)中常見的控制方法，過程控制和運(yùn)動控制被廣泛應(yīng)用。模擬PID控制系統(tǒng)原理如圖1所示。系統(tǒng)是由PID控制器和控制對象，根據(jù)給定的值和輸出值來控制時間偏差，PID控制規(guī)則是：

比例環(huán)節(jié)是偏差信號成比例被放大；積分環(huán)節(jié)是累加比例偏差；微分環(huán)節(jié)是根據(jù)差值的變化速率，提前調(diào)節(jié)動作。PID參數(shù)預(yù)置是互補(bǔ)的，應(yīng)該根據(jù)實(shí)際情況進(jìn)行微調(diào)：控制量在目標(biāo)值附近震蕩，首先增加積分時間，如果有振動，可適當(dāng)降低比例增益P?？刂屏孔兓箅y以恢復(fù)，首先增加比例增益P，如果恢復(fù)相對較慢，還可以適當(dāng)?shù)臏p少積分時間，還可以增加微分時間。

1.2 神經(jīng)網(wǎng)絡(luò)控制

大腦神經(jīng)元組成大腦的神經(jīng)系統(tǒng)最基本的單位，大腦皮層神經(jīng)元數(shù)量在101110～10個數(shù)量級。神經(jīng)由胞體和許多的的突起構(gòu)成。細(xì)胞體內(nèi)細(xì)胞核，突起的作用是傳遞信息。作為輸入信號的若干個過程，稱為樹突；作為輸出端的突起只有一個。即軸突，把許多神經(jīng)元連接在一個神經(jīng)網(wǎng)絡(luò)，通過樹突和軸突的對接。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能是主要特征之一，神經(jīng)元之間的連接強(qiáng)度或加權(quán)系數(shù)算法是通過學(xué)習(xí)規(guī)則，學(xué)習(xí)知識來適應(yīng)環(huán)境的變化。修正加權(quán)系數(shù)在學(xué)習(xí)的過程中被修正。在工作期間，加權(quán)系數(shù)參與計算神經(jīng)元的輸出。

監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)是學(xué)習(xí)算法的兩類：第一，監(jiān)督學(xué)習(xí)，外部的教師信號，當(dāng)結(jié)果和期望的輸出之間存在誤差，連接強(qiáng)度的調(diào)整由網(wǎng)絡(luò)自動完成按照自動調(diào)整機(jī)制，經(jīng)過多次反復(fù)跳幀，減少誤差，最終結(jié)果符合要求；第二，無監(jiān)督學(xué)習(xí)，沒有外部的教師信號，其性能表現(xiàn)為自適應(yīng)輸入空間的測試規(guī)則，學(xué)習(xí)過程為系統(tǒng)提供動態(tài)輸入信號，使各單位以某種方式競爭，獲得神經(jīng)元本身或其鄰近域增強(qiáng)，其他神經(jīng)元從而進(jìn)一步抑制信號空間分為多個區(qū)域是非常有用的。常用的集中規(guī)則如下：

（1）有監(jiān)督學(xué)習(xí)規(guī)則Hebb，Hebb學(xué)習(xí)是一種相關(guān)的學(xué)習(xí)。基本思想是：如果兩個神經(jīng)元激活的同時，加強(qiáng)他們之間的連接強(qiáng)度和他們的激勵的乘積直接成正比的關(guān)系。

（2）有監(jiān)督的Delta學(xué)習(xí)規(guī)則在Hebb學(xué)習(xí)規(guī)則中把教師信號引入。

（3）監(jiān)督Hebb學(xué)習(xí)規(guī)則，非監(jiān)督學(xué)習(xí)規(guī)則和有監(jiān)督學(xué)習(xí)規(guī)則兩個組合在一起構(gòu)成有監(jiān)督Hebb學(xué)習(xí)規(guī)則。

2 汽車速度單神經(jīng)元自適應(yīng)PID控制

駕駛員鞏通過改變剎車踏板的位置和油門踏板控制車輛的縱向加速度和速度。由于涉及的控制引擎和輪胎等強(qiáng)非線性環(huán)節(jié)，所以它是一個強(qiáng)非線性參數(shù)時變系統(tǒng)。為了正確地描述駕駛員輸入的關(guān)系以及縱向油門踏板的反應(yīng)，我們做一個綜合分析，采用汽車速度控制強(qiáng)非線性系統(tǒng)的工作點(diǎn)附近的局部線性化方法，簡化局部非線性參考模型來描述動態(tài)響應(yīng)特性的汽車速度控制。這樣控制存在靜差，所以我們要先進(jìn)行動力學(xué)模型參數(shù)的辨識，才能進(jìn)行速度控制。

單神經(jīng)元網(wǎng)絡(luò)是以神經(jīng)元為節(jié)點(diǎn)，使用一個網(wǎng)絡(luò)拓?fù)錁?gòu)成的活性網(wǎng)絡(luò)。理論上實(shí)現(xiàn)任意非線性映射和逼近復(fù)雜的非線性關(guān)系。單神經(jīng)元的自學(xué)習(xí)和自適應(yīng)能力，結(jié)構(gòu)簡單，易于計算。傳統(tǒng)的PID控制器由于其算法簡單、魯棒性好和可靠性高的優(yōu)點(diǎn)，廣泛應(yīng)用于工業(yè)過程控制。但是其對運(yùn)行工況適應(yīng)性不好，參數(shù)整點(diǎn)不良等缺點(diǎn)。通過兩者結(jié)合解決PID控制的不足，提高系統(tǒng)的性能。汽車速度的控制流程圖如圖2所示。

3 閉環(huán)系統(tǒng)仿真分析

為了驗(yàn)證速度控制駕駛員模型的合理性，驗(yàn)證汽車速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型比簡單的PID控制駕駛員模型具有更好的適應(yīng)性和魯棒性。在仿真中，參考的縱向速度積分的方法為縱向參考位移的輸入；方向盤角設(shè)置為零，即線性速度跟隨仿真實(shí)驗(yàn)，對于方向盤角為非零值的速度時，跟隨工況下存在的耦合，我們在這里主要介紹在汽車直線行駛時，在減速跟隨工況下進(jìn)行仿真，汽車在簡單PID控制和單神經(jīng)元自適應(yīng)PID控制下進(jìn)行仿真所得到的縱向速度、縱向加速度等參量相比較而繪制的曲線示意圖。圖3和圖4所示。

4 結(jié)論

應(yīng)用神經(jīng)網(wǎng)絡(luò)和PID控制原理，針對車輛動力學(xué)控制的特點(diǎn)，建立了強(qiáng)非線性特征基于車輛速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型，駕駛員-汽車-道路閉環(huán)系統(tǒng)進(jìn)行了仿真分析，仿真結(jié)果和簡單的PID控制仿真結(jié)果進(jìn)行比較。車輛速度的單神經(jīng)元PID控制驅(qū)動模型比簡單的PID控制驅(qū)動驅(qū)動具有更好的適應(yīng)性。提高了系統(tǒng)的性能，為汽車的智能化提供參數(shù)。

參考文獻(xiàn)

[1] XuH G，WangC X，YangR Q.ExtendedKalman filterbasedmag-netic guidance for intelligent vehicles[C]// Tokyo，Japan：Intell-igentVehicles Symposium.2006.

[2] 沈吟東，曾西洋.公共交通駕駛員調(diào)度的復(fù)雜性及解決方法[C]//2004計算機(jī)應(yīng)用技術(shù)交流會議論文集.2004.

[3] 李冬輝，葉利濤.基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[J].組合機(jī)床與自動化加工技術(shù)，2005（4）.

[4] 王宏濤，劉朝勇，鄭世杰.基于模糊RBF神經(jīng)網(wǎng)絡(luò)的復(fù)合材料結(jié)構(gòu)脫層損傷監(jiān)測研究[J].兵器材料科學(xué)與工程，2011（1）.

[5] 王述彥，師宇，馮忠緒.基于模糊PID控制器的控制方法研究[J].機(jī)械科學(xué)與技術(shù)，2011（1）.endprint

摘 要：汽車經(jīng)過一百多年的發(fā)展，已成為人們生活不可或缺的交通工具。駕駛員、道路、汽車構(gòu)成一個完整的有機(jī)系統(tǒng)。駕駛員的地位在車輛操縱穩(wěn)定性的閉環(huán)研究中和智能車的開發(fā)中非常的重要，現(xiàn)在研究駕駛員速度控制行為特性較少。神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制理論應(yīng)用于本文中，對汽車速度神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制進(jìn)行研究。

關(guān)鍵詞：汽車 神經(jīng)網(wǎng)絡(luò) PID控制 智能

中圖分類號：U46 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2014）05（c）-0073-02

汽車以有將近百年的發(fā)展，以成為人們生活不可或缺的交通工具，使人們出行變得方便，提高人們的生活質(zhì)量。但隨著汽車技術(shù)的進(jìn)步和人民物質(zhì)水平的提高，道路上越來越多的汽車，交通越來越擁擠，駕駛員的非職業(yè)性等等。使得交通事故頻繁發(fā)生，造成巨大的人員傷亡和財產(chǎn)損失。汽車交通安全已成為一個社會問題。為了解決這個問題，首先，汽車必須有良好的安全。一些功能的設(shè)計，主要研究方向之一是汽車的主動安全性是否良好。

汽車操縱穩(wěn)定性的研究，已經(jīng)有七十多年的歷史。目前，研究汽車本身的問題已經(jīng)相當(dāng)深入。然而，人們使用智能汽車模型操縱穩(wěn)定性評價時，有這樣一個問題：缺乏基本了解對駕駛員的特性。因此，人們只知道方向盤輸入對應(yīng)汽車的具體響應(yīng)，很難確定駕駛員對系統(tǒng)的性能影響。通過了解，一些研究人員開始研究駕駛員模型和駕駛員汽車閉環(huán)系統(tǒng)。

本文根據(jù)實(shí)踐經(jīng)驗(yàn)和方向控制驅(qū)動模型，研究基于智能車輛的需求和汽車操縱穩(wěn)定性評價研究閉環(huán)駕駛模型?；谲囕v速度單神經(jīng)元自適應(yīng)PID控制的駕駛員模型。

1 神經(jīng)網(wǎng)絡(luò)和PID控制

1.1 PID控制原理

PID控制是最早的控制策略，比例、積分和微分組合控制，控制被控對象，稱為PID控制器。自從計算機(jī)進(jìn)入控制領(lǐng)域以來，模擬控制器被數(shù)字計算機(jī)代替組成計算機(jī)控制系統(tǒng)，在軟件上實(shí)現(xiàn)PID控制算法，對PID控制使用更靈活，因其控制簡單、可靠性高和魯棒性好成為生產(chǎn)中常見的控制方法，過程控制和運(yùn)動控制被廣泛應(yīng)用。模擬PID控制系統(tǒng)原理如圖1所示。系統(tǒng)是由PID控制器和控制對象，根據(jù)給定的值和輸出值來控制時間偏差，PID控制規(guī)則是：

比例環(huán)節(jié)是偏差信號成比例被放大；積分環(huán)節(jié)是累加比例偏差；微分環(huán)節(jié)是根據(jù)差值的變化速率，提前調(diào)節(jié)動作。PID參數(shù)預(yù)置是互補(bǔ)的，應(yīng)該根據(jù)實(shí)際情況進(jìn)行微調(diào)：控制量在目標(biāo)值附近震蕩，首先增加積分時間，如果有振動，可適當(dāng)降低比例增益P?？刂屏孔兓箅y以恢復(fù)，首先增加比例增益P，如果恢復(fù)相對較慢，還可以適當(dāng)?shù)臏p少積分時間，還可以增加微分時間。

1.2 神經(jīng)網(wǎng)絡(luò)控制

大腦神經(jīng)元組成大腦的神經(jīng)系統(tǒng)最基本的單位，大腦皮層神經(jīng)元數(shù)量在101110～10個數(shù)量級。神經(jīng)由胞體和許多的的突起構(gòu)成。細(xì)胞體內(nèi)細(xì)胞核，突起的作用是傳遞信息。作為輸入信號的若干個過程，稱為樹突；作為輸出端的突起只有一個。即軸突，把許多神經(jīng)元連接在一個神經(jīng)網(wǎng)絡(luò)，通過樹突和軸突的對接。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能是主要特征之一，神經(jīng)元之間的連接強(qiáng)度或加權(quán)系數(shù)算法是通過學(xué)習(xí)規(guī)則，學(xué)習(xí)知識來適應(yīng)環(huán)境的變化。修正加權(quán)系數(shù)在學(xué)習(xí)的過程中被修正。在工作期間，加權(quán)系數(shù)參與計算神經(jīng)元的輸出。

監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)是學(xué)習(xí)算法的兩類：第一，監(jiān)督學(xué)習(xí)，外部的教師信號，當(dāng)結(jié)果和期望的輸出之間存在誤差，連接強(qiáng)度的調(diào)整由網(wǎng)絡(luò)自動完成按照自動調(diào)整機(jī)制，經(jīng)過多次反復(fù)跳幀，減少誤差，最終結(jié)果符合要求；第二，無監(jiān)督學(xué)習(xí)，沒有外部的教師信號，其性能表現(xiàn)為自適應(yīng)輸入空間的測試規(guī)則，學(xué)習(xí)過程為系統(tǒng)提供動態(tài)輸入信號，使各單位以某種方式競爭，獲得神經(jīng)元本身或其鄰近域增強(qiáng)，其他神經(jīng)元從而進(jìn)一步抑制信號空間分為多個區(qū)域是非常有用的。常用的集中規(guī)則如下：

（1）有監(jiān)督學(xué)習(xí)規(guī)則Hebb，Hebb學(xué)習(xí)是一種相關(guān)的學(xué)習(xí)?；舅枷胧牵喝绻麅蓚€神經(jīng)元激活的同時，加強(qiáng)他們之間的連接強(qiáng)度和他們的激勵的乘積直接成正比的關(guān)系。

（2）有監(jiān)督的Delta學(xué)習(xí)規(guī)則在Hebb學(xué)習(xí)規(guī)則中把教師信號引入。

（3）監(jiān)督Hebb學(xué)習(xí)規(guī)則，非監(jiān)督學(xué)習(xí)規(guī)則和有監(jiān)督學(xué)習(xí)規(guī)則兩個組合在一起構(gòu)成有監(jiān)督Hebb學(xué)習(xí)規(guī)則。

2 汽車速度單神經(jīng)元自適應(yīng)PID控制

駕駛員鞏通過改變剎車踏板的位置和油門踏板控制車輛的縱向加速度和速度。由于涉及的控制引擎和輪胎等強(qiáng)非線性環(huán)節(jié)，所以它是一個強(qiáng)非線性參數(shù)時變系統(tǒng)。為了正確地描述駕駛員輸入的關(guān)系以及縱向油門踏板的反應(yīng)，我們做一個綜合分析，采用汽車速度控制強(qiáng)非線性系統(tǒng)的工作點(diǎn)附近的局部線性化方法，簡化局部非線性參考模型來描述動態(tài)響應(yīng)特性的汽車速度控制。這樣控制存在靜差，所以我們要先進(jìn)行動力學(xué)模型參數(shù)的辨識，才能進(jìn)行速度控制。

單神經(jīng)元網(wǎng)絡(luò)是以神經(jīng)元為節(jié)點(diǎn)，使用一個網(wǎng)絡(luò)拓?fù)錁?gòu)成的活性網(wǎng)絡(luò)。理論上實(shí)現(xiàn)任意非線性映射和逼近復(fù)雜的非線性關(guān)系。單神經(jīng)元的自學(xué)習(xí)和自適應(yīng)能力，結(jié)構(gòu)簡單，易于計算。傳統(tǒng)的PID控制器由于其算法簡單、魯棒性好和可靠性高的優(yōu)點(diǎn)，廣泛應(yīng)用于工業(yè)過程控制。但是其對運(yùn)行工況適應(yīng)性不好，參數(shù)整點(diǎn)不良等缺點(diǎn)。通過兩者結(jié)合解決PID控制的不足，提高系統(tǒng)的性能。汽車速度的控制流程圖如圖2所示。

3 閉環(huán)系統(tǒng)仿真分析

為了驗(yàn)證速度控制駕駛員模型的合理性，驗(yàn)證汽車速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型比簡單的PID控制駕駛員模型具有更好的適應(yīng)性和魯棒性。在仿真中，參考的縱向速度積分的方法為縱向參考位移的輸入；方向盤角設(shè)置為零，即線性速度跟隨仿真實(shí)驗(yàn)，對于方向盤角為非零值的速度時，跟隨工況下存在的耦合，我們在這里主要介紹在汽車直線行駛時，在減速跟隨工況下進(jìn)行仿真，汽車在簡單PID控制和單神經(jīng)元自適應(yīng)PID控制下進(jìn)行仿真所得到的縱向速度、縱向加速度等參量相比較而繪制的曲線示意圖。圖3和圖4所示。

4 結(jié)論

應(yīng)用神經(jīng)網(wǎng)絡(luò)和PID控制原理，針對車輛動力學(xué)控制的特點(diǎn)，建立了強(qiáng)非線性特征基于車輛速度的單神經(jīng)元自適應(yīng)PID控制駕駛員模型，駕駛員-汽車-道路閉環(huán)系統(tǒng)進(jìn)行了仿真分析，仿真結(jié)果和簡單的PID控制仿真結(jié)果進(jìn)行比較。車輛速度的單神經(jīng)元PID控制驅(qū)動模型比簡單的PID控制驅(qū)動驅(qū)動具有更好的適應(yīng)性。提高了系統(tǒng)的性能，為汽車的智能化提供參數(shù)。

參考文獻(xiàn)

[1] XuH G，WangC X，YangR Q.ExtendedKalman filterbasedmag-netic guidance for intelligent vehicles[C]// Tokyo，Japan：Intell-igentVehicles Symposium.2006.

[2] 沈吟東，曾西洋.公共交通駕駛員調(diào)度的復(fù)雜性及解決方法[C]//2004計算機(jī)應(yīng)用技術(shù)交流會議論文集.2004.

[3] 李冬輝，葉利濤.基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[J].組合機(jī)床與自動化加工技術(shù)，2005（4）.

[4] 王宏濤，劉朝勇，鄭世杰.基于模糊RBF神經(jīng)網(wǎng)絡(luò)的復(fù)合材料結(jié)構(gòu)脫層損傷監(jiān)測研究[J].兵器材料科學(xué)與工程，2011（1）.

[5] 王述彥，師宇，馮忠緒.基于模糊PID控制器的控制方法研究[J].機(jī)械科學(xué)與技術(shù)，2011（1）.endprint