论文部分内容阅读
摘 要：本文通过将CMAC网络与PID控制算法并行应用在汽车二自由度的模型的传递函数上，得到了基于CMAC的PID控制算法具有比单独的PID控制效果好的性能，且具有响应速度快，实时性好，鲁棒性强等特点。
关键词：CMAC网络 PID控制 二自由度汽车模型
中图分类号：TP27 文献标识码：A 文章编号：1672-3791（2013）01（a）-0062-02
在泊车过程中，可以把泊车过程看成一个转向过程，在车辆的转向行驶过程中需要考虑车辆的操作稳定性，车辆的操作稳定性非常重要。为了了解操纵稳定性的基本特性，我们将汽车模型简化为一个两轮的二自由度模型。对汽车二自由度模型的控制，本文将CMAC网络的PID控制算法应用在二自由度汽车模型的控制中进行研究。
1 汽车二自由度模型的建立
根据文献[1]，建立汽车二自由度模型如图1。
由图1可得线性型二自由度的汽车模型微分方程为：
（1）
将微分方程整理可得汽车二自由度模型的传递函数[2]：
（2）
2 基于CMAC網络的PID控制算法
2.1 CMAC网络
CMAC[3，4]是小脑模型关节控制器（Celebellar Model Articulation Controller）的简称，其与传统的神经网络有所不同，它不具备传统神经网络的层次连接结构，但与传统神经网络一样，它也需要进行神经网络的突触权值调整。CMAC网络具有很强的非线性映射能力的网络，而且，从开始就存在一定的泛华能力。CMAC的模型结构[5]如图2。
2.2 控制算法原理
CMAC与PID复合控制结构图如图3所示。
该控制系统的算法为：
（3）
（4）
式（3）中，ai为二进制选择向量；c为CMAC网络的泛化参数；un（n）为CMAC产生的相应输出；up（n）为常规控制器产生的输出。
CMAC的调整指标为：
（5）
（6）
（7）
式（6）中，为学率，；为动量因子，
由文献[2]可得二自由度汽车模型的传递函数为：
3 MATLAB仿真分析
（8）
以此传递函数为被控对象，CMAC神经网络参数，，，。PID控制参数，，，采样时间为1 ms。
仿真结果如图4所示。
通过仿真结果可以看出，小脑模型的加入使得控制效果比单独的PID控制效果要好，减小了超调，加快了控制响应速度，体现了小脑模型的特点，即实时性好，鲁棒性强等。
4 结语
本文将控制汽车二自由度模型的传递函数，研究了基于CMAC的PID控制，可以得到以下几点结论。
（1）CMAC模型的加入使得控制效果比单独的PID要好。
（2）基于CMAC的PID的控制响应速度快，实时性好，鲁棒性强。
参考文献
[1] 余志生.汽车理论[M].北京：机械工业出版社，2009，3.
[2] 肖启瑞，樊明明，黄学翾，等.车辆工程仿真与分析—基于MATLAB的实现[M].北京：机械工业出版社，2012（3）.
[3] 张泽旭.神经网络控制与MATLAB仿真[M].哈尔滨：哈尔滨工业大学出版社，2011（7）.
[4] 金丽成，邱家驹.基于CMAC神经网络的配网重构模型[J].浙江大学学报（工学版），2004（6）：133-137.
[5] 段晓燕.基于CMAC网络的迭代学习初始控制策略[J].计算机应用，2010（8）：2049-2051，2138.
关键词：CMAC网络 PID控制 二自由度汽车模型
中图分类号：TP27 文献标识码：A 文章编号：1672-3791（2013）01（a）-0062-02
在泊车过程中，可以把泊车过程看成一个转向过程，在车辆的转向行驶过程中需要考虑车辆的操作稳定性，车辆的操作稳定性非常重要。为了了解操纵稳定性的基本特性，我们将汽车模型简化为一个两轮的二自由度模型。对汽车二自由度模型的控制，本文将CMAC网络的PID控制算法应用在二自由度汽车模型的控制中进行研究。
1 汽车二自由度模型的建立
根据文献[1]，建立汽车二自由度模型如图1。
由图1可得线性型二自由度的汽车模型微分方程为：
（1）
将微分方程整理可得汽车二自由度模型的传递函数[2]：
（2）
2 基于CMAC網络的PID控制算法
2.1 CMAC网络
CMAC[3，4]是小脑模型关节控制器（Celebellar Model Articulation Controller）的简称，其与传统的神经网络有所不同，它不具备传统神经网络的层次连接结构，但与传统神经网络一样，它也需要进行神经网络的突触权值调整。CMAC网络具有很强的非线性映射能力的网络，而且，从开始就存在一定的泛华能力。CMAC的模型结构[5]如图2。
2.2 控制算法原理
CMAC与PID复合控制结构图如图3所示。
该控制系统的算法为：
（3）
（4）
式（3）中，ai为二进制选择向量；c为CMAC网络的泛化参数；un（n）为CMAC产生的相应输出；up（n）为常规控制器产生的输出。
CMAC的调整指标为：
（5）
（6）
（7）
式（6）中，为学率，；为动量因子，
由文献[2]可得二自由度汽车模型的传递函数为：
3 MATLAB仿真分析
（8）
以此传递函数为被控对象，CMAC神经网络参数，，，。PID控制参数，，，采样时间为1 ms。
仿真结果如图4所示。
通过仿真结果可以看出，小脑模型的加入使得控制效果比单独的PID控制效果要好，减小了超调，加快了控制响应速度，体现了小脑模型的特点，即实时性好，鲁棒性强等。
4 结语
本文将控制汽车二自由度模型的传递函数，研究了基于CMAC的PID控制，可以得到以下几点结论。
（1）CMAC模型的加入使得控制效果比单独的PID要好。
（2）基于CMAC的PID的控制响应速度快，实时性好，鲁棒性强。
参考文献
[1] 余志生.汽车理论[M].北京：机械工业出版社，2009，3.
[2] 肖启瑞，樊明明，黄学翾，等.车辆工程仿真与分析—基于MATLAB的实现[M].北京：机械工业出版社，2012（3）.
[3] 张泽旭.神经网络控制与MATLAB仿真[M].哈尔滨：哈尔滨工业大学出版社，2011（7）.
[4] 金丽成，邱家驹.基于CMAC神经网络的配网重构模型[J].浙江大学学报（工学版），2004（6）：133-137.
[5] 段晓燕.基于CMAC网络的迭代学习初始控制策略[J].计算机应用，2010（8）：2049-2051，2138.