汽车牵引力控制系统的控制方法_张加才

对应变量为 K 和 K , 隶属度函数取正态分布, 控制规则见表 3 , 表中 L、 X、 Z、JD、 D 表示零、 小、 中、 较大、 大, 采用 M am dan i推理法 , 反模糊 化采 用重心法。
( 1) ( 3) (2) ( 3)
11 5 改进的增量 P I控制器 1 . 5 . 1 模糊增量 P I控制器 采用模糊算法建立增量 P I 控制器参数确定 算法。模糊控制器输入 e 和 $e, 输出 K P 和 K I, 增 量 P I控制器设计同 1 . 2 节。 本文 | e |和 | $e |在模糊论域 [ 0 , 3 ] 的对应变 量为 | e | 和 | $e | , K P 和 K I 在模糊论域 [ 0, 4 ] 的
* * [ 7]
L FX FZ FD
。采用增量 P I算法确定的控制量增
11 4 神经网络控制器 神经网络算法鲁棒性强, 适用于确定非定常、 非线性的多输入多输出系统的输出与输入间的关 系。本文建立如图 1所示的具有三层结构的神经 网络, 神经元个数依次为 L、 M 和 N。
图 1 神经网络的拓扑结构图 Fig . 1 Topolog ic stru cture of neural network
式中: $e 为 $e 在标准论域内的数值 ; k$e为 $e 变 换因子 , k$e = z / ( em ax - em in ) 。
# 516# 为输入层神经元的输入。 目标函数
吉林大学学报 ( 工学版 )
第 36 卷
D j = { [ yK ] j - [ YK ] j } = 0
( 3)
牵引力控制系统能显著改善汽车在软、 低附 着地面的牵引性和操纵稳定性 , 已成为目前的研 究热点之一 。控制方法是决定控制品质的关 键因素之一 , 各种基于经典控制理论和现代控制 理论 的 控 制 方 法 被 广 泛 应 用 于 车 辆 电 控 领 域
[ 4- 6] [ 1- 3 ]
。作者针对牵引力控制系统, 综合应用各
* * *
制动控制指令 增压 减压 减压 保压 保压 增压 保压 减压
保压
sR < s0b且 X < 0
#
干等级 , 确定隶属度函数, 并根据专家经验确定控 制规则。本文取 z = 3 , 模糊化等级为 7 , 隶属度函 数采用 正态分 布。控 制 规则 如表 2 所示 , 表 中 ZD、 ZZ、 ZX、 L、 FX、 FZ、 FD 分别表示正大、 正中、 正 小、 零、 负小、 负中、 负大, 采 用 M am dani推理 法, 反模糊化采用重心法。
汽车牵引力控制系统的控制方法
张加才 , 李 凯 , 李
有限公司 , 杭州 311203)
1 2
静 , 马志敏 , 李幼德
1
3
1
( 1. 吉林大 学 汽车工程学院 , 长春 130022; 2 . 军事交通学院 汽车工程系 , 天津 300161 ; 3. 浙江亚太机电股份
摘 要 : 将逻辑门限、 P ID、 模糊以及神经网络等控制方法应用于牵引力控制系统, 建立了油门 位置控制器和驱动轮制动控制器 。采用计算机仿真方法对各控制方案进行了比较分析。结果 表明: 油门控制采用神经 P I 、 制动控制采用逻辑门限方法最实用 。 关键词 : 车辆工程 ; 牵引力控制系统; 控制方法 ; 计算机仿真 中图分类号 : U463 . 54 文献标识码: A
表 2 模糊控制规则 Table 2 Fuzzy con trol rules
$U* $ e* ZD ZD ZZ ZX
* e 〗
X< 0 不满足增压和减压条件 增压 sR < s0b sR > s0b
#
减压
X> 0
#
X< 0
sR = ( X - Xsym ) / X 速度。 11 2 增量 PI控制器
0 引
言 1 控制系统设计
11 1 逻辑门限算法 门限控制的实质是 / 穷举法 0, 其逻辑 复杂、 需经大量试验方可选定门限 , 但不需要测量 ( 控 制对象状态的 ) 传感器, 因而被 ABS 和 TCS 普遍 采用。表 1 给出本文的 TCS 门限制动控制算法。 表中: sR 和 s0b 为相 对滑 转率 及其门 限, sR 由 式
种控制方法设计发动机油门控制器和驱动轮制动
收稿日期 : 2005 -09-12. 基金项目 : / 十五 0 国家科技攻关计划项目 ( 2002BA 442C ).
作者简介 : 张加才 ( 1974- ), 男 , 博士研究生 . 研究方向 : 汽车地面系统分析与控制 . Em a i: l zhang jc @ ccst . gov . cn 通讯联系人 : 李静 ( 1974- ), 男 , 副教授 , 博士 . 研究方向 : 汽车地面系统分析与控制 . E-m ai:l liye1129@ 163. com
( 1)
ZZ FD FZ FZ FX FX L ZX
ZX FZ FZ FX FX L ZX ZX
L FZ FX FX L ZX ZX ZZ
FX FX FX L ZX ZX ZZ ZZ
FZ FX L ZX ZX ZZ ZZ ZD
FD L ZX ZX ZZ ZZ ZD ZDBaidu Nhomakorabea
式中: X、 Xsym 分别为某驱动轮及其对侧驱动轮角
第 4期
#
张加才 , 等: 汽车牵引力控制系统的控制方法 $U
*
# 515#
( 1) 确定 ; X 为驱动轮角加速度。
表 1 制动逻辑门限算法 (车速小于 30 k m / h) Tab le 1
制动控制 当前状态
= 2k$U # [ $U - 0 . 5( $Um ax + $Um in ) ] ( 7)
M L
输出层神经元的输出 ( 5) yK
( 3)
式中: e 为 e 在标准论域内的数值 ; ke 为 e 变换因 子 , ke = 2z / ( em ax - em in ) 。 $e = 2k$e # $e
* *
= g
E
w JK f [
(3)
J= 1
Ew
I= 1
( 2) IJ
xI
( 1)
]
( 8)
* *
1 -踏板位置 ; 2 -增量 P I控制器 ; 3模糊控制器 ; 4模糊增量 PI控制器 ; 5 -神经网络控制器 ; 6 -神经网络增量 PI控制器 ; a-vw a ve; b -vx ; c目标车速 , v t = vx / ( 1 - s 0e ) 。
图 2 采用不同控制方法的 TCS低附 着路面加速仿真 F ig. 2 Simu lation of accelerat ing on low-L road for TCS w ith d ifferent controllers
第 36卷
第 4期
吉林大学学报 ( 工学版 )
Journa l o f Jilin U niversity ( Eng inee ring and T echno logy Ed ition)
V o. l 36 N o . 4 Ju ly 2006
2006年 7 月
文章编号 : 1671- 5497( 2006) 04- 0514- 04
Controlm ethods for auto m obile traction control system
Zhang Jia - ca i, L i Ka i, L i Jin g , M a Zhi m in , L i You -de
1 2 1 3 1
( 1. Co llege of A utomo tive Engineer ing, J ilin University, Changchun 130022, China; 2. Au to m otive Eng ineering D epartm ent , M ilitary T raffic Ins titute of PLA, T ianj in 300161, China; 3 . Zhej iang A sia-Pacific M ach ine and E lectronic L im ited Co mp any, H angzhou 311023, Ch ina)
Abstract : T he log ic thresho ld , P ID, fuzzy and neura l net w ork contro l m ethods w ere applied to the autom ob ile traction control system, and the contro llers fo r the engine throttle position and driving whee l brake w ere buil. t Based on the com parativ e analysis of the contro llers by the com puter si m u lation , the neura l P I throttle contro ller in com b in ation w ith log ic thresho ld brake contro ller w as chosen as th e best schem e . K ey w ord s : veh icle eng in eerin g ; traction contro l system; con tro l m ethod ; com puter si m ulation 控制器 , 通过对比分析选定了实用的控制方案。
*
Logic threshold algorithm for TCS
判断条件 sR > s0b且 X > 0
# #
式中: $U 为 $ U 在标准论域内的数值 ; k $U 为 $U 变换因子, k $U = 2z / ( $Um ax - $Um in ) 。 将 e 、 $e 和 $U 在 [ - z, z ] 内模糊化为若
FD FD FZ FZ FX FX L
P I算法因其简单、 精度高且实时性好而得到 广泛应用 量为: $U = K P # e + K I # $e ( 2) 式中: U 为控制量 , 对于油门控制器为油门位置, 对于制动控制器为制动器压力 ; K P、 K I 分别为控 制器的比例因子和积分因子 ; e 为误差, 对于油门 控制器按式 ( 3 )确定, 对于制动控制器按式 ( 4 ) 确 定 ; $e 为误差增量。 e = vx / ( 1 - s0e ) - vw ave ( 3) 式中: vx 为纵向车速; s0e 为目标滑转率 ; vw ave 为驱 动轮旋转线速度的平均值。 e = s0b - sR ( 4) 11 3 模糊控制器 模糊控制算法依人类经验建立。设 e、 $e和 $U 的 变化区间 分别为 [ em in, em ax ] 、[ em in - em ax, em ax - em in ]和 [ $Um in, $Um ax ]。首先将 e、 $e 和 $U 按式 ( 5) ) ( 7 ) 转化为标准论域区 间 [ - z, z ] 内 的数值 , z I N。 e = 2ke # [ e - 0 . 5( em ax + em in ) ]
( 6)
K = 1 , 2 , ,, N z z - z 式中: g 为输出层传递函数, g ( z ) = e / ( e + e ); wIJ 、 w JK 分别为隐含层和输出层的权系数 ; f 为隐 含层传递函数, f ( z ) = ( e - e ) /( e + e ); x I
z -z z - z ( 1) ( 2) ( 3)
( 3)
2
( 9)
式中: j 为训练样本序号 , j = 1 , 2 , ,, P, 其中 P 为 ( 3) ( 3) 样本数 ; YK 为对应于 yK 的理想输出。 求解使目标函数成立的隐含层和输出层的权 系数 w I J 和 w JK , 即可根据输入层的输入量确定 输出层的输出量。 (1) ( 1) ( 1) 取 L= 4 、 M= 4 、 N= 1 ; x 1 = e、 x 2 = $ e、 x3 = ax ( ax 为汽车纵向加速度 )、 x 4 = vx ; y 1 = $U。