智能汽车系统模糊方向控制的探讨范文

摘要：在5G技术的背景下,对当前智能汽车自动驾驶的方向控制领域进行研究。现有智能车识别算法大多都依赖于中线误差以控制智能汽车行驶，一旦应对无中线或者中线难以获取的道路就束手无策。针对该现状，对智能汽车随动系统进行了鲁棒性分析，在此基础上提出了具体的模糊方向控制策略，并通过实验验证了该策略的优势。对智能汽车系统的分析、解决策略和实验有利于对智能汽车系统进行改进。

关键词：智能汽车系统；方向控制策略；机械特性；鲁棒性

0引言

5G技术在近些年已经获得了较好的发展和应用。在智能驾驶领域，5G的大带宽和低时延为实现无人驾驶汽车端到端控制需要处理的超大数据量提供了可能。近年来，无人驾驶汽车正以迅猛的速度发展，其涵盖了工程控制、信息与通信、模式识别、传感技术、电气工程、计算机等多个学科，是当下智能交通的重要解决方案之一[1]。在实际的实际道路环境中，智能汽车的控制端需要与传感设备采集到的诸多信息进行大量的数据交换，并进行实时处理以得到控制输出。目前许多智能汽车道路识别算法都依赖于找到道路的实际中线，并根据其与理想中线的误差来控制智能汽车方向。位置随动系统是一个不具有精确数学模型的系统，采用常规控制方法较复杂且效果不佳[2]。此外，随着智能汽车的发展，智能汽车的道路类型越来越丰富，其中不少道路都是无中线或者中线难以获取的，如：环岛、十字、斜入十字等。依靠中线的算法将无法适应现有的道路。

1系统软件设计方案

1.1智能汽车系统鲁棒性分析智能汽车系统的处理流程。摄像头采集模块负责对图像进行获取，经过图像解压缩、去燥等预处理之后传送给图像处理模块进行道路类型识别，最后将结果输出给执行控制模块进行车体控制。在传统图像处理中，常要求图像处理模块反馈精确的中线。在高速运行的智能汽车系统中，受限于采集设备和处理器的处理速度，通常无法对所有情况都进行处理和分析，这要求系统对处理信息进行一定的取舍[3]。在随动系统中，图像处理模块并不需要每次都提供准确的道路中线，只需要向执行控制模块提供简单灵活的、高速的位置和姿态反馈，主要有以下两方面的原因。(1)智能汽车的机械特性无法完全正确反映图像处理的结果。智能汽车是一个实时控制的随动系统，系统通过改变舵机或者电机来控制智能汽车进行高速移动。由于车辆动力学中的某些参数(如前后轮的侧偏刚度、车体转动惯量、舵机和电机机械特性硬度)不断变化，调速范围有限，调节过程不平滑等特点，这必然也限制着智能汽车控制效果，误差也始终伴随着智能汽车整个行驶过程[4]。(2)智能汽车闭环反馈算法能在一定时间内消除反馈的瞬时抖动。闭环系统能根据控制对象输出反馈来进行实时的校正，在测量出实际与计划发生偏差时，可根据误差量进行实时纠正。在自动驾驶过程中，智能汽车对从接收传感器监测的路况信息到控制系统做出反应的时间越短，则自动驾驶的安全系数就越高。因此，对智能汽车控制器控制策略的优化是有必要的，5G技术将使得车联网系统的反应时间从秒级极大地提高至毫秒级。

1.2模糊方向控制设计本系统中包含的道路类型分为特殊道路类型和基础道路类型。十字与斜入十字道路图像如图2所示。由于基础道路类型中线清晰，较容易用传统中线算法获得，因此模糊方向控制主要针对特殊道路类型。

2稳定性测试结果分析

为了验证多场稳定图像处理结果中出现误差反馈对车辆行驶稳定性的影响程度，本文设计了两组重复平行实验。本实验的道路环境为：道路长度110m，测试速度约为2.3m/s，道路类型包含直道、弯道、十字道路、环岛等。实验中以中线偏移程度和冲出道路次数为主要指标。

3结束语

本文分析了智能汽车算法和车体机械特性对智能汽车系统的影响，并通过实验验证了中线反馈偏移对智能汽车运行的影响。在此基础上，针对现有依赖道路中线的算法的改进方法，使智能汽车稳定、高速地在未知道路上行驶，给无人驾驶汽车系统实验和自动控制、视觉计算算法的改进提出了可行的建议。此外，将该技术应用到无人驾驶领域，一个大带宽、低延迟的网状网络是必不可少的。5G的10Gb/s网络传输速率、超高的连接数和高精度的定位能力使得它在自动驾驶领域表现出极大的潜力。

参考文献

[1]胡海峰，史忠科，徐德文.智能汽车发展研究[J].计算机应用研究，2004，21(6)：20-23.

[2]张涛，蒋静坪，薛鹏骞.模糊控制在位置随动系统中的应用研究[J].武汉理工大学学报(信息与管理工程版)，2007，29(10)：24-27.

[3]刘涛，吕勇，刘立双.智能车路径识别与控制性能提高方法研究及实现[J].电子技术应用，2016，42(1)：54-57.

[4]方兴.智能车动力学模型参数辨识方法研究[D].上海：上海交通大学，2009.

作者：黄俊嘉；余志贤；陈锐；唐小煜 单位：华南师范大学