一种基于参数自动优化的控制算法的智能车及其控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105867112A(43)申请公布日2016.08.17(21)申请号201610235462.0(22)申请日2016.04.15(71)申请人浙江大学地址310027浙江省杭州市西湖区浙大路38号(72)发明人姚青青(74)专利代理机构杭州求是专利事务所有限公司33200代理人郑海峰(51)Int.Cl.G05B13/02(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于参数自动优化的控制算法的智能车及其控制方法(57)摘要本发明公开了一种基于参数自动优化的控制算法的智能车及其控制方法。包括：智能车本体、安装在智能车本体内的单片机，以及与单片机相连的速度检测模块、摄像头模块、蓝牙模块、电机驱动模块、舵机驱动模块和OLED显示模块；所述的速度检测模块用于检测轮胎的转速，所述的摄像头模块安装在智能车本体上并用于采集车体前方的赛道信息；所述的电机驱动模块与智能车本体上的电机相连，所述的舵机驱动模块与智能车本体上的舵机相连，单片机包括PID模糊控制模块和遗传算法优化模块。CN105867112ACN105867112A权利要求书1/2页1.一种基于参数自动优化的控制算法的智能车，其特征在于包括：智能车本体、安装在智能车本体内的单片机，以及与单片机相连的速度检测模块、摄像头模块、蓝牙模块、电机驱动模块、舵机驱动模块和OLED显示模块；所述的速度检测模块用于检测轮胎的转速，所述的摄像头模块安装在智能车本体上并用于采集车体前方的赛道信息；所述的电机驱动模块与智能车本体上的电机相连，所述的舵机驱动模块与智能车本体上的舵机相连，单片机包括PID模糊控制模块和遗传算法优化模块。2.一种如权利要求1所述的智能车的舵机控制方法，其特征在于：1)摄像头模块采集车体前方的赛道图像并发送给单片机，摄像头传输回来的图像为行数为m、列数为n的像素点集合，对于给定的行mk，扫描两条赛道边界线所处列数nk1和nk2，计算出赛道中心线所处的列位置并与摄像头采集到的图像的中线所处的列数n/2相比较，计算出当前智能车位置的中心偏差2)将中心偏差E值进行模糊化处理，得到模糊变量e，即对E值进行分段，每相邻的8个E数值对应一个模糊等级，模糊等级作为模糊化的输出e；3)给定一个模糊关系矩阵，在模糊关系矩阵中找到模糊变量e所对应的模糊输出量u；4)将模糊输出量u精确化，即利用表达式计算出PID三个参数的值，作为PID模糊控制模块的输出量U，计算表达式如下：P值：ServoPIDP＝(ServoPIDPMat[e]*(8-ServoPFuzzyDegree)+ServoPIDPMat[e+1]*ServoPFuzzyDegree)/8I值：ServoPIDI＝0D值：ServoPIDD＝ServoPIDDMat[e]其中，ServoPIDP表示模糊控制模块输出的PID的P值，ServoPIDD表示模糊控制模块输出的PID的D值，ServoPIDPMat[]为P值对应的模糊关系矩阵，ServoPIDDMat[]为D值对应的模糊关系矩阵；ServoPFuzzyDegree为E除以8后的余数；5)输出量U经遗传算法优化模块优化后作为单片机的输出用于控制舵机驱动模块。3.如权利要求2所述的智能车的舵机控制方法，其特征在于所述的遗传算法模块优化的过程为：1)选取适应度函数：其中ω1ω2ω3为对应变量的系数，且满足ω1+ω2+ω3＝3，t为当前时刻，u(t)为PID的输出值，tu代表上升沿时间；e(t)为t时刻的模糊变量e；2)选择适应值的比例作为选择标准，得到每一个个体的入选概率Pi(ai)；对于给定的个体数为n的种群{a1,a2,...an}，个体的适应度为y(ai)，其中i＝1,2,...n，其入选概率表示为：2CN105867112A权利要求书2/2页在选择的过程中，按照选择概率的大小选择个体进入种群；3)基于遗传算法的PID控制的优化PID控制参数表达式为：KP＝(1-α1)KP0+α1PIDKPKI＝(1-α2)KI0+α2PIDKIKD＝(1-α3)KD0+α3PIDKD其中，KP、KI、KD为优化后的PID控制参数，KP0、KI0、KD0为给定的PID初始值，PIDKP、PIDKI、PIDKD为PID模糊控制模块输出的控制参数，α1、α2、α3为比例因子；4)产生初始种群：随机产生关于α1,α2,α3的初始种群，5)进行选择、交叉、变异步骤，得到新的群体组合；6)终止条件：判断是否满足终止条件，若达到条件，则输出最优解，否则转向步骤5)，直到输出最优解为止。4.一种如权利要求1所述的智能车的电机控制方法，其特征在于：1)摄像头模块采集车体前方的赛道图像并发送给单片机，摄