Помощь студентам в учебе
СИНТЕЗ И АППРОКСИМАЦИЯ ЗАКОНОВ УПРАВЛЕНИЯ АДАПТИВНОГО КРУИЗ-КОНТРОЛЯ ГРУЗОВОГО АВТОМОБИЛЯ
|
ВВЕДЕНИЕ 4
1 Выбор методов искусственного интеллекта для решения задачи разработки
алгоритма адаптивного круиз-контроля грузового автомобиля 6
1.1 Нейронные сети 7
1.2 Генетические алгоритмы 11
1.3 Многоагентные системы 12
1.4 Сравнительный анализ применимости методов искусственного
интеллекта для разработки адаптивного круиз-контроля автомобиля 14
2 Описание предметной области 17
2.1 Действующие на автомобиль силы и моменты 17
2.2 Внешние воздействия 19
2.3 Внутренние воздействия на механизмы автомобиля 21
2.4 Математическая модель прямолинейного движения автомобиля 24
3 Нелинейная компьютерная модель прямолинейного движения автомобиля26
3.1 Компьютерная модель двигателя 27
3.2 Компьютерная модель трансмиссии 28
3.3 Компьютерная модель шасси 29
3.4 Представленные в модели нелинейности 30
3.5 Параметры модели и результаты моделирования 31
4 Линеаризация модели 34
4.1 Линеаризация математической модели 34
4.2 Линеаризация компьютерной модели 36
5 Синтез законов управления 38
5.1 Выбор типа управляющего устройства 38
5.2 Синтез семейства ПИ-регуляторов 39
5.3 Разработка системы управления коробкой передач 45
5.4 Разработка алгоритма управления тормозной системой 47
6 Аппроксимация законов управления при помощи нейронных сетей 49
6.1 Выбор типа и архитектуры нейронной сети 49
6.2 Обучение нейронной сети 50
7 Адаптивная система управления тяговой динамикой автомобиля 52
ЗАКЛЮЧЕНИЕ 57
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 59
ПРИЛОЖЕНИЕ А 61
ПРИЛОЖЕНИЕ Б
1 Выбор методов искусственного интеллекта для решения задачи разработки
алгоритма адаптивного круиз-контроля грузового автомобиля 6
1.1 Нейронные сети 7
1.2 Генетические алгоритмы 11
1.3 Многоагентные системы 12
1.4 Сравнительный анализ применимости методов искусственного
интеллекта для разработки адаптивного круиз-контроля автомобиля 14
2 Описание предметной области 17
2.1 Действующие на автомобиль силы и моменты 17
2.2 Внешние воздействия 19
2.3 Внутренние воздействия на механизмы автомобиля 21
2.4 Математическая модель прямолинейного движения автомобиля 24
3 Нелинейная компьютерная модель прямолинейного движения автомобиля26
3.1 Компьютерная модель двигателя 27
3.2 Компьютерная модель трансмиссии 28
3.3 Компьютерная модель шасси 29
3.4 Представленные в модели нелинейности 30
3.5 Параметры модели и результаты моделирования 31
4 Линеаризация модели 34
4.1 Линеаризация математической модели 34
4.2 Линеаризация компьютерной модели 36
5 Синтез законов управления 38
5.1 Выбор типа управляющего устройства 38
5.2 Синтез семейства ПИ-регуляторов 39
5.3 Разработка системы управления коробкой передач 45
5.4 Разработка алгоритма управления тормозной системой 47
6 Аппроксимация законов управления при помощи нейронных сетей 49
6.1 Выбор типа и архитектуры нейронной сети 49
6.2 Обучение нейронной сети 50
7 Адаптивная система управления тяговой динамикой автомобиля 52
ЗАКЛЮЧЕНИЕ 57
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 59
ПРИЛОЖЕНИЕ А 61
ПРИЛОЖЕНИЕ Б
В связи с постоянным ростом уровня урбанизации, резким увеличением количества транспортных средств (ТС) на дороге, а также ужесточающимися требованиями к комфорту, средней скорости и безопасности движения, как на больших автомагистралях, так и в городских условиях, в настоящее время развиваются системы активной помощи водителю - ADAS-системы (англ. «Active Driver Assistance System»). Появление данных систем стало возможным благодаря значительному развитию компонентной базы и созданию математических моделей, работающих на машинах реального времени [1]. ADAS-системы позволяют значительно повысить комфортабельность и безопасность ТС.
Другим важным аспектом является эффективность функционирования ТС. Так неэффективное управление ТС приводит к повышенному расходу топлива, значительному износу всех узлов и агрегатов автомобиля, а также повышенным выбросам вредных веществ в атмосферу [2]. В тоже время, применение ADAS-систем способно во многом повышать технико - эксплуатационные свойства автомобилей. Например, электронная система управления двигателем обеспечивает существенное улучшение экономических и экологических показателей ТС [3, 4].
В настоящее время большинство производителей автомобильной техники применяют на своих автомобилях ADAS-системы. Эти системы используются на коммерческой, сельскохозяйственной, горнодобывающей, военной и др. технике [1, 9].
Водитель должен управлять продольной составляющей движения ТС путем нажатия на педали газа, тормоза и сцепления; поперечной составляющей движения с помощью рулевого колеса и выбирать оптимальную передачу исходя из скорости автомобиля и оборотов двигателя. Иными словами, внимание водителя должно быть сосредоточенно одновременно на трех задачах. Поэтому одной из наиболее важных ADAS-систем является система адаптивного круиз-контроля. Применение системы адаптивного круиз- контроля - ACC (англ. «Adaptive Cruise Control») автоматизирует труд водителя при управлении продольной составляющей движения автомобиля. Она позволяет ему сосредоточить внимание на задачах маневрирования и планирования движения, автоматизация которых требует применения сложных методов обработки изображений и дорогостоящего измерительного оборудования.
Целью данной работы является синтез алгоритмов работы системы адаптивного круиз-контроля грузового автомобиля, управляющей коробкой передач и тормозной системой, и использующей нейронные сети для аппроксимации зависимости коэффициентов ПИД-регулятора от различных режимов работы автомобиля.
Для достижения поставленной цели можно выделить следующие задачи:
1) разработка нелинейной компьютерной модели прямолинейного движения автомобиля;
2) выделение установившихся режимов работы ОУ и линеаризация модели в окрестности данных режимов;
3) расчет для каждого режима работы коэффициентов ПИД- регулятора, обеспечивающих выполнение цели управления для линеаризованной модели;
4) построение и обучение нейронной сети на основе полученной таблицы коэффициентов ПИД-регулятора;
5) разработка единой многоконтурной системы адаптивного управления тяговой динамикой автомобиля, состоящей из контуров управления степенью нажатия на педаль акселератора, коробкой передач и тормозной системой; позволяющей обеспечивать следование за впередиидущим транспортным средством.
Другим важным аспектом является эффективность функционирования ТС. Так неэффективное управление ТС приводит к повышенному расходу топлива, значительному износу всех узлов и агрегатов автомобиля, а также повышенным выбросам вредных веществ в атмосферу [2]. В тоже время, применение ADAS-систем способно во многом повышать технико - эксплуатационные свойства автомобилей. Например, электронная система управления двигателем обеспечивает существенное улучшение экономических и экологических показателей ТС [3, 4].
В настоящее время большинство производителей автомобильной техники применяют на своих автомобилях ADAS-системы. Эти системы используются на коммерческой, сельскохозяйственной, горнодобывающей, военной и др. технике [1, 9].
Водитель должен управлять продольной составляющей движения ТС путем нажатия на педали газа, тормоза и сцепления; поперечной составляющей движения с помощью рулевого колеса и выбирать оптимальную передачу исходя из скорости автомобиля и оборотов двигателя. Иными словами, внимание водителя должно быть сосредоточенно одновременно на трех задачах. Поэтому одной из наиболее важных ADAS-систем является система адаптивного круиз-контроля. Применение системы адаптивного круиз- контроля - ACC (англ. «Adaptive Cruise Control») автоматизирует труд водителя при управлении продольной составляющей движения автомобиля. Она позволяет ему сосредоточить внимание на задачах маневрирования и планирования движения, автоматизация которых требует применения сложных методов обработки изображений и дорогостоящего измерительного оборудования.
Целью данной работы является синтез алгоритмов работы системы адаптивного круиз-контроля грузового автомобиля, управляющей коробкой передач и тормозной системой, и использующей нейронные сети для аппроксимации зависимости коэффициентов ПИД-регулятора от различных режимов работы автомобиля.
Для достижения поставленной цели можно выделить следующие задачи:
1) разработка нелинейной компьютерной модели прямолинейного движения автомобиля;
2) выделение установившихся режимов работы ОУ и линеаризация модели в окрестности данных режимов;
3) расчет для каждого режима работы коэффициентов ПИД- регулятора, обеспечивающих выполнение цели управления для линеаризованной модели;
4) построение и обучение нейронной сети на основе полученной таблицы коэффициентов ПИД-регулятора;
5) разработка единой многоконтурной системы адаптивного управления тяговой динамикой автомобиля, состоящей из контуров управления степенью нажатия на педаль акселератора, коробкой передач и тормозной системой; позволяющей обеспечивать следование за впередиидущим транспортным средством.
В рамках данной работы была спроектирована система адаптивного круиз-контроля, осуществляющего управление тягово-тормозной динамикой автомобиля. Полученная система способна работать как по наперед заданной желаемой скорости движения, так и по оценке дистанции до впередиидущего ТС.
Данная система разрабатывалась как альтернатива методике назначения расписания коэффициентов регулятора («gain scheduling»), являющейся эффективной в случаях, когда количество режимов работы объекта конечно и невелико, поскольку число устойчивых режимов работы автомобиля при прямолинейном движении, вообще говоря, не является конечным.
Основной частью системы является контур, обеспечивающий адаптивное управление степенью нажатия на педаль акселератора для поддержания желаемой скорости движения в любом режиме работы. В связи с этим, для синтеза законов управления были разработаны математическая и компьютерная модели прямолинейного движения, проведены их исследование и линеаризация, а также синтезированы законы управления, основывающиеся на ПИ-регулировании.
В дальнейшем на основании полученной карты параметров регулятора для рассматриваемых режимов работы было проведено обучение нейронной сети с целью аппроксимации зависимости коэффициентов регулятора от текущего состояния объекта. Полученная зависимость оказалась достаточно близкой к функциональной, что позволило существенно сгладить переход от одного режима работы объекта к другому и нивелировать негативное влияние этих переходов.
Помимо контура, управляющего степенью нажатия на педаль акселератора, были разработаны контуры управления, обеспечивающие выбор передачи и активацию тормозной системы автомобиля. Данные системы основываются на использовании аппарата конечных автоматов для реализации логики управления. По графикам, полученным при моделировании видно, что этот подход оказался достаточно эффективным - активность тормозной системы сведена к минимуму, что повышает срок её службы, экономию топлива, комфорт пассажиров и сохранность перевозимых грузов, а переключение передач происходит соответственно необходимому на данный момент крутящему моменту и оборотам двигателя.
Таким образом, разработанная система управления является многоконтурной и способна управлять основными параметрами работы двигателя и трансмиссии.
В дальнейшем предполагается добавление систем технического зрения для определения режима движения по дорожным знакам и оценке расстояния до впередиидущего ТС.
Данная система разрабатывалась как альтернатива методике назначения расписания коэффициентов регулятора («gain scheduling»), являющейся эффективной в случаях, когда количество режимов работы объекта конечно и невелико, поскольку число устойчивых режимов работы автомобиля при прямолинейном движении, вообще говоря, не является конечным.
Основной частью системы является контур, обеспечивающий адаптивное управление степенью нажатия на педаль акселератора для поддержания желаемой скорости движения в любом режиме работы. В связи с этим, для синтеза законов управления были разработаны математическая и компьютерная модели прямолинейного движения, проведены их исследование и линеаризация, а также синтезированы законы управления, основывающиеся на ПИ-регулировании.
В дальнейшем на основании полученной карты параметров регулятора для рассматриваемых режимов работы было проведено обучение нейронной сети с целью аппроксимации зависимости коэффициентов регулятора от текущего состояния объекта. Полученная зависимость оказалась достаточно близкой к функциональной, что позволило существенно сгладить переход от одного режима работы объекта к другому и нивелировать негативное влияние этих переходов.
Помимо контура, управляющего степенью нажатия на педаль акселератора, были разработаны контуры управления, обеспечивающие выбор передачи и активацию тормозной системы автомобиля. Данные системы основываются на использовании аппарата конечных автоматов для реализации логики управления. По графикам, полученным при моделировании видно, что этот подход оказался достаточно эффективным - активность тормозной системы сведена к минимуму, что повышает срок её службы, экономию топлива, комфорт пассажиров и сохранность перевозимых грузов, а переключение передач происходит соответственно необходимому на данный момент крутящему моменту и оборотам двигателя.
Таким образом, разработанная система управления является многоконтурной и способна управлять основными параметрами работы двигателя и трансмиссии.
В дальнейшем предполагается добавление систем технического зрения для определения режима движения по дорожным знакам и оценке расстояния до впередиидущего ТС.