2020-12-14 Matlab 模糊控制 车辆泊车 案例分享

Matlab 模糊控制 车辆泊车 案例分享

最近看到了一个知网的文献,研究基于模糊控制的自动泊车,复现了论文,

模糊控制方法参看之前的文章:

matlab模糊控制工具箱使用和模糊控制pid实例参考(一)

matlab模糊控制工具箱使用和模糊控制pid实例参考(二)

图片

车辆在倒车的过程中是一定的低速度运动,在这一过程中,车辆的后轮运动轨迹与倒车速度无关,倒车速度只对倒车过程中在固定时间内车辆行驶的距离有影响,而不对行驶路线有影响。车辆的轨迹可以用(xr, yr, θ)表示,为了方便在此用(x, y, θ)来表示。此时,车辆的轨迹 变化控制量为(x, y, θ),直接输出量为 φ。选取 x、y、θ 作为模糊控制的输入变量,φ为输出变量。其中设定输入变量x的模糊集合数为 4,语言变量表示为 LB、LM、LS、XCE;输入变量 y 的模糊集合数为 4,语言变量表示为 FAR、MD、CL、YCE;输入变量

θ 的模糊集合数为 5,语言变量表示为 RBV、RBH、H、RUH、RUV;输出变量φ模糊集合数为 7,语言变量表示为 PB、PM、PS、ZE、NS、NM、NB。在模糊阶段里最重要的是设计隶属函数,而隶属函数的外型就跟设计者要求的特性和经验 有关,一般常见的是用三角形或梯形来描述隶属函数的外型。本文使用的为三角 型隶属度函数。

在 FIS 编辑器中编辑的自动泊车系统的输入与输出量如图所示。

图片

如图所示,文本建立了 Mamdani 型模糊推理系统,这种推理,从每一个

规则的结果中得到的模糊集通过聚类运算与结果模糊集相组合后,去模糊化(解

模糊)以产生系统输出。解模糊的方法是重心法(centroid)。输入变量 x 的范围

为[0, 90];输入变量 y 的范围为[0,80];输入变量 θ 的范围为[-80, 80];输出变量

φ 的范围为[-45, 45]。

输入变量 x , y ,θ 的隶属度函数如图所示;

图片

图片

图片

输出变量ϕ 的隶属度函数如图所示

图片

模糊规则见fis文件,fis文件公众号后台回复 "模糊控制自动泊车"

代码如下:

clc;
clear;
close all;
l = 25;
w = 20; 
v = 5; 
Ts =0.4; %采样时间间隔 - second
N=2000; % 最大循环次数
fuzzyfis=readfis('boche.fis');

% x(1) = 10; %汽车起点的x坐标
% y(1) = 30; %汽车起点的y坐标
% phi(1) =0; %汽车车身起始倾角
x(1) = 20; %汽车起点的x坐标
y(1) = 30; %汽车起点的y坐标
phi(1) =0; %汽车车身起始倾角

figure;
pause(1);
for i=1:1:N-1
    pause(0.1);
    inputcanshu=[x(i),y(i),phi(i)];
    outputcanshu=evalfis(inputcanshu,fuzzyfis);
    theta(i)=outputcanshu;
    x(i+1)=x(i)+v*Ts*cos(phi(i)*pi/180)*cos(theta(i)*pi/180);
    y(i+1)=y(i)+v*Ts*sin(phi(i)*pi/180)*cos(theta(i)*pi/180);
    phi(i+1)=phi(i)-(v*Ts*300/l)*sin(theta(i)*pi/180);
    if x(i+1) >= 100 || y(i+1) >= 90 %如果超出模糊逻辑控制器的输入范围,则停止
        break;
    end
    x0 = x(i) + w/2*sind(phi(i)); %左前角x坐标
    y0 = y(i) - w/2*cosd(phi(i)); %左前角y坐标
    x1 = x(i) - w/2*sind(phi(i)); %右前角x坐标
    y1 = y(i) + w/2*cosd(phi(i)); %右前角y坐标
    p  = x(i) - l*cosd(phi(i));
    q  = y(i) - l*sind(phi(i));
    x2 = p + w/2*sind(phi(i)); %左后角x坐标
    y2 = q - w/2*cosd(phi(i)); %左后角y坐标
    x3 = p - w/2*sind(phi(i)); %右后角x坐标
    y3 = q + w/2*cosd(phi(i)); %右后角y坐标
    %画汽车后轴中心
    plot (x(i), y(i), 'rs');
    axis([-20 120 0 100]);
    xlabel('x - cm');ylabel('y - cm');
    hold on
    grid on;
    %画车位示意图
    h1 = line([-20 40], [60 60]);
    h2 = line([40 40], [60 95]);
    h3 = line([40 115], [95 95]);
    h4 = line([115 115], [60 95]);
    h5 = line([115 120], [60 60]);
    set(h1, 'linewidth', 5, 'color', 'b');
    set(h2, 'linewidth', 5, 'color', 'b');
    set(h3, 'linewidth', 5, 'color', 'b');
    set(h4, 'linewidth', 5, 'color', 'b');
    set(h5, 'linewidth', 5, 'color', 'b');
    %画车身轮廓
    l0 = line([x0 x1], [y0 y1]);
    l1 = line([x1 x3], [y1 y3]);
    l2 = line([x2 x3], [y2 y3]);
    l3 = line([x0 x2], [y0 y2]);
    set(l0, 'linewidth', 4, 'color', 'm');
    set(l1, 'linewidth', 2, 'color', 'b');
    set(l2, 'linewidth', 4, 'color', 'g');
    set(l3, 'linewidth', 2, 'color', 'b');
end

结果如图

图片

猜你喜欢

转载自blog.csdn.net/qingfengxd1/article/details/111161665
今日推荐