基于蟻群算法的汽車牽引pid控制參數(shù)整定

基于蟻群算法的汽車牽引pid控制參數(shù)整定

模仿的出現(xiàn)和發(fā)展促進(jìn)了新型智能優(yōu)化算法的發(fā)展。通過(guò)模擬生物進(jìn)化的遺傳、變異及優(yōu)勝劣汰機(jī)制、蟻群覓食最佳路徑尋找機(jī)理、免疫細(xì)胞產(chǎn)生抗體的原理等提出了諸如遺傳算法(GeneticAlgorithm,GA)、蟻群算法(AntColonyAlgorithm,ACA)、免疫算法(ImmuneAlgorithm,IA)以及粒子群優(yōu)化算法(ParticleSwarmOptimization,PSO),上述算法因其學(xué)習(xí)性強(qiáng)且收斂性好得到實(shí)際應(yīng)用,缺點(diǎn)在于收斂速度慢,控制實(shí)時(shí)性差。作者基于ACA設(shè)計(jì)了牽引控制油門和制動(dòng)PID控制器參數(shù)優(yōu)化算法,采用離線仿真標(biāo)定控制器參數(shù);以此為基礎(chǔ),設(shè)計(jì)出滿足實(shí)時(shí)性要求的基于查詢方式的參數(shù)自調(diào)整PID控制器,進(jìn)行了硬件在環(huán)試驗(yàn)。1設(shè)計(jì)條件和優(yōu)化過(guò)程圖1為牽引力蟻群PI控制器原理圖,圖中:s0為目標(biāo)滑轉(zhuǎn)率,s為驅(qū)動(dòng)車輪滑轉(zhuǎn)率,e和Δe為誤差及其增量,kp和ki分別為PI控制器的比例因子和積分因子,U為控制量。蟻群增量PI控制器參數(shù)優(yōu)化算法原理如下:(1)初始條件設(shè)定及參數(shù)初始化a.設(shè)螞蟻數(shù)目為n,最大迭代次數(shù)為Nmax。b.根據(jù)優(yōu)化變量kp和ki的取值范圍確定如圖2所示的可爬行結(jié)點(diǎn)(指虛線區(qū)域內(nèi)),交點(diǎn)(i,yi)為螞蟻可到達(dá)的結(jié)點(diǎn),其中:i取1～8中的整數(shù),yi取0～9中的整數(shù),a～h為平行Y軸的線段。螞蟻由原點(diǎn)依次歷經(jīng)(1,ya)→(2,yb)→(3,yc)→(4,yd)→(5,ye)→(6,yf)→(7,yg)→(8,yh)形成爬行路徑,ya～yh為結(jié)點(diǎn)在線段a～h上的縱坐標(biāo),其中ya～yd和ye～yh分別為kp和ki個(gè)位上的數(shù)字。c.設(shè)第k只螞蟻的初始路徑為(1,ya0k)→(2,yb0k)→(3,yc0k)→(4,yd0k)→(5,ye0k)→(6,yf0k)→(7,yg0k)→(8,yh0k),k=1,2…,n,即給定了優(yōu)化變量的n個(gè)初始值。d.設(shè)各結(jié)點(diǎn)初始信息量τ(i,yi,0)為常數(shù)。e.設(shè)每只螞蟻由上一結(jié)點(diǎn)爬行至下一結(jié)點(diǎn)的時(shí)間相等,即爬行時(shí)間與結(jié)點(diǎn)間的距離無(wú)關(guān)。(2)優(yōu)化變量尋優(yōu)過(guò)程a.將螞蟻全部放至原點(diǎn)O,開始爬行。b.第k只螞蟻爬行至下一結(jié)點(diǎn)的路徑選擇概率按下式確定φ(i,yi,tj)=τ(i,yi,tj)η(i,yi,tj)9∑yi=0τ(i,yi,tj)η(i,yi,tj)(1)φ(i,yi,tj)=τ(i,yi,tj)η(i,yi,tj)∑yi=09τ(i,yi,tj)η(i,yi,tj)(1)式中:tj為當(dāng)前時(shí)刻;τ(i,yi,tj)為tj時(shí)刻結(jié)點(diǎn)(i,yi)上遺留的信息量;η(i,yi,tj)為tj時(shí)刻結(jié)點(diǎn)(i,yi)上的信息能見度,按式(2)確定。η(i,yi,tj)=10-|yi-y*i|10(2)η(i,yi,tj)=10?|yi?y?i|10(2)式中:y*i為當(dāng)前最優(yōu)路徑對(duì)應(yīng)的各結(jié)點(diǎn)縱坐標(biāo)。c.自動(dòng)生成內(nèi)的隨機(jī)數(shù)rand(·),確定滿足l∑yi=0τ(i,yi,tj)η(i,yi,tj)∑yi=0lτ(i,yi,tj)η(i,yi,tj)>rand(·)的最小l,l=0,1,…,9,則下一時(shí)刻的第l個(gè)結(jié)點(diǎn)為爬行方向。d.全部螞蟻按上述過(guò)程完成一次爬行,按式(3)計(jì)算所有螞蟻爬行的目標(biāo)函數(shù)值,記錄其中最小函數(shù)值的爬行路徑,即完成一次參數(shù)尋優(yōu)。。J={∫+∞0(w1|e|+w2U2+w3|evw|)dt+w4tu?evw<0∫+∞0(w1|e|+w2U2)dt+w4tu?evw≥0(3)式中:w1～w4為權(quán)系數(shù);evw=Vw(tj)-Vw(tj-1)為控制參數(shù)Vw的誤差;tu為時(shí)間常數(shù)。e.結(jié)點(diǎn)信息量更新:全部螞蟻完成一次爬行后,則各結(jié)點(diǎn)信息量τ(i,yi,tj+1)按式(4)確定τ(i,yi,tj+1)=(1-ρ)τ(i,yi,tj)+Δτ(i,yi,tj)(4)式中:ρ為信息量揮發(fā)系數(shù),(1-ρ)表示信息量殘留系數(shù);Δτ(i,yi,tj)為當(dāng)前(tj時(shí)刻)結(jié)點(diǎn)(i,yi)的信息量的增量,按式(5)確定。Δτ(i,yi,tj)=n∑k=1Δτk(i,yi,tj)(5)式中:Δτk(i,yi,tj)為第k只螞蟻在tj時(shí)刻殘留在結(jié)點(diǎn)(i,yi)的信息量,依Ant-Cycle模型按式(6)確定。Δτk(i,yi,tj)={Q/Lk?第k只螞蟻經(jīng)過(guò)(i,yi)0?第k只螞蟻未經(jīng)過(guò)(i,yi)(6)式中:Q為信息量強(qiáng)度;Lk為第k只螞蟻在本次循環(huán)所走的路徑長(zhǎng)度。f.進(jìn)入下一循環(huán),直至完成Nmax次迭代,得到最優(yōu)解,則有kp=ya×103+yb×102+yc×101+yd×100,ki=ye×103+yf×102+yg×101+yh×100。尋優(yōu)過(guò)程完成后,即按式(7)確定PI控制器輸出控制量U。U=U0+kpe+kiΔe(7)式中:U0為控制量當(dāng)前狀態(tài)。2仿真結(jié)果及分析基于上述原理編寫控制算法程序,與自主開發(fā)的動(dòng)力學(xué)仿真軟件集成、搭建為軟件在環(huán)仿真平臺(tái)。針對(duì)某后驅(qū)輕型車進(jìn)行典型工況仿真,調(diào)試、標(biāo)定控制參數(shù)。目標(biāo)車型仿真參數(shù)如下:發(fā)動(dòng)機(jī)最大扭矩Temax=220N·m,變速器二檔傳動(dòng)比ig=3.81,制動(dòng)管路最大壓力pmax=14MPa,前后制動(dòng)器效能因數(shù)為2.8×10-4m3和6.0×10-4m3,車輪滾動(dòng)半徑為0.4m,發(fā)動(dòng)機(jī)及驅(qū)動(dòng)輪轉(zhuǎn)動(dòng)慣量為0.29kg·m2和2.94kg·m2,輪胎縱向剛度為1.87×10-4N/m,滿載前后輪荷為2470kg和1930kg。針對(duì)均一低附著、附著分離、附著對(duì)接及附著棋盤等典型路面進(jìn)行仿真。圖3和圖4分別為附著分離路面(左、右路面峰值附著系數(shù)分別為0.7和0.1)上無(wú)(有)牽引力控制的加速仿真曲線,采用發(fā)動(dòng)機(jī)油門和驅(qū)動(dòng)輪制動(dòng)聯(lián)合控制方式。由曲線可知:采用本文的控制算法能在線獲得PID控制參數(shù),有效消除驅(qū)動(dòng)輪過(guò)度滑轉(zhuǎn),使高附著一側(cè)(左側(cè))附著力得到實(shí)時(shí)充分利用,仿真5s時(shí)無(wú)和有牽引力控制的車速分別為4.18m/s和5.81m/s,明顯改善了汽車的加速性。盡管蟻群優(yōu)化算法可獲得PID參數(shù),但其實(shí)時(shí)性不能滿足實(shí)際控制要求。為此,基于在線整定建立PID參數(shù)查詢自調(diào)整算法。表1給出在線參數(shù)整定和查詢兩種算法的實(shí)時(shí)性對(duì)比。由表1可見:查詢算法實(shí)際步長(zhǎng)時(shí)間小于設(shè)定步長(zhǎng)時(shí)間0.005s。對(duì)在線優(yōu)化PID參數(shù)進(jìn)行如下處理:kp=ρkp·kp0;ki=ρki·ki0,則可構(gòu)造PID控制參數(shù)查詢表。表2為制動(dòng)PI控制參數(shù)查詢表。圖5則為參數(shù)查詢自調(diào)整牽引力控制系統(tǒng)硬件在環(huán)試驗(yàn)曲線。試驗(yàn)條件:目標(biāo)車型仿真參數(shù)同前,變速器二檔,初始車速為1.9m/s,路面為左、右峰值附著系數(shù)分別為0.1和0.7的附著分離路面,采取發(fā)動(dòng)機(jī)油門和制動(dòng)聯(lián)合控制方式。由