遗传算法在自动泊车辅助系统模糊控制中的应用.pdf

《遗传算法在自动泊车辅助系统模糊控制中的应用.pdf》由会员分享，可在线阅读，更多相关《遗传算法在自动泊车辅助系统模糊控制中的应用.pdf（8页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、文章编号:100127402(2010)0320160208遗传算法在自动泊车辅助系统模糊控制中的应用程志江(新疆大学 电气工程学院,新疆 乌鲁木齐830047)摘要:随着汽车工业的发展,自动泊车辅助系统已逐渐成为汽车的必备装置。对自动泊车控制过程进行了分析,设计了自动泊车辅助系统模糊控制器,并将遗传算法应用于模糊控制器参数寻优过程,较为有效的确定了模糊控制器的参数,使用遗传算法工具箱对模糊控制器的隶属度函数进行了优化。并在M atlab环境下,对自动泊车模糊控制进行了仿真研究,论述了遗传算法在改善模糊控制效果中的应用。关键词:自动泊车;模糊控制;遗传算法;M atlab;仿真中图分类号:TP

2、182文献标识码:A随着城市的发展,汽车的数量日益增加,泊车难已成为影响城市交通的一个值得关注的问题。尤其是对于新手而言,在仅有一个泊车位的情况下泊车是一件比较困难的事。基于这个原因各大研究机构和汽车生产厂商都相继开发了自动泊车辅助系统。根据车辆停泊时,相对其他车辆和环境的位置和方向,泊车的姿态大致可以分为平行泊车和垂直泊车两大类。本文以垂直泊车为例,在采用模糊控制的同时,利用遗传算法对其隶属函数进行了优化,改善了系统的控制效果,并使用M atlab进行了仿真。1自动泊车系统汽车自动泊车是一个严重的非线性控制问题,一般采用模糊控制方法解决。如图1所示,汽车的位置决定于三个变量x、y、.汽车泊车

3、过程中,自动泊车辅助系统通过安装在车身上的超声波传感器不断的检测汽车的位置,即x、y、的值,通过控制汽车前轮转角 实现泊车自动泊车。图1泊车过程示意图第24卷第3期2010年6月 模糊系统与数学Fuzzy System s andM athematicsVol.24,No.3Jun.,2010收稿日期:2008212221;修订日期:2009204221基金项目:新疆维吾尔自治区高校科研计划项目(XJEDU 2006S12)作者简介:程志江(19772),男,新疆大学电气工程学院讲师,研究方向:智能控制,智能控制器。为了实现M atlab仿真,需建立系统的运动方程。假设汽车在如图1所示的范围内

4、进入泊车状态,根据驾驶规则,只考虑倒车,并且车速保持恒定低速,所以侧滑的影响可以忽略不计,因此,建立车辆的运动学方程为:x=v0cosy=v0sin=v0tanL1(1)式中:x、y汽车后轴中心坐标;L1汽车的轴距;汽车纵轴与x轴的夹角,即车辆的朝向角;前轮转向角;v0车速。12自动泊车系统模糊控制模糊控制器为多输入单输出形式,其输入量为x、y、,输出量为.其中x的输入范围为:x-10m,10m,y的输入范围为:y0,10m,的输入范围为:-?2,3?2,的输出范围为:-2?9,2?9。汽车最终位置为(x,y,)=(0,0,?2)。211输入、输出空间的模糊分割泊车过程中,、x和y对车位的影响

5、程度不同,因此对其模糊空间的分割不同。其中 、经过尺度变换后的论域为-6,6分割为:NB(负大)、NM(负中)、N S(负小)、ZE(零)、PS(正小)、PM(正中)、PB(正大),x、y经过尺度变换后的论域为-4,4分割为:NB(负大)、N S(负小)、ZE(零)、PS(正小)、PB(正大),采用最基本的均匀分割。212模糊规则在汽车泊车过程中,建立控制对象的精确模型比较困难,而技术高超的专业驾驶人员却能很容易实现对汽车的控制。在设计控制系统时,可以借鉴驾驶员的操作经验,通过记录驾驶员操作汽车的控制过程的输入输出的数据,并从中总结出模糊控制规则。表1模糊控制规则表(yIS ZE)xyIS Z

6、ENBNMN SZEPSPMPBNBNBNBPSPSPMN SNBNBN SPMPBPBZENBNBN SZEPMPBPBPSNBNBNMPSPBPBPBNMNBN SPMPB根据驾驶员泊车过程的经验建立输入为 、x、y,输出为 的多输入单输出的IF2THEN模糊控制规则。其中某些规则为:R(1,2,3):IFIS NB ANDxIS NB ANDyIS ZE,THENIS NBR(3,5,3):IFIS N S ANDxIS PB ANDyIS ZE,THENIS NM161第3期 程志江:遗传算法在自动泊车辅助系统模糊控制中的应用R(4,3,3):IFIS ZE ANDxIS ZE AND

7、yIS ZE,THENIS ZER(7,5,3):IFIS PB ANDxIS PB ANDyIS ZE,THENIS PB213模糊推理例如,当汽车位置为(x,y,)=(-214,0,1167)时,如下规则被激励:IFIS PS ANDxIS NB ANDyIS ZE,THENIS PMIFIS PS ANDxIS N S ANDyIS ZE,THENIS PBIFIS ZE ANDxIS NB ANDyIS ZE,THENIS PSIFIS ZE ANDxIS N S ANDyIS ZE,THENIS PM根据多前提多规则模糊推理的过程,输出为:3 =(x y)?(R1R2R3R4)=(x

8、 y)?R1(x y)?R2 (x y)?R3(x y)?R4=1 2 3 41 推理过程如图2所示。同理可得 2、3、4,所以=0-6+0-5+0-4+0-3+0-2+0-1+00+011651+0122+0123+0124+0155+0186采用重心法将输出量去模糊化,则输出量的清晰值为:=6i=-6i c(i)6i=-6c(i)=4149,将其反变换后得:=01523(=30)。图2模糊推理过程3隶属度函数遗传算法优化模糊控制可借鉴操作人员或专家的经验来帮助选择控制器的结构和参数。然而,由于一个模糊控制器所要确定的参数很多,专家的经验只能起到一个指导作用,很难根据它准确的定出各项参数,因

9、而在实际上还要不断的反复凑试。这实质上是一个寻优过程。遗传算法可以应用于该寻优过程,较为有效的确定模糊控制器的结构和参数。4311遗传算法基本结构遗传算法是利用简单的编码技术和交叉繁殖机制来实现复杂的现象,从而解决非常困难的问题。尽管不同的编码方案、选择策略和遗传算子相结合构成不同的遗传算法,但遗传算法的一般过程可以分为初始化、选择、交叉和变异4个组成部分。5其操作流程图如图3所示。261模糊系统与数学 2010年图3遗传算法工作流程图312遗传算法的实现 编码基本模糊控制器的各变量的模糊分级数、模糊规则的个数、模糊规则的前件和后件均已确定,现通过遗传算法优化模糊集合的隶属度函数。设模糊集合的

10、隶属度函数均采用三角形,且各隶属度函数关于ZE对称。根据三角形隶属度函数:trig(x;a,b,c)=x-ab-a,axbc-xc-b,bxc(2)每个隶属度函数应有a、b、c(abc)三个参数需要调整。其中最左边的隶属度函数为直角三角形,只有一个参数c需要调整,a、b为下限值;最右边的隶属度函数也为直角三角形,只有一个参数a需要调整,b、c为上限值;ZE的c=0,只有一个参数a(a=-b)需要修改。这样经过简化,输入量 的隶属度函数有8个参数、x的隶属度函数有5个参数、y的隶属度函数有8个参数,输入量 的隶属度函数有5个参数,总共需要调整26个参数。经过尺度变换后,参数的变化范围为-6,6,

11、设每个参数精确到011,而26=64 120 27=128,则每个参数需要用7位二进制数表示,因此,种群中每个个体需要用267=182位二进数表示。为了防止出现海明悬崖(Hamm ing cliffs),编码采用二进制格雷码。适应度函数在遗传算法中使用适应度来度量群体中各个个体在优化计算中能达到或接近于或有助于找到最优解的优良程度。适应度较高的个体遗传到下一代的概率就较大,而适应度较低的个体遗传到下一代的概率就相对小一些。先确定目标函数J,根据目标函数确定的用于区分群体中个体好坏的标准,是算法演化过程的驱动力,也是进行自然选择的唯一依据。为获得满意的动态特性,本文采用误差平方和的时间和指标作为

12、参数选择的最小目标函数。目标函数J定义为:361第3期 程志江:遗传算法在自动泊车辅助系统模糊控制中的应用J=Mi=1Nj=1(xij-x)2+(yij-y)2+(ij-)2(3)其中,M为典型路径数,即仿真次数,N为仿真所需的最长时间,即汽车经最长路径由起点到终点所需的时间,(xij,yij,ij)为第i次仿真时第j时刻汽车的位置。根据式(1)可知xij,yij,ij均为 的函数,而 值根据模糊推理得出,可以看作是需要调整的56个参数的函数。(x,y,)为汽车的最终位置,即(x,y,)=(0,0,2),采样周期T=011秒。适应度函数总是非负的,任何情况下都希望其值越大越好。而目标函数J的取

13、值达到极小值时,参数最优。因此,适应度函数f为:f=11+J(4)遗传算子在遗传算法中,主要的遗传算子是选择、交叉和变异。选择的目的就是将适应度高的个体选出来,使它们的优良基因能够遗传到下一代中去,选择的方法有很多,本文采用适应度比例法,即“轮盘赌法”。对于种群中的单个个体,如果它的适应度为f(xi),则它被选择的概率Pi为:Pi=f(xi)f(xi)(5)交叉操作是把两个染色体重组的操作,它是遗传算法中最主要的遗传操作。交叉主要有两个步骤,一是选择交叉概率,二是确定交叉方法进行交叉操作。本文采用动态的交叉率,交叉率的表达式如下:Pc=exp-kG(6)式中,k为当前优化的代数,G为优化总代数

14、。变异操作采用的是改变某一位的状态的变异方式,即选定变异位,对其进行取反操作。本文采用动态的变异率,变异率的表达式如下:Pm=exp 0.1kG-1(7)式中,k为当前优化的代数,G为优化总代数。6 程序实现本文使用英国设菲尔德大学开发的遗传算法工具箱实现隶属度函数优化。该工具箱提供了创建初始种群crtbp、轮盘选择rw s、离散变异mut、单点交叉xovsp等函数,可以方便的实现遗传算法。目标函数J可以看作是一个积分函数的平方和,程序的主要变量有:个体的数量N I ND=50,最大遗传代数MAXGEN=100,变量维数NVAR=56,每个变量使用的位PREC I=7,使用代沟GGA P=01

15、9。从图4中可以看出,经过100代遗传后,解和种群的均值的变化很小,目标函数的变化达到稳定,可以认为系统稳定,可将输出值作为各变量的隶属度函数值。7根据遗传算法,经过100次迭代之后,得到的输入输出变量的参数值,修改后的隶属度函数曲线如图5(a)、(b)、(c)、(d)所示。461模糊系统与数学 2010年(a)解和种群均值的变化(b)目标函数变化图4100代遗传后种群、种群均值和目标函数变化(a)汽车位置x的隶属度函数曲线(b)汽车角度 的隶属度函数曲线(c)汽车位置y的隶属度函数曲线(d)转向角 的隶属度函数曲线图5改进后的输入、输出变量隶属度函数曲线4仿真结果仿真中,采用M atlab

16、710的Fuzzy工具箱根据各变量的隶属度函数曲线和模糊规则建立模糊控制器,再使用Si mulink工具箱建立仿真程序。为了对比进行遗传算法优化前后,汽车自动波车辅助系统模糊控制器的运行效果,分别使用优化前后的模糊控制器进行仿真。为了对比结果,选择泊车相对困难的初始位置,两次仿真的起始位置均为(x,y,)=(10185,1212,1183)。从图6、图7可以看出参数优化前,采用基本的隶属度函数均匀分布的模糊控制器,在泊车过程中,汽车角度 的变化为1183至0156至0178,且在0156至0178段变化率有波动,转向轮角度 在后半段的变化率波也有较大波动,如同驾驶汽车的是新手,泊车过程不断的调

17、整方向,车头摆动很大。采用遗传算法优化后的模糊控制器,汽车角度 、转向轮角度 的变化很平滑,如同经验丰富的驾驶员泊车。561第3期 程志江:遗传算法在自动泊车辅助系统模糊控制中的应用(a)优化前运行参数变化(b)优化后运行参数变化图6优化前后运行参数x、y、变化情况(a)优化前运行动画演示(b)优化后运行动画演示图7优化前后运行动画演示5结论随着生活水平的提高,城市汽车的数量越来越多,但是停车位的短缺已成为限制城市交通发展的一个值得注意的问题。在有限空间内进行泊车,需要驾驶人员有高超的驾驶技术,对于新手而言,停车已成为一件麻烦事。现在世界上各大汽车生产厂商都在开发智能泊车辅助系统,现已有成功应

18、用的例子,如LS460L。本文通过遗传算法对传统的模糊控制进行优化,并将模糊控制应用到智能泊车辅助系统控制中,并对控制效果进行了仿真。结果表明,用遗传算法优化过的模糊控制具有良好的动态性能,为智能泊车系统的开发、普及应用提供了一个可行的解决方案参考文献:1徐津津.双向路径规划在垂直自动泊车系统中的仿真研究J.天津汽车,2008,(5):3639.2Zhao Y N,et al.Robust automatic parallel parking in tight spaces via fuzzy logicJ.Robust and A utonomousSystem s,2005,51:1111

19、27.3孙增圻.智能控制理论与技术M.北京:清华大学出版社,2007:361365.4李陶深.人工智能M.重庆:重庆大学出版社,2002:233271.5李人厚.智能控制理论和方法M.西安:西安电子科技大学出版社,2007:169199.661模糊系统与数学 2010年6Dario M aravall Javier de Lope.M ulti2objective dynam ic opti m ization w ith genetic algorithm s for automatic parkingJ.Soft Computer,2007,(11):249257.7雷英杰.MA TLAB

20、遗传算法工具箱及应用M.西安:西安电子科技大学出版社,2005:4561.The Application of Genetic Algorithmi n the Fuzzy Control of Automatic Parki ng Auxili ary SystemCHEN G Zhi2jiang(Schoolof Electrical Engineering,Xinjiang U niversity,U rumqi 830047,China)Abstract:W ith the development of the auto industry,the automatic parking a

21、uxiliary system is becom ingthe necessary part of the car.A fter analyzing the process of automatic parking,a fuzzy control system ofautomatic parking auxiliary system is designed.The parameter of fuzzy controller is confirmed effectively,by using genetic algorithm in process of the fuzzy controller

22、 parameters seeking.The parameter of fuzzycontroller is opti m ized by using the genetic algorithm tool box.In M atlab,the automatic parking fuzzycontrol is si mulated.A s a result,it is argued that the genetic algorithm can i mprove the fuzzy control.Key words:A utomatic Parking;Fuzzy Control;Genetic A lgorithm;M atlab;Si mulation761第3期 程志江:遗传算法在自动泊车辅助系统模糊控制中的应用