汽车自动巡航系统智能控制策略研究

梁根

0 引言

减轻驾驶者的疲劳程度，提高驾车的安全性与舒适程度越来越受到人们的重视。因此，一种新型的汽车电子巡航控制系统就应运而生了。该系统能够有效地实现对车距的精确、自动控制，通过利用激光测距仪和相应软件解决对运动目标的追踪问题。在路况较为正常的情况下，巡航控制系统往往能够正常地工作，但在特殊路段则不如驾驶员的经验和应变能力。本文通过模糊控制和神经网络控制技术设计了一个智能控制算法，根据各项参数对车距进行控制。这种方法对可能的不确定性进行了控制，减小了其他因素的影响[1]。

1 系统的控制方案和控制策略

1.1 控制的总体结构

为了实现对车速的控制，在汽车的巡航控制系统中，可设计一个车距智能控制器，通过安装在车上的激光测距器测量出与前车之间的车距和速度差。通过与人工的测量相比较，再使用一系列的控制算法对控制器的输出量进行调整，比如更改油门开度等。在这种控制车距的模式下，系统能够使行驶中的两车始终保持安全距离。车距控制器能够根据司机的设置来对距离进行控制。

1.2 系统的控制策略

因为控制过程十分复杂，使用单一且简单的控制策略并不能满足其需要，因此车距智能控制器采用基本模糊控制及神经元修正方法。基本的控制往往是通过模糊推理来完成的，就是指不需要精确的数学模型，通过对人工经验分析与处理，设计出一个控制规则。由于模糊控制本身的特点，导致控制精度并不高[2]，而且只要模糊控制规则一旦进行确立之后，实际运行过程中的自适应性就会得到限制。所以，需要通过神经元进行直接修正，所谓神经元修正就是具有自学习、自组织功能的加权修正过程，能够根据其所反映的各种变化来进行及时的在线调整。

2 模糊控制策略设计

当车距处于控制模式下时，汽车的巡航系统被设计为基本的模糊处理系统，数值经过模糊化的处理后，由原来的信号模式转变为模糊量，通过一定的规则与函数模型来对这些数值量进行模糊的推理与断绝，得出一个相对精确的数值变量。通过对油门输出量、前后车距离偏差、变化率的计算、控制器的输出变量及模糊量的大小等级之间的关系，运用比例因子计算方法，对一定数域内的变量进行分析研究。当系统初期的负载变化较大时，控制器的输出功率必须达到最大值，汽车行驶的速度也要达到最大值，汽车油门的开度保持在最大，这样系统才能消除对数值的误差，处在稳定的工作状态下。

3 神经元的控制策略设计

神经元是一个非线性的单元，其拥有逼近任意非线性函数的能力。神经元构成比较简单，其中涉及到的算法也都比较明确，是一种比较方便研究的对象。通过对神经元比例系数的研究可以发现，在对软件流程的设计中，应该对误差的变化率与积分进行模糊化的处理，并使用增量式控制算法来求取模糊变量[3]。

4 结束语

通过使用模糊控制和神经网络控制的方法，就能够确立智能控制车距的相关策略。再通过一系列的处理，就能够使模糊控制提升精确度，使智能的告知策略具备更高的可行性与适用性。该系统能够让汽车的形势更加安全，对于未来的智能化汽车意义重大。

[1]陈学文,刘伟川,祝东鑫,朱甲林.汽车巡航智能控制策略及仿真[J].机械设计与制造,2016,(04):133-136.

[2]张志远,万沛霖.汽车自动巡航系统智能控制策略[J].辽宁工程技术大学学报,2006,(02):234-237.

[3]陈学文,刘伟川,祝东鑫,李刚.基于模糊系统的汽车智能巡航仿真研究[J].测控技术,2016,35(03):54-57+62.