[发明专利]基于粒子群-遗传混合算法的车辆横向PID控制方法

权利要求书

1.一种基于粒子群-遗传混合算法的车辆横向PID控制方法，其特征在于，通过以下步骤来实现：

a).建立车辆运动学模型，设车辆的两前轮和两后轮分别具有同样的运动规律，两前轮胎和两后轮胎各用一个轮胎来描述，只考虑车辆横向运动，且忽略转向机构的影响，基于大地坐标系XOY建立车辆运动学模型，根据运动学定理，得出车辆各状态的更新迭代公式如下：

x_t+1＝x_t+v_t cos(ψ_t+β)×dt    (1)

y_t+1＝y_t+v_t sin(ψ_t+β)×dt    (2)

v_t+1＝v_t+a×dt     (4)

式中β由公式(5)得出：

式中：x_t、x_t+1和y_t、y_t+1分别为车辆质心在大地坐标系下的横坐标和纵坐标，ψ为车辆当前的偏航角，即车身与x轴的夹角，v为车辆的线速度，δ_f为车前轮转角，即车前轮与车身的夹角，a为车辆的加速度，l_f、l_b分别表示前车轮、后车轮到车辆质心的距离；v_t是t时刻车辆的线速度，ψ_t是t时刻车辆的偏航角；

并建立车辆与目标路径的横向偏差e(t)的计算公式；

b).建立PID分段控制参数表，首先判断PID分段控制参数表是否建立，如果已经建立，则根据车辆当前车速v从PID分段控制参数表中获取当前比例控制参数K_p、积分控制参数K_i和微分控制参数K_d；

如果PID分段控制参数表没有建立，则通过以下步骤建立PID分段控制参数表：

b-1).车速分段，以每段车速长度为1m/s进行分段，将车速划分为[0,1)、[1,2)、…、[n-1,n)共计n段；

b-2).选取四种最优算法，选取粒子群算法PSO、改进的粒子群算法PSO-CF、改进的粒子群算法APSO以及遗传算法GA，作为求取PID分段控制参数的粒子群-遗传混合算法PCAG；

b-3).初始化四个算法的种群，首先建立如公式(6)所示的适应度函数：

式中，e(t)为车辆与目标路径的横向偏差，t为当前时刻；

然后确定每个最优算法的种群规模、迭代次数，并初始化种群的位置；

b-4).计算全局最优解，根据四种算法的更新速度和公式规则，更新每个粒子的速度和当前位置，根据适应度函数计算适应度，更新个体最优适应度和全局最优适应度，获取每种算法的全局最优解；

b-5).粒子替换，利用步骤b-4)中利用4种算法求取的4个全局最优解，将四种算法中适应度最差的4个粒子替换掉；

b-6).收敛判断，判断全局最优解是否达到收敛条件，如果达到，则执行步骤b-7)，如果没有达到收敛条件，则执行步骤b-4)；

b-7).迭代次数判断，如果迭代次数没有达到要求，则执行步骤b-4)；如果迭代次数达到要求，则输出四种算法的最后解作为当前车速分段的PID分段控制参数，执行步骤b-8)；

b-8).分段判断，判断所有的车速分段的PID分段控制参数是否已求取完毕，如果求取完毕，则执行步骤c)；如果没有求取完毕，则通过步骤b-2)至步骤b-7)求取下一车速分段的PID分段控制参数；

c).获取模糊控制器输出，利用车速v和加速度a作为模糊控制器的输入，获取模糊控制器的输出ΔK_p、ΔK_i和ΔK_d；ΔK_p、ΔK_i和ΔK_d分别作为K_p、K_i和K_d的增量，模糊控制器的输出与PID分段控制参数表输出的参数相加后输入至PID控制器；

d).PID控制器输出，利用公式(7)计算出PID控制器的输出：

式中，B(t)为PID控制器输出的车辆转向角度，e(t)、e(t-1)分别为当前时刻和前一时刻车辆与目标路径的横向偏差；

e).车辆控制，将车辆转向角度B(t)输入至车辆控制器，对车辆的转向角度进行控制，以控制车辆与目标路径的横向偏差。