一种基于遗传算法优化的车辆追尾碰撞模糊控制方法
【技术领域】
[0001] 本发明属于车辆控制技术领域，尤其涉及一种基于遗传算法优化的车辆追尾碰撞 模糊控制方法。
【背景技术】
[0002] 当前后两车辆发生追尾碰撞的风险很高，应当采取辅助控制或自动控制的方式来 规避风险。以往一些学者已经提出了多种经典的控制方法，例如：PID控制、滑模控制及线 性二次型最优控制等。然而上述经典的控制方法虽然能够提供一定精确地控制效果，但其 必须建立在精确数学模型的基础上。而实际情况下，我们通常很难获得车辆的精确数学模 型，因此制约了上述控制方法在车辆主动控制方面地发展。
[0003] 另外有学者提出了模糊逻辑控制器（fuzzy logic controller，FLC)，由于其适用 于解决多参数、非线性系统的控制问题，并且模糊控制规则能够很好地反映驾驶员的驾驶 特性，因此将模糊逻辑控制器应用于车辆的主动控制是可行的。
[0004] 模糊逻辑控制器是最常用的智能控制方法之一。该方法主要包括模糊语言变量、 模糊集以及模糊推理。它克服了经典控制方法的缺陷，有效地解决了工业控制领域和其他 行业内难以解决的难题。模糊逻辑控制器（FLC)主要由模糊化、知识库、模糊推理以及去模 糊化（即清晰化）四部分组成。
[0005] 模糊控制具有以下优点：（1)利用语言方法设计控制系统时，没有必要建立被控 对象的数学模型；（2)能够解决控制过程中滞后、时变、非线性等复杂问题，提高了控制系 统的鲁棒性；（3)易于用语言变量表示数学变量，通过模糊条件语句对专家知识进行描述；
[0006] (4)根据语言规则及启发式的知识来构建FLC，有助于模拟人的思维方式，因此 FLC能够用于处理复杂的系统。
[0007] 遗传算法（Genetic Algorithm，GA)是由Holland首次提出，它演绎了生物进化机 制。在函数数值优化、模式识别及控制等多个领域，遗传算法被普遍认可。它属于全局搜索 算法，它的主要思想是：产生一个初始种群，按照自然法则，逐代演化得出最优近似解。根据 个体的适应度以及交叉、变异操作，每代将保留适应度较高的个体，从而产生适应度较高的 下一代，末代种群中适应度最高的个体即为问题的近似解。
【发明内容】
[0008] 本发明的目的在于提供一种基于遗传算法优化的车辆追尾碰撞模糊控制方法，旨 在解决现有辅助控制或自动控制的方法存在的获得车辆的精确数学模型较难，制约控制方 法在车辆主动控制方面发展的问题。
[0009] 本发明是这样实现的，一种基于遗传算法优化的车辆追尾碰撞模糊控制方法，该 基于遗传算法优化的车辆追尾碰撞模糊控制方法为双输入单输出的模糊控制器，选取相对 距离误差ds、前后两车的相对速度误差dv作为模糊控制器的输入变量，实际输出的加速度 FAd控制量作为输出变量，输入变量分别由以下公式得到：
[0010] ds = D-S ； (I)
[0011] dv = LV-FV; (2)
[0012] 其中，D为前后车间距，S期望车间距，LV是前车速度，FV是后车速度；
[0013] 输入输出变量的模糊化：
[0014] 由制动距离算法：
【主权项】
1. 一种基于遗传算法优化的车辆追尾碰撞模糊控制方法，其特征在于，该基于遗传算 法优化的车辆追尾碰撞模糊控制方法由前后车间距、期望的车间距、前车速度、后车速度、 后车相对于前车的车速差，得到FLC的输入变量相对距离误差、前后车辆的相对速度误差； 对输入变量相对距离误差、相对速度误差和输出变量加速度进行模糊化处理；确定隶属度 函数；建立模糊控制规则库；利用遗传算法对模糊规则库进行优化；利用Mamdani直接推理 方法进行模糊推理，将获得的模糊值变为准确值，即将控制量变换成论域范围内的准确值； 然后，经过尺度变换把该准确值变为实际的控制量。
2. 如权利要求1所述的基于遗传算法优化的车辆追尾碰撞模糊控制方法，其特征在 于，该基于遗传算法优化的车辆追尾碰撞模糊控制方法具体包括以下步骤： 步骤一，由前后车间距D、期望的车间距S、前车速度LV、后车速度FV、后车相对于前车 的车速差DV，得到FLC的输入变量相对距离误差ds、前后车辆的相对速度误差dv ; 步骤二，对输入变量相对距离误差ds、相对速度误差dv和输出变量加速度FAd进行模 糊化处理； 步骤三，FLC的控制效果由隶属度函数决定，先确定隶属度函数； 步骤四，建立模糊控制规则库； 步骤五，利用遗传算法对模糊规则库进行优化； 步骤六，利用模糊逻辑及优化的模糊规则库进行模糊推理，该发明利用Mamdani直接 推理方法； 步骤七，将获得的模糊值变为准确值，即将控制量变换成论域范围内的准确值；然后， 经过尺度变换把该准确值变为实际的控制量。
3. 如权利要求2所述的该基于遗传算法优化的车辆追尾碰撞模糊控制方法，其特征在 于，步骤一中选取相对距离误差ds、前后两车的相对速度误差dv作为模糊控制器的输入变 量，实际输出的加速度FA d控制量作为输出变量。输入变量分别由以下公式得到： ds = D-S ； (1) dv = LV-FV ； (2) 其中，D为前后车间距，S期望车间距，LV是前车速度，FV是后车速度。
4. 如权利要求2所述的该基于遗传算法优化的车辆追尾碰撞模糊控制方法，其特征在 于，步骤二中输入输出变量的模糊化具体方法为： 第一步，将输入的精确变量值变换成FLC要求的变量值，由制动距离算法：
共Τ，τ τ 2足脏迟H、J |Hj，d〇足1 学牛厄网牛τ 1= D. is，τ 2= 〇. 6s, d〇 = I. 5m，当前车以120km/h即33. 33m/s的车速紧急刹车时，期望车间距S为67. 5m，设定相对 距离误差的变化范围ds是[-67. 5m，67. 5m]，因此dv的变化范围是[_60km/h，60km/h];后 车加速度的变化范围是[-8m/s 2,8m/s2]; 第二步，对已处理的变量做尺度变换，转换到指定论域中，利用线性变换的方法进行尺 度变换，公式如下：
其中，X丨是实际的