自主车辆速度控制.doc

用梯度下降法实现自主车辆车速控制一、 车辆自主驾驶的意义实现车辆的自主驾驶是控制理论的一个很具有发展前景的应用。车辆的自主驾驶较人为驾驶有以下几个优势：1、 克服人员困乏，精力不集中等人为驾驶的不必要的误差造成驾驶失误等情况。2、 自主车辆可以克服高温、高压、潮湿等不适于人员操作的恶劣环境。二、 课程目标车速控制是在车辆自主驾驶范围内的一个关键问题，目的是实现车速的快速、平稳、准确地控制。本次课程的目标是在给出基于GPS位置信息的期望速度的情况下，实现原路径上跟踪期望速度。传感器可以测得三个数据：实时速度actual speed和控制信号：油门throttle、刹车brake。通过这两个量的控制实现对车速的控制。控制算法根据传感器获得的数据，得出在期望速度下的油门和刹车控制量的输出，实现车速的自动控制。三、 控制算法1实验假定根据实验数据，发现油门控制量以及刹车控制量与车速的变化量即加速度直接相关。假定在油门控制量的约束范围内油门throttle与加速度a服从线性增加关系,，刹车控制量brake与加速度a服从线性减小关系，。通过参数的不断改变来适应不同坡度条件下车速的控制。2控制算法流程首先，得到加速度数据和控制量数据进行分析。为了得到加速度和控制量之间的关系，获取最近一段时间的实际速度actual speed，油门控制量throttle和刹车控制量brake 。对速度信号进行去噪，求导，得到加速度信号。然后，使用梯度下降法根据这三组数据，求在这组数据下最佳的拟合参数。第三，根据期望速度和控制参数，用梯度下降法给出控制量的输出。实现下一时刻车速的控制。最后，将得到的新的数据纳入分析库中，得到新的控制量。下图是整个控制算法的流程。（1）去噪函数采取巴特奥兹滤波器，优点是实现简单，速度快但是去噪后的数据有具有一定的滞后，低通滤波器选择的低通带越窄，滞后现象越明显。将滤波后的数据进行超前校正后，数据与原数据相比缺省了一部分，若仍用滤波器来滤波，还会出现滞后，校正后会有缺省。由于采用一次滤波后缺省的部分很少，一般在20个数据以内，因此，采用多项式拟合的方法处理超前校正后缺省数据的滤波。（2）求导函数针对离散值数据，导数就是差值。最简单的做法就是用后一刻的值减去前一时刻的数值。但此种方法有不少弊端：只考虑到对前一时刻的差值，而没有计算后一时刻对此时刻的差值，造成求导失真。另外，这种方法对数据的处理仅仅涉及相邻两个数据，相关性比较差，计算不够准确。为了准确求导，采用对前后时刻的差值求平均的方法，消除求导的不平衡。另外，设置扩展系数，在扩展系数范围内的相邻数据进行差值求平均。从实验的效果来看，在同一个去噪函数处理后，求导函数的效果相差不大。 也就是说，去噪函数的效果直接影响到输入数据的处理结果。（3）梯度下降法梯度下降法的原理就是在参数范围内随机给出几个值，根据梯度下降的方向趋近误差最小值点，当误差达到给定指标的时候，也就求得最优的参数。梯度下降法有下面几个特点：a) 需要设定参数的大致范围。参数在开始的时候是随机选取的，因此有必要对参数的范围设定约束。b) 梯度下降法的步进调整系数的选择很关键，这个系数是在程序计算梯度值后，下一次尝试的步进值与梯度值的比例。这个值如果设置过大则可能会造成参数调整不收敛，或者在接近误差指标时来回震荡。如果这个值设置得过小，则收敛速度明显变慢。c) 在误差比较小时，收敛速度明显变慢，甚至停滞。梯度下降法的基础就是误差的变化量，在接近最小误差的时候，误差变化不大，误差的差值很小，造成参数步进缓慢甚至停滞。d) 可能陷入局部极小值，而不是全局极小值为了克服梯度下降的不足，我改进了梯度下降法。主要改进工作在以下方面： 用多组数据分别梯度下降的方法避免陷入局部极小在参数的范围内投入m组数据，每组数据都依照梯度下降法收敛，如果其中有一组数据达到了误差指标，则输出这组的参数，摒弃其他组的参数。由于开始投放m组数据是随机，因此陷入局部极小值的概率远远小于没有多组实验的情况。用这种方法也能提高一定的收敛速度。 参数的修正值中根据误差的大小，加入了一定的随机分量。 将算法中的误差变化量DE改为DE+（k/（DE-km）,双曲曲线与正比曲线的区别在于，当输入很小时，也会有不为无穷大的一个较大输出，避免在最小误差附近收敛变得太慢。k与km是曲线参数，一般而言，k值在稳定范围内取越小越好。未解决的问题：误差精度的设定没有固定的关联，主要依据先验知识，如果误差精度设置过高，则在最大尝试次数下都达不到误差指标。四、 实验结果：梯度下降法求参数求解首先，编写单参数梯度下降法程序。设定系统输入输出满足：y=5*x+rand(length(x),1)-rand(length(x),1)。假定输出与输入服从比例关系，用梯度下降法求比例系数k。运行结果反映梯度下降法的学习比例系数p很关键。过大不会收敛，过小收敛速度很慢。比较这两种梯度下降法：采用梯度下降法，尝试次数是不确定的，具有一定的随机性。采用改进的梯度下降法求比例系数，幸运的话，不到5次就可以得到最优值，尝试次数比较多的可能达到10次以上，但是平均的尝试次数不超过10次。梯度下降法求多参数求解多参数梯度下降法的原理与但参数的梯度下降法相同，但要求多参数同时收敛。但因为多参数对于输出值具有很强的相干性，不能用各个参数分别收敛的方法实现。而是要朝向合成的梯度最小方向运动，类似于水滴在荷叶上滚动的情况。在试验中，确定了油门的最大最小值分别为450和0。因此，在油门参数中需要确定的比例系数k和截断距离d可以转化为求加速度的最大最小值。在试验中用梯度下降法做油门的控制，加速度的最大最小值为梯度下降调整的参数。参数陷入发散振荡的情况。由于程序未能调通，没有得到用梯度下降法得到的最优解。为了试验控制流程的控制效果，在设置参数的范围后采用了穷举比较误差的方法，求得了在加速度与控制量为线性假定条件下的比较情况。在线性假定的条件下，在一定程度上控制算法给出的控制量能够跟踪实际的油门控制量，当油门处于最小和最大值之间时，跟踪效果很好。但是控制精度不高。五、 出现的问题：（1