一种倒车雷达模糊控制器

摘要

本发明公开了一种倒车雷达模糊控制器，其包括四个模块：模糊化模块、模糊化决策模块、精确化计算模块和参数整定模块，雷达检测距离e和测距变化量ec作为模糊化模块的输入变量，由模糊化模块将所述输入变量变换成相应的基本论域，将输入变量转换成合适的语言值；由模糊化模块输出到模糊化决策的模糊量经控制规则得到模糊控制量，精确化计算模块将输出的模糊控制量转换到基本论域中，再通过计算得到实际的输出频率值f。利用该控制器的控制可以动态实时对倒车信号进行跟踪报警，从而可以及时对前行和退行的车辆进行有效的保护，避免因车速过快造成的跟踪报警滞后现象，避免车辆碰损。

说明书

技术领域

本申请涉及模糊控制在倒车雷达上的应用。

背景技术

随着技术的不断进步，尤其是电气自动化控制技术的飞速发展，越来越多的新控制方法和新产品在汽车设计中得以应用，其中倒车雷达正越来越受到汽车用户的青睐。尤其是随着制造技术和人们对汽车电子产品的要求的提高，电器产品的安全性正越来越受到广大汽车消费者的重视，倒车雷达在停车安全中无疑是提供这一安全保障的有利武器。它带给汽车用户的安全感觉是不言而喻的，同时也增强了汽车的驾驶乐趣；但是，多数的倒车雷达控制方法，是被动的控制方法，即通过感应探测探头直接获取物理信息，ECU(电子控制单元)根据采集的物理信号作为执行报警动作的依据，而没有考虑车速和车速的变化快慢。驻车时的车速越快，报警滞后的时间越长，驾驶者采取措施的及时性就越差，最终导致驾驶者停车时的危险性大大增加。

申请人经过几年的调查和资料收集，发现现有的汽车驻车辅助系统均是由各控制器直接根据探头测距进行控制和显示，具体如图1所示，图2示出了其控制算法及信号流图。

通过对图1所示的现在的停车辅助系统的控制策略分析可知，其倒车或直行时都是直接通过探测距离来进行控制，其缺点在于不能根据车辆的速度及时调整报警的时间，造成报警延迟问题。

发明内容

模糊控制技术(fuzzy control technology)是一种由模糊数学、计算机科学、人工智能、知识工程等多门学科领域相互渗透、理论性很强的科学技术。利用该算法可以动态实时对倒车信号进行跟踪报警。该控制算法可以及时对前行和退行的车辆进行有效的保护，避免因车速过快造成的跟踪报警滞后现象，避免车辆碰损。

本发明的具体方案为：一种倒车雷达模糊控制器，包括四个模块：模糊化模块、模糊化决策模块、精确化计算模块和参数整定模块，雷达检测距离e和测距变化量ec作为模糊化模块的输入变量，由精确化计算模块输出频率值f。其中检测距离e＝h-h_o，其中h为当前采样测距，h_o为实际选择的理想车距，取h_o＝60CM。

模糊化模块将所述输入变量变换成相应的基本论域，将输入变量转换成合适的语言值，输入的基本论域根据实际情况估定；由模糊化模块输出到模糊化决策的模糊量经控制规则得到模糊控制量，其中所述的控制规则是通过结合实际经验总结得出，精确化计算模块将输出的模糊控制量转换到基本论域中，再通过计算得到实际的输出频率值f。

参数整定模块确定用于计算所述实际输出频率值的比例因子K_h、确定模糊控制器参数、以及确定输入和输出的基本论域。

所述模糊控制量用加权平均法得到所述控制量，所述控制量与比例因子的积是所述实际的输出频率值。

附图说明

图1：现有的停车辅助系统示意图；

图2：图1所示停车辅助系统的信号流图；

图3：本申请电路控制连接图；

图4：停车辅助系统布置示意图；

图5：模糊控制框图；

图6：模糊语言变量隶属度曲线和量化等级图。

具体实施方式

下面结合附图对本申请的具体方案进行描述。

模糊控制器是倒车控制逻辑的核心部分，如图5所示，它由4部分组成：模糊化模块、模糊化决策模块、精确化计算模块和参数整定模块，本控制器由雷达检测距离e和测距变化量ec作为输入，这两个参数都与车速有关；输出是频率信号值f，车速越快该频率值就会比同等距离时的频率要大，这样可以有效减少时延，给驾驶者更多的时间采取措施，。

检测距离e＝h-h_o，其中h为当前采样测距，h_o为实际选择的理想车距，取h_o＝60CM。

下面具体描述各个模块。

(1)模糊化模块：将输入变量变换成相应的基本论域，将输入变量转换成合适的语言值。输入的基本论域一般根据实际情况估定。设输入的模糊集的论域为〔-6，6〕，可假定输入值变化落在此范围。但实际上这是不可能的，必须通过公式：$y=\frac{12}{b-a}(x-\frac{a+b}{2})$转换。其中x表示测距及其变化量实际值。其中a、b表示其基本论域的上下限；y是连续量，应把它离散化。为此把模糊集论域分为7个档级{-6，-4，-2，0，2，4，6}，这个过程称为输入的量化；e和ec模糊集对应取7个，表示为{NB＝负大，NM＝负中，NS＝负小，Z＝零，PS＝正小，PM＝正中，PB＝正大}。量化值经模糊语言变量隶属度曲线(如图6所示)得到模糊量。

(2)模糊化决策：用IF、THEN结构，结合实际经验总结出一系列模糊语言控制规则，形成模糊状态控制表，如表1所示。模糊量经控制规则得到模糊控制量(模糊向量)。

表1模糊控制规则表

  NS  PB  PM  PM  PS  Z  Z  NS  Z  PM  PS  PS  Z  NS  NS  NM  PS  PS  Z  Z  NS  NM  NM  NB  PM  Z  Z  NS  NM  NM  NB  NB  PB  Z  NS  NM  NB  NB  NB  NB

(3)精确化计算，即去模糊化、模糊判决。上述得到的模糊控制量是反应控制语言的不同取值的一种组合，实际输出的报警频率是一个精确的量，用加权平均法得到控制量。但每次采样模糊控制量，还不能直接作为真实的频率信号发送给报警模块，它必须转换到实际论域中。为此引入比例因子K_h，控制量与其之积即为实际的输出频率值。

(4)参数整定：试验测试主要是确定参数K_h，确定模糊控制器参数，确定输入和输出的基本论域。这需要采集大量数据，结合实际停车经验来确定各个参数，从而输出实际频率值。

下面给出几个采用上述模糊控制的具体实施例。

实施例1：当e＝1.2m、ec＝2.7mm/0.01s时，其输出频率为3HZ；

实施例2：当e＝1.2m、ec＝1.35m/0.01s时，其输出频率为1HZ；

实施例3：当e＝1.2m、ec＝2.025m/0.01s时，其输出频率为2HZ；

注：此处取的采样点是100个，车速10Km/h＝2.7mm/0.01s，车速5Km/h＝1.35mm/0.01s。