вед. инженер-конструктор; аспирант.
Набережные Челны.
Design Engineer ; graduate student .
Naberezhnye Chelny.
канд. техн. наук, доц.
Казань.
Kazan.
Рассматривается проблема разработки алгоритма функционирования адаптивного круиз-контроля, работающего в условиях, изменяющихся в широких пределах передаточного отношения трансмиссии и скорости движения грузового автомобиля. Функционирование классической системы круиз-контроля, как правило, основывается на использовании ПИД регулятора с постоянными коэффициентами. Однако несмотря на простоту настройки и физической реализации, а также относительно высокую робастность данный класс управляющих устройств может не обеспечивать оптимальное функционирование системы круиз-контроля во всех режимах движения в силу нестационарности и нелинейности объекта управления. Для преодоления указанных недостатков в рамках данного исследования рассматривается возможность нейросетевой реализации алгоритма адаптивного круиз-контроля грузового автомобиля.
Предложена математическая модель продольного движения грузового автомобиля, предназначенная для решения задачи анализа и синтеза системы управления. Проведена настройка коэффициентов ПИ регулятора для управления продольной скоростью при различных режимах движения грузового автомобиля. Показано, что коэффициенты регулятора изменяются по достаточно сложному закону. Предложен алгоритм функционирования адаптивного круизконтроля, основанный на аппроксимации законов изменения коэффициентов ПИ регулятора с помощью искусственной нейронной сети. Используемая сеть представляет собой многослойный персептрон и для обеспечения высокого качества аппроксимации содержит десять нейронов на скрытом слое. Обучение нейронной сети осуществлялось методом Левенберга—Марквардта на основе выборки общим объемом 500 точек, полученной c помощью стандартных методов синтеза регуляторов. Корректность полученных результатов была подтверждена результатами компьютерного моделирования разгона автомобиля от 0 до 100 км/ч, показывающими, что в процессе движения коэффициенты ПИ регулятора, обеспечивающие требуемое качество переходных процессов, значительно изменяются в зависимости от текущего состояния транспортного средства. Предложенный метод аппроксимации законов изменения коэффициентов ПИ регулятора может быть в дальнейшем использован для построения адаптивных систем управления, способных эффективно функционировать в различных режимах.
In this paper, we consider the problem of the development of an algorithm of the adaptive cruise control functioning operating in the conditions of powertrain gear ratio varying in a wide range and vehicle velocity changing. The functioning of a classical cruise control system is generally based on the usage of a PID-controller with constant coefficients. However, despite the easiness of its tuning and physical realization and also its relatively high robustness this class of control devices cannot guarantee the cruise control system optimal functioning in all driving conditions because the plant is not timeinvariant and linear. To overcome the above shortcomings, in this research we consider the possibility of neural network realization of a commercial vehicle adaptive cruise control algorithm.
In this paper, we propose the mathematical model of a commercial vehicle longitudinal motion designed for the control system analysis and synthesis. We carry out the PI-controller coefficients tuning to control the vehicle longitudinal velocity in various driving conditions of a commercial vehicle. We show that the controller coefficients vary according to a rather complex law. Therefore, we propose the algorithm of the adaptive cruise control functioning based on the approximation of the controller coefficients by the artificial neural network. The network used is the multilayer perceptron and it has ten neurons in the hidden layer to provide the high quality of the approximation. We carry out the training of the neural network by the Levenberg-Marquardt method with a sample of a total volume of 500 points, obtained using standard methods of controller synthesis. We verify the correctness of the obtained results through the computer simulations of the vehicle acceleration from 0 to 100 km/h, proving that the PI-controller coefficients, providing the required transient responses, significantly vary depending on the current state of the vehicle. The approach of the PI-controller coefficients approximation presented in this paper may be further used in the design of adaptive control systems able to function effectively in various operating modes.
The authors declare that there are no conflicts of interest present.