江苏龙网

  1. 首页 > 人文 > >

智能车电感差比和差加权算法研究( 二 )


此外 ， 由于在长直道上 ， LM和RM的值趋近于0 ， 所以更改后的式子对小车在长直道上行驶时几乎没有影响 。
1.2 算法的构造为进一步证实理论假设的合理性 ， 对算法进一步的修改 ， 更改后公式为：
智能车电感差比和差加权算法研究文章插图
使用公式C3 ， 小车顺时针、逆时针分别发车 ， 观察其差别以及对弯道的拟合程度 。 测试结果表明 ， 使用公式C3进行测试的小车 ， 在顺、逆时针行驶时效果几乎相同 ， 并且对于弯道的拟合程度和敏感性皆高于使用公式C1时的测试结果 。
由于算法的改变 ， 分子与分母上(LM+RM)加权系数显然不再需要保持一致 。 对算法参数进行调整后得到了一套稳定的直道弯道行驶方案 ， 使用公式C4 。
智能车电感差比和差加权算法研究文章插图
公式C4即为差比和差加权算法的最终式 ， 由于原LIMIT系数不再起限幅作用 ， 改作比例系数P 。
智能车电感差比和差加权算法研究文章插图
2.1 构造小车过弯电感值变化模型欲对算法进行建模证明 ， 首先要对小车过弯时 ， 左、右电感的变化函数进行建模 。 现将小车置于直道与弯道相接处 ， 使其电感前瞻位于直道与弯道交线正上方 ， 并将小车沿中线缓缓向前推 ， 每隔相同距离记录电感数据 ， 直到左、右电感数据无明显变化时为止 。
测得小车四个电感值如下表：
智能车电感差比和差加权算法研究文章插图
▲ 表C2.1 电感采样表
【智能车电感差比和差加权算法研究】分析、权衡 ， 使用以下函数对四个电感数值变化进行拟合：
智能车电感差比和差加权算法研究文章插图
拟合效果如图C2.1.1,C2.1.2 。
智能车电感差比和差加权算法研究文章插图
▲ 图C2.1.1 电感LM（左）,RM（右）拟合效果
智能车电感差比和差加权算法研究文章插图
▲ 图C2.1.2 电感L（左）,R（右）拟合效果
2.2 进行不同算法位于相同位置的内、外环反馈比较由于采集电感值时 ， 时刻保持小车位于赛道正中 ， 故还需要研究小车位于内环与外环的差异 。 由于小车左、右水平电感（L,R）受到小车左、右位置影响不大 ， 而受小车前、后位置影响较大 ， 采取固定L、R值的方式来确认小车的位置 ， 并研究输出误差err随LM、RM变化规律 。
由采集得到电感值可以得到小车入弯程度相同时 ， 不同位置(L+R)、(L-R)的值变化不大 ， 而LM、RM变化较大 ， 所以固定L、R的值来表征小车入弯的程度 ， 根据公式建立以下函数模型：
智能车电感差比和差加权算法研究文章插图
智能车电感差比和差加权算法研究文章插图
分别取n=0情况下L-R=300,L+R=2400;L-R=500,L+R=2200;L-R=800,L+R=2000来表示小车刚刚开始入弯 ， 小车基本进入弯道 ， 小车完全进入弯道 ， 并使用公式C5来计算(LM-RM),(LM+RM) ， 使用MATLAB画出输出误差与小车位置关系 。
智能车电感差比和差加权算法研究文章插图
▲ 图C2.2.1 入弯初期算法比较
智能车电感差比和差加权算法研究文章插图


推荐阅读


上一篇：2020年9月京东平台投影仪销量排行榜

下一篇：高通职员：为何逼迫中国自研芯片，这对我的职业生涯是种打击