江苏龙网

  1. 首页 > 人文 > >

智能车电感差比和差加权算法研究( 四 )


其次 ， 尝试对水平电感差比和偏置算法进行了建模 ， 公式如下
智能车电感差比和差加权算法研究文章插图
将中间两纵向电感的差值乘以1/3000才得到一条不错的曲线 。
智能车电感差比和差加权算法研究文章插图
▲ 图C2.4 曲线对比
图C2.4中 ， 差比和偏置算法的内环区数据斜率要小于差比和差加权算法 ， 而曲率又更大 ， 小车更难切内环行驶 。 如果想让小车切内环行驶 ， 就需要增加中间两纵电感的权值 ， 但是如果算法的曲线出现了差比和加权算法的内环区反增的趋势 ， 则会产生过调抖动 ， 容易冲出赛道；若是出现了曲率过大的情况 ， 那么小车就更难切内环行驶 。
差比和所输出误差值曲线更加贴合一次曲线 ， 能够支持小车入弯切内环行驶 ， 而其他很多算法无法做到这一点 ， 这也是差比和差算法出色的优势之一 。
2.5 小结本章从不同角度入手 ， 用各种方式证明了电感差比和差算法对弯道道型有着良好的亲和度 ， 同时也具有很高的稳定性；证明了电感差比和差加权算法相较于电感差比和加权算法 ， 水平电感差比和偏置算法的优势 。
除此之外 ， 电感差比和差算法由于分母的减小 ， 其输出误差所需的比例系数也有所下降 ， 小车在长直道型上行驶时的抖动也会有所下降 。 需要注意的是电感差比和差相较于电感差比和加权算法 ， 赛道适应性有所下降 ， 需要对各项参数投入更多关注 。
直接调节电感差比和差加权算法 ， 可能会因无法直观的了解各参数而走弯路 ， 故建议先调出一套相对稳定的电感差比和加权方案 ， 然后将其改写为电感差比和差加权算法 。 这样做的理论依据有二 ， 其一 ， 长直道上 ， 纵向电感值接近于零 ， 两算法差距不会太大 。 第二 ， 由第二章所建立的模型中可以看出 ， 小车沿中线行驶时 ， 两加权算法的输出误差曲线相似 ， 差比和差加权算法的参数可由差比和加权算法参数微调获得 。
3.2修复过调以电感差比和加权算法调试出一套慢速稳定的方案后 ， 将算式改写为差比和差加权算法 ， 此时由于分子的下降 ， 小车在弯道道型出现小幅度过调 。 此时轻微降低比例系数（约为差比和加权算法的0.7到0.8倍）即可完全拟合 。
智能车电感差比和差加权算法研究文章插图
[1]殷剑宏 ， 吴开亚.图论及其算法[M].中国科学技术大学出版社,2003.
[2]卓晴,黄开胜,邵贝贝.学做智能车：挑战"飞思卡尔"杯[M].北京:北京航空航天大学出版社,2007.
[3]王盼宝主编.智能车制作[M].北京:清华大学出版社,2017.
[4]谭浩强著.C程序设计[M].北京:清华大学出版社,2003.
[5]张文春.汽车理论[M].北京:机械工业出版社.2005.


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