Akıllı Araba Sisteminin Bulanık Yön Kontrolü Analizi
0 Önsöz
5G teknolojisi son yıllarda iyi bir şekilde geliştirilmiş ve uygulanmıştır. Akıllı sürüş alanında, 5G'nin geniş bant genişliği ve düşük gecikme süresi, sürücüsüz araçların uçtan uca kontrolü için işlenmesi gereken büyük miktarda veriyi gerçekleştirmeyi mümkün kılar. Sürücüsüz arabalar son yıllarda hızla gelişiyor.Mühendislik kontrolü, bilgi ve iletişim, örüntü tanıma, algılama teknolojisi, elektrik mühendisliği ve bilgisayar gibi birçok disiplini kapsıyor Akıllı ulaşım için güncel önemli çözümlerden biridir. .
Gerçek yol ortamında, akıllı arabanın kontrol ucunun, algılama cihazı tarafından toplanan birçok bilgi ile büyük miktarda veri alışverişi yapması ve kontrol çıktısını elde etmek için gerçek zamanlı işlem gerçekleştirmesi gerekir.
Şu anda, birçok akıllı araba yol tanıma algoritması, yolun gerçek merkez hattını bulmaya ve akıllı otomobilin yönünü onunla ideal merkez çizgisi arasındaki hataya göre kontrol etmeye dayanıyor. Pozisyon takip sistemi, doğru bir matematiksel modeli olmayan bir sistemdir.Geleneksel kontrol yöntemi daha karmaşıktır ve etkisi iyi değildir. Buna ek olarak, akıllı otomobillerin geliştirilmesiyle birlikte, akıllı otomobiller için gittikçe daha fazla yol türü var, bunların çoğu merkez hattı olmayan veya elde edilmesi zor olan dönel kavşaklar, kavşaklar ve çapraz kavşaklar gibi. Merkez hattına dayanan algoritmalar mevcut yollara uyum sağlayamayacaktır.
Akıllı araba sisteminin işlem akışı Şekil 1'de gösterilmektedir. Kamera edinim modülü, görüntünün elde edilmesinden sorumludur.Görüntü açma ve kurutma gibi ön işlemlerden sonra, yol tipi tanıma için görüntü işleme modülüne gönderilir ve son olarak sonuç, yürütme kontrol modülüne çıkarılır. Vücut kontrolü yapın.
Geleneksel görüntü işlemede, görüntü işleme modülünün genellikle doğru bir merkez çizgisini geri beslemesi gerekir. Alım ekipmanının ve işlemcinin işlem hızı ile sınırlı olan yüksek hızlı akıllı araba sisteminde, sistemin bilgi işlemede belirli seçimler yapmasını gerektiren tüm durumları işlemek ve analiz etmek genellikle imkansızdır. Takip sisteminde, görüntü işleme modülünün her seferinde doğru bir yol merkez hattı sağlamasına gerek yoktur, ancak temelde aşağıdaki iki nedenden dolayı, yürütme kontrol modülüne basit ve esnek, yüksek hızlı konum ve tutum geri bildirimi sağlaması yeterlidir.
(1) Akıllı arabaların mekanik özellikleri, görüntü işleme sonuçlarını tam olarak yansıtamaz. Akıllı araba gerçek zamanlı bir kontrol takip sistemidir.Sistem, akıllı otomobilin direksiyon dişlisini veya motoru değiştirerek yüksek hızda hareket etmesini kontrol eder. Araç dinamiklerindeki belirli parametrelerin sürekli değişmesi nedeniyle (ön ve arka tekerleklerin viraj sertliği, araç gövdesinin atalet momenti, direksiyon dişlisinin sertliği ve motorun mekanik özellikleri gibi), hız ayar aralığı sınırlıdır ve ayar işlemi sorunsuz değildir, bu da kaçınılmaz olarak sınırlar Akıllı arabanın kontrol etkisi ile hataya her zaman akıllı arabanın tüm sürüş süreci eşlik eder.
(2) Akıllı araba kapalı döngü geri bildirim algoritması, belirli bir süre içinde anlık geribildirim titreşimini ortadan kaldırabilir. Kapalı döngü sistemi, kontrol edilen nesnenin çıktı geri bildirimine göre gerçek zamanlı düzeltme yapabilir.Gerçek ve plan arasındaki sapma ölçüldüğünde, hata miktarına göre gerçek zamanlı olarak düzeltilebilir.
Otomatik sürüş sürecinde, sensör tarafından izlenen yol durumu bilgisinin alınmasından kontrol sisteminin tepkisine kadar geçen süre ne kadar kısa olursa, otomatik sürüşün güvenlik faktörü o kadar yüksek olur. Bu nedenle, akıllı araba denetleyicisinin kontrol stratejisini optimize etmek gerekir. 5G teknolojisi, araç ağ sisteminin yanıt süresini büyük ölçüde artırarak saniyeden milisaniyeye çıkaracaktır.
1.2 Bulanık yön kontrol tasarımı
Bu sisteme dahil olan yol türleri, özel yol türleri ve temel yol türleri olarak ikiye ayrılır. Haç ve eğik çapraz yolun görüntüsü Şekil 2'de gösterilmektedir. Temel yol türünün merkez hattı net olduğundan ve geleneksel merkez hattı algoritmasıyla elde edilmesi daha kolay olduğundan, bulanık yön kontrolü esas olarak özel yol türleri içindir.Kontrol adımları aşağıdaki gibidir:
(1) Görüntüdeki yol türünü belirleyin ve yolun sol ve sağ taraflarında devriye gezme sürecinde bir sıçrama olup olmadığına karar verin.
Bunlar arasında xedge, görüntünün yeni satırının apsis xnew ile bir önceki satırın apsis xold arasındaki farkın mutlak değerini ifade eder.Farkın belirli bir eşikten büyük olması durumunda çizgi sürecinde bir sıçrama olduğu ve atlanan satır sayısının jy olduğu kabul edilir. . Bu adımdan sonra, yol başlangıçta özel bir yol türü olarak tanımlanabilir.
(2) Spesifik özel yol türleri, farklı özel yol türleri için değerlendirmelere yardımcı olarak belirlenebilir. Yargılamaya yardımcı olmanın birçok yolu vardır. Kesişen yollar için, sol ve sağ kenar çizgilerinin aynı anda atlayıp atlamadığı yargılanabilir ve bu, merkez çizgisi izleme algoritması ile elde edilebilir. Aşağıdakiler, yolun bir çapraz yol türü olup olmadığını belirlemek için hat üzerinde uzun beyaz bir şerit olup olmadığını atlamaktır.
Bunlar arasında Colsmax maksimum sütun sayısıdır, Cth sol ve sağ sınır hata fazlalığıdır, jy atlamaların meydana geldiği satır sayısıdır, iki basamaklı dizi görüntüsü görüntü verisidir, siyah noktalar "0" sayıları olarak depolanır ve beyaz noktalar sayı olarak saklanır " 1 ". Dizin karşılanırsa:
Şekil 2'deki yolun bir çapraz yol türü olma olasılığının daha yüksek olduğu ve bir sonraki adımın yol tipini doğru bir şekilde belirlemek için değerlendirilebileceği düşünülmektedir.
(3) Yol tipinin bir kesişme olduğuna karar verdikten sonra, çapraz yol tipi için, bulunması gereken bulanık merkez çizgisi, Şekil 2'deki yıldız işaretinde gösterildiği gibi, çapraz tipin üzerindeki yolun yan çizgiyi bulmasından sonra merkez çizgisi Merkez-Çapraz olarak tanımlanabilir. Ayrıca bulanık merkez çizgisinin boyutu akıllı arabanın sürüş etkisine göre değiştirilebilir.
Bunlar arasında, Merkez, yürütme kontrol modülüne gönderilen orta hat değeridir ve orta hat, orta hat ayarlama aralığıdır. Özel yolların bulanık kontrolünden sonra, akıllı arabalar çaprazlar, eğimli kavşaklar, döner kavşaklar, vb. Gibi özel yol türlerini geçtiklerinde, titreme ve araç gövdesi kayması önemli ölçüde azaltılır.Aşağıdaki özel deneyler, işleme etkisini test etmek için tasarlanmıştır.
2 Stabilite testi sonuçlarının analizi
Çok alanlı kararlı görüntü işlemenin sonuçlarında hata geri beslemesinin araç sürüş stabilitesi üzerindeki etkisini doğrulamak için, bu makale iki set tekrarlanan paralel deney tasarlamaktadır. Bu deneydeki yol ortamı şu şekildedir: yol uzunluğu 110 m, test hızı yaklaşık 2,3 m / s'dir ve yol türleri arasında düz yollar, virajlar, kavşaklar, kavşaklar vb. Bulunmaktadır. Deneyde, ana göstergeler merkez hat sapmasının derecesi ve yoldaki acele sayısıdır. Merkez hat izleme algoritmasına göre doğru olarak elde edilen merkez hattının test verileri Tablo 1'de gösterilmekte olup, bulanık merkez hat kontrolünün başlatılmasından sonraki test verileri Tablo 2'de gösterilmektedir.
Spesifik ölçüm yöntemi, görüntü işleme sonucuna merkez hattı hatası geri bildirimini eklemektir. Burada geri besleme hatası, farklı seviyelerin sapma derecesini belirler ve ölçüm yöntemi:
Sapma derecesi , hatanın görüntüdeki toplam satır sayısına oranını temsil eder ve hata, sapma miktarıdır. Sapma derecesinin büyüklüğünü değiştirin ve 20 testte akıllı arabanın yoldan kaç kez çıktığını kaydedin. Test sonuçları Tablo 1 ve Tablo 2'de gösterilmektedir.
Tablo 1'den görülebileceği gibi, akıllı otomobilin sürüşü sırasında az miktarda hata geri bildirimi eklenmesinin akıllı otomobilin dengeli sürüşünü etkilemeyeceği. Bu, akıllı araba algoritmalarının ve mekanik özelliklerin etkisi altında, akıllı arabaların hata geri bildirimi için belirli bir toleransa sahip olduğunu göstermektedir. Sapmanın mutlak değeri% 20'den fazla olduğunda, akıllı araba halihazırda ciddi bir titreme yaşamıştır.Bunun nedeni, akıllı araba sisteminin mevcut mekanik yapı ve algoritmaya bağlı olarak kritik bir kararlı duruma ulaşmış olmasıdır. Akıllı bir araba sisteminin yapısını iyileştirmek için, özelliklerinin veya parametrelerinin izin verilen karışıklık aralığı ne kadar büyükse, sağlamlığı o kadar iyidir.
Tablo 2'den, bulanık merkez hattı kontrolünün, akıllı araç sisteminin hata geri bildiriminin kontrolünü iyileştirmek için faydalı olduğu görülebilir. Aynı durumda, akıllı arabanın merkez hat geri bildirimindeki hataya rağmen, akıllı araba sistemi yol boyunca hala istikrarlı bir şekilde gidebilir. Bunun nedeni, akıllı araba tanıma algoritması tarafından çıkarılan bulanık merkez çizgisinin yalnızca akıllı arabanın yönünü yansıtmakla kalmayıp, aynı zamanda akıllı araba sisteminin "stabilite marjını" da arttırmasıdır. Hatalı merkez çizgisi veya diğer değişen faktörler durumunda, sistem hala kalır Beklenen performansı koruyabilir. Ek olarak, bulanık merkez hattının tanıtılmasından sonra, akıllı arabaların yol omuzlarına baskı yapma durumu büyük ölçüde azaldı ve bu, akıllı arabaların istikrarlı sürüşüne büyük yardımcı oldu.
Yukarıda tekrarlanan paralel deneyler, özel yol türlerini tanımlayarak bulanık merkez çizgisinin çıkarılmasının akıllı araç sisteminin sağlamlığını ve uyarlanabilirliğini iyileştirmede bariz avantajlara sahip olduğunu göstermektedir.
3 Sonuç
Bu makale, akıllı araba algoritmalarının ve araba gövdesi mekanik özelliklerinin akıllı araba sistemleri üzerindeki etkisini analiz ediyor ve merkez hattı geri bildirim ofsetinin akıllı araba çalışması üzerindeki etkisini deneylerle doğruluyor. Bu temelde, yolun merkez hattına dayanan mevcut algoritmanın iyileştirilmiş yöntemini hedefleyen akıllı araba, bilinmeyen yollarda istikrarlı ve yüksek hızda gidebilir ve sistem deneyini ve sürücüsüz aracın otomatik kontrolünü ve görsel hesaplama algoritmasının iyileştirilmesini iyileştirmek mümkündür. Önermek. Ek olarak, bu teknolojiyi insansız sürüş alanına uygulamak için, geniş bant genişliğine sahip, düşük gecikmeli bir örgü ağı gereklidir. 5G'nin 10 Gb / sn ağ iletim hızı, ultra yüksek bağlantı sayısı ve yüksek hassasiyetli konumlandırma yetenekleri, otonom sürüş alanında büyük bir potansiyel göstermesini sağlar.
Referanslar
Hu Haifeng, Shi Zhongke, Xu Dewen.Akıllı Otomobillerin Geliştirilmesi Araştırması Bilgisayar Uygulama Araştırması, 2004, 21 (6): 20-23.
Zhang Tao, Jiang Jingping, Xue Pengqian Konum Takip Sisteminde Bulanık Kontrol Uygulaması Araştırması Wuhan University of Technology (Information and Management Engineering Edition), 2007, 29 (10): 24-27.
Liu Tao, Lu Yong, Liu Lishuang.Akıllı Araç Yolu Tanıma ve Kontrol Performans İyileştirme Yöntemlerinin Araştırılması ve Uygulanması. Elektronik Teknoloji Uygulaması, 2016, 42 (1): 54-57.
Fang Xing Akıllı araba dinamik modelinin parametre tanımlama yöntemi üzerine araştırma Şangay: Şangay Jiaotong Üniversitesi, 2009.
yazar bilgileri:
Huang Junjia, Yu Zhixian, Chen Rui, Tang Xiaoyu
(Fizik ve Telekomünikasyon Mühendisliği Okulu, Güney Çin Normal Üniversitesi, Guangzhou 510006, Guangdong)
