资源描述：
《基于神经网络的智能车转向控制系统设计与实现》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第六届中国智能交通年会暨第七届国际节能与新能源汽车创新发展论坛优秀论文集(智能交通)基于神经网络的智能车转向控制系统设计与实现,,舒飞袁一徐友春,3(军事交通学院汽车工程系天津0161):,。摘要近年来智能车辆技术的发展受到人们的广泛关注转向控制技术是智能车辆研究的一个重要内容。本文主要通过构建转向控制的神经网络模型、设计了,,以有神经网络转向控制系统的机械硬件和软件部分并通过实车试验证明该系统可效地控制智能车辆的转向。:;;关键词智能车转向控制神经网络DesignandIn1PlentationofIntelligent
2、VehieleSteeringmeControlSysteBasedonNervalNetwormrk,,ShuFeiY晚an碳Xu丫,uehunutoengineerngDepartt,eaeotaryTransportaton,an,(AmobilEimenAdmyfMiliiTinji300161China)srae:eaoreanoreattentontoene-AbttInreeentyearspeoplpymdmiIntelligtV.-hieleteehnologySteeringeontrol15amajo
3、rproblemofIntelligentVehielere.,searehInthispaperaIntelligentVehielesteeringeontrolsysterm15designedbased,,-onNervalNetworkintheendthesysterm15testedbydriveringonroadandthea.nalysisforthetestingresult15showneywos:nteenteee;teerngeontro;ervaetoroeK川IlligVhilSilNlNw
4、kMdl智能车是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统。[1]它集中运用了计算机、现代传感、信息融合技术、通讯、人工智能及自主控制等技术,是典型的高新技术综合体。转向控制是智能车自主控制的关键技术,目标是控制汽车自动保持期望的行车。,C路线本文采用神经网络控制算法对智能车的转向进行控制通过以猎豹FAZo3oB军用越,、,野汽车作为试验平台完成了相应的机械设计硬件和软件设计最后通过相关的试验对该控制系统进行了验证。1转向控制算法分析汽车是个具有多输入、多输出、不确定性多干扰源的复杂非线性系统。由于输入
5、和干扰因,,,素对输出的关系相当复杂又是高阶非线性系统加之内部参数的不确定性致使为车辆系统108智能交通技术/、贾重选择合适的建模方式是一件十分困难的事。智能车是一个由传感器、控制机构和控制算法组成的智能体系统。其中控制算法对于智能车自主行驶的稳定性和流畅性起着关键作用。目前,国内外采用的车辆转向控制算法主要有PID(比例积分微分调节器)控制算法[2]最优控制算,,。法模糊控制算法拟人转向控制算法等吉林工业大学的研究人员分别利用PID控制算法和最优控制算法构建了转向的控制模,。,,型并进行了试验经过试验表明PID控制在直线
6、行驶时容易因超调而产生振荡导航稳定,,,性较差在S形路径切点处即使在3km/h的低速时也容易脱线说明简单的PID控制难以胜。,任智能车辆控制工作最优控制算法虽然可以解决PID控制算法的一些缺点但由于该方法,。:“进行了较多的简化使它在实际应用中受到较大限制例如角度偏差的输人范围限定在士5,。,之间这样就使得最优控制模型不能适应较大角度的转向控制另外最优控制器需要对执行,。机构进行系统辨识建模并且对于模型的准确性要求较高另外由于最优控制器适应的偏差,因此对输人的偏差角精度要求较高,。角范围较小从而提高了对传感器精度的要求实际
7、应用,,,中由于一般传感器精度不够执行机构动态响应能力不足使得最优控制器的优越性不能得,,川。到充分发挥当车辆速度较高时车辆就会逐渐振荡失稳,加利福尼亚大学的研究人员将模糊控制算法应用于车辆的转向控制中通过进行仿真研,,。究发现模糊控制算法的精度不高自适应能力有限而且容易产生振荡现象团在无人驾驶汽,,车中要求对转向进行精确的控制并且由于路面情况和车辆情况复杂多变所以要求控制算法,。必须具有很强自适应能力和自学习能力所以模糊控制算法并不能适应转向控制的要求拟人转向控制算法只采用通过机器视觉获得的偏差角和偏差距离作为控制系统的
8、输人参,,。数而没有把车速惯性离心力和方向盘当前转角位置等作为系统输入并且对于偏差角和距,。,离也没有严格的限制所以对转向控制的精确度不高另外该算法运算相对复杂占用系统资,。源相对过多影响了该算法性能的进一步的提高川、、、函数,神经网络由于其具有自学习自适应自组织逼近和大规模并行处理等能力因而目前已经广
