资源描述：
《智能车自主导航的神经网络转向控制算法》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、2007年8月装甲兵工程学院学报Aug.2007第21卷第4期JournalofAcademyofArmoredForceEngineeringVo.l21No.4文章编号:1672-1497(2007)04-0066-06智能车自主导航的神经网络转向控制算法卜建国徐友春戴书泉韩骏(军事交通学院汽车工程系,天津300161)摘要:针对智能车模型,提出了基于机器视觉的神经网络转向控制算法。该算法的输入为一张道路图的黑线位置值,输出为前轮转角。试验结果表明,这种算法能够很好地学习操作员给定的控制策略,具有较好的稳定性和鲁棒性。关键词:神经网络;智能车;横
2、向控制算法中图分类号:TP183文献标志码:ANeuralNetworkSteeringControlAlgorithmforAutonomousNavigationofVehicleBUJian-guoXUYou-chunDAIShu-quanHANJun(DepartmentofAutomobileEngineering,AcademyofMilitaryTransportation,Tianjin300161,China)Abstract:Aimingattheintelligentvehiclemode,lavision-basedneuralne
3、tworksteeringcontrolalgorithmforautonomousnavigationofvehicleisbroughtforwardinthispaper.Withtheinputofblack-linepositionvalueofaroadmap,thealgorithmoutputsthesteeringangleofthefrontwheels.Thetestindicatesthatthealgorithmcanlearnthecontroltacticoftheoperatorverywel,landhasbetterstabilit
4、yandrobustness.Keywords:neuralnetwork;intelligentvehicle;steeringcontrolalgorithm智能车是一个由传感器、控制机构和控制算1智能车控制模型设计思想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11车道模型设计主要有PID(比例积分微分调节器)、EPID(增强比机器视觉识别道路时,一般首先确定道路的车例微分积分调节器)、最优控制算法和模糊控制算道模型,然后通过图像处理得到车道参数。笔者所法等。PID控制算法在高速状态下稳定性较研究的智能车视野是一
5、有限梯形区域,如图1,梯形[1-2][3]差。最优控制算法虽然可以解决PID控制ABCD为有效视野,直线AB为检测的最前端,直线算法的一些缺点,但其不足在于进行了较多简化,DC为最后端,FI为最大预瞄距离,GI为检测盲区。在实际应用中受到较大限制。另外,最优控制器实验测得AB长度约为90cm,DC长度约为20cm,需要对执行机构进行系统辨识建模,并且对于模FI长度约为90cm,GI长度约为20cm。型的准确性和传感器精度要求较高。这些缺陷使对获得的图像首先进行二值化处理,然后在采得最优控制器不适用于智能车控制算法。为此,集到的图像中提取等距离的9行黑线位置,分别为笔者
6、提出一种基于机器视觉的BP神经网络控制A[0],A[1],,A[8],如图2所示。算法。收稿日期:2007-05-20作者简介:卜建国(1982-),男,湖南耒阳人,硕士研究生.第4期卜建国等:智能车自主导航的神经网络转向控制算法67取了不同的控制强度和控制方向。笔者据此设计了BP神经网络自主驾驶的转向控制模型,并试图采用数学模型表达出操作员的控制策略。其中状态18的控制策略保持原状态,是指汽车控制过程中保持前一时刻的控制策略。图1智能车视野示意图图2图像黑线位置示意图12智能车横向控制模型算法实现笔者研究的横向控制模型是在分析操作员控制车辆行为的基
7、础上,结合试验建立一组比较合理的训练样本,再用BP神经网络对控制策略进行学习,然后利用训练过的神经网络模拟操作员控制车辆。本算法是一种拟人控制算法,因此对输入数据精度要求不是很高,本模型输出的控制策略,不要求它在当前位置是最优的,只要满足方向正确、转向强度(转向角)合理即可。同时它符合人的驾驶行为,[2]即间断性的控制,其核心就是将控制周期内的车辆状态视为恒定不变,只要控制周期足够短,就可以很好地实现控制。再次,本算法具有很强的知识获取能力,就像驾驶员培训一样,只要训练样本充分,就可以训练出比较合格的驾驶员。最后,本算法无需系统精确的数学模型,学
