基于模糊神经网络的智能车辆避障方法研究

《基于模糊神经网络的智能车辆避障方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第53卷第4期农业装备与车辆工程2015年4月Vol．5第533卷第No．44期AGRICULTURALEQUIPMENT&VEHICLEENGINEERINGApril2015doi：10．3969／j．issn．1673－3142．2015．04．008基于模糊神经网络的智能车辆避障方法研究张桥（400074重庆市重庆交通大学机电与汽车工程学院）［摘要］基于Takagi-Sugeno(T-S)模型的模糊神经网络兼具有模糊逻辑推理能力和自学习训练的优点。将基于T-S模型的模糊神经网络的信息融合算法应用于智能车辆的安全避障控制中,提

2、高了车辆的避障控制精度。采用多个超声波和红外测距传感器探测障碍物的方位，信息经过模糊神经网络控制器融合后,实现了智能小车对障碍物和环境类型的识别以及安全避障控制。通过MATLAB仿真实验验证此方法能够使智能小车安全避障。［关键词］模糊神经网络；信息融合；避障；智能车辆［中图分类号］U495［文献标志码］A［文章编号］1673-3142(2015)04-0033-03IntelligentVehicleFuzzyNeuralNetwork－basedObstacleAvoidanceZhangQiao（SchoolofElectro－

3、MechanicalandVehicleEngineering，ChongqingJiaotongUniversity，Chongqing400074，China）［Abstract］ThefuzzyneuralnetworkbasedonTakagi－Sugeno（T－S）modelhastheadvantagesoffuzzylogicalreasoningabili-tyandself－learningtraining．Theinformationfusionalgorithmoffuzzyneuralnetworkbased

4、onT－Sisappliedtosafetyobstacleavoidancecontrolforthemodelofintelligentvehicle，andthevehiclecontrolaccuracyinobstacleavoidanceisimproved．Multi-pleultrasonicandinfraredrangesensorsareusedtodetectobstaclesorientation，aftertheinformationisintegratedbythefuzzyneuralnetworkc

5、ontroller，asmartcarcanidentifythetypesofobstaclesandtheenvironmentandachievesthesafetyofobstacleavoidancecontrol．MATLABsimulationresultsshowthatthismethodenablesthesmartcartoavoidobstaclessafely．［Keywords］fuzzyneuralnetwork；informationfusion；obstacleavoidance；intellige

6、ntvehicle0引言由于多传感器的冗余性和互补性提高了控制系统的可靠性，所以具有多传感器的智能车辆在实现多传感器信息融合是针对使用多个和/或多自主导航、智能避障等功能时的可靠性和精确度类传感器的一个系统这一特定问题而开展的一种都得到了很大提高。信息处理新方法，是利用计算机技术对按照时序由于多传感器采集的信息都具有一定程度的获得的若干传感器的观测信息在一定准则下加以不确定性，有时甚至是冲突的，此时就需要将这些自动分析、优化综合以完成所需的决策和估计任信息进行模糊化，经过推理融合后成为系统的输[1]务而进行的信息处理过程。20世纪7

7、0年代以入信号。模糊神经网络就是结合了模糊系统的模来，智能系统已经模拟了许多人类的相关功能，它糊逻辑推理能力和神经网络的自学习能力，大大们借助于计算机综合多传感器的数据来获得任意提高了系统对不确定性信息的融合处理能力，并单个传感器不可能获得的数据。目前，在天气预实时地做出决策控制。本文设计了基于T-S模型报、交通管制、战场态势估计、目标分类与跟踪等的模糊神经网络避障控制器，通过车身上安装的民用及军事领域中，多传感器数据融合技术得到6个超声波传感器和红外传感器来探测周围信了广泛的重视和应用。息，进行智能避障。与通过单个传感器进行避障相

8、近年来，多传感器信息融合技术被广泛地应比，基于T-S模型的模糊神经网络的避障控制更用于智能控制系统等领域。随着智能车辆对控制加安全、准确和快速。通过实验验证，此方法能够要求的日益提高，多传感器信息融合技术与智能实现智能车辆的安全避障。