基于模糊神经网络的车辆跟驰建模与仿真研究

基于模糊神经网络的车辆跟驰建模与仿真研究

ID:4246007

大小:288.44 KB

页数:0页

时间:2017-11-30

基于模糊神经网络的车辆跟驰建模与仿真研究_第页
预览图正在加载中,预计需要20秒,请耐心等待
资源描述:

《基于模糊神经网络的车辆跟驰建模与仿真研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第卷第期北京工业大学学报年月叉多基于模糊神经网络的车辆跟驰建模与仿真研究李德慧,刘小明,荣建,胡江碧北京工业大学北京市交通工程重点实验室,北京摘要驾驶员在车辆跟驰过程中表现出来的模糊的、不确定性的行为特征,难以对驾驶员的行为进行精确的,、后车加速数学描述本文在以往跟驰模型基础上采用以实际间距与期望间距的比值和相对速度作为双输入度作为单输出的模糊神经网络建立数学模型结果表明,该网络能较好的反映一定道路条件下的跟驰行为关键词车辆跟驰驾驶行为模糊神经网络期望间距十一一一中图分类号文献标识码文章编号车辆跟驰模型探究单一车道上车辆跟驰状态理论川传统的车

2、辆跟驰模型从人车单元的运动和相互作用的层面上分析单车道交通流的特性通过求解跟驰方程,得出任意时刻车队中各车辆的速度、加速、、、、,、、度位置平均速度密度流量等参数传统的跟驰模型难以体现驾驶员的感知判断决策等生理和心理状态年,建立了个网络模型模拟驾驶行为由于输入变量和神经元的个数较多,网,一〔”络训练时间较长有一定的延迟贾洪飞等也利用神经网络的方法对车辆跟驰算法进行了改进目前,如何把定性控制经验融人控制中等问题还没有得到很好的解决卜“」为取得更好的控制效果,将神经网络和模糊逻辑融合起来,建立车辆跟驰决定的支持模型,通过综合处理驾驶员周围的各种影

3、响因素来产生可靠的信息帮助控制车辆模糊神经网络模型变量的选取、。十。经典模型的个参数为相对速度两车相对间距和后车速度由于对整个模型的影响不大,不能反映驾驶员实际的行为特征,故舍去就每个因素对驾驶行为的影响作了研究,〕,把跟驰间距作为主要的衡量指标为了反映驾驶员的期望特征加入驾驶员期望间距即参数’和如果,,以每个输入变量有个模糊集来算个输入变量的模糊状态空间将有个状态那么神经网络规则层则有个神经元节点,过于庞大,在进行训练的时候,计算量很大所以,采用将和反映距离方面的参数进行一体化,即,将作为一个参数,作为另一个输入网络输出为后车的加速度,,,

4、只与各驾驶员本身有关根据的研究驾驶员的期望跟驰时间车头时距故驾驶员期望跟驰间距为,,,,,式中为驾驶员期望跟驰时间为后车的车速因此只需要测出后车的速度即可获得驾驶员的期望间距,、、、、,本文的输入和输出变量的模糊集都取个分别代表正大正中零负中负大种类型的模糊集隶属度函数取常用的三角函数分布,,“。十的隶属度函数图如图所示收稿日期一一基金项目北京市教委基金项目资助霍英东教育基金资助作者简介李德慧一,男,山东德州人,博士生第期李德慧等基于模糊神经网络的车辆跟驰建模与仿真研究一,凡义冷以‘,义立一一··二一,。一价从图隶属度函数图根据驾驶员的驾驶经

5、验,如果驾驶员认为相对距离远大于自,己的期望距离而且两车的相对速度,以满足自,大,则驾驶员会以适当大的加速度行驶己的期望以这种类似方式实现模糊规则的定制模糊神经网络结构图,,在结构上输入分别为具有,个模糊集即可形成即个控制规则的,网控制器络结构如图所示可以看出它具有输入层、中间层、输出层的神经网络在功能,上该网络的三层节点严格对应于模糊逻辑控制的模糊化、规则推理和逆模糊个步,,骤的具有明确的模糊逻辑意义通过该方式把模糊逻辑的推理过程用神经网络实现首先,网,,图车辆跟驰模糊神经网络结构络输入变量为其次输入层节点的激活函数代表的恰为模糊变量的隶属

6、函数该层的权值二’和。公的不同意味着变化多端的隶属函数的形状和位置该层的输出代表的就是模糊化的结果隶属度再者,中间层是将模糊化得到的隶—,属度两两相乘的功能中间层的输出代表着模糊规则的规则强度将这些强度传递给下一层就可以进行逆模糊最后,输出层的各个权值代表了模糊规则,根据重心法的逆模糊方式,只要将他们作为权值与输入即规则强度加权求和,输出即为模糊控制的输出量输入输出关系为,一,,。梦梦·。,,。。丘分公盗卜「纷男‘”‘,’,,,艺盆工经过这样的从模糊逻辑到神经网络结构的映射和结合,即可将模糊逻辑的隶属函数的形状和位置,以及模糊规则转化成了神经

7、网络的权值,这样就可以利用神经网络的自学习,自适应能力来修正和优化他们,也就达到优化模糊逻辑控制的目的了仿真及结果分析样本数据的获取通过辆小车跟驰的方式获得,并在实验中有意设计前车加减速对后车驾驶员跟驰所产生的感知、判断和决策动作的影响利用的模糊逻辑和神经网络工具箱对所建立的跟驰算法进行仿真运算在神经网络工具箱中没有式和的激活函数可以调用,故需自己编写相应的子程序以供调用学习过程采用的学习率为,输入层激活函数分别采用自编程的激活函数,输出层激活函数采用线性函数,网络训练算法流程如图所示北京工业大学学报年图是网络训练目标误差一迭代次数图,其中设

8、定目标误差平方和。为,当目标函数误差小于就停止训练给定训练数据集,图为车辆跟驰仿真结果虚线为实际的变化曲计算实际的输出线,实线为仿真模拟的结果,既有车辆平稳跟驰阶段

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。