基于模糊神经网络的汽车路径跟踪问题

基于模糊神经网络的汽车路径跟踪问题

ID:5883149

大小:52.50 KB

页数:3页

时间:2017-12-27

基于模糊神经网络的汽车路径跟踪问题_第1页
基于模糊神经网络的汽车路径跟踪问题_第2页
基于模糊神经网络的汽车路径跟踪问题_第3页
资源描述:

《基于模糊神经网络的汽车路径跟踪问题》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、基于模糊神经网络的汽车路径跟踪问题张华指导教师贾新春教授学科专业控制工程研究方向汽车控制培养单位数学科学学院目录中文摘要IAbstractII第0章引言1第一章驾驶员驾驶过程控制行为分析21.1驾驶员驾驶过程理论分析21.2驾驶员模型2第二章模糊控制驾驶员模型建立42.1模糊控制相关理论42.2模糊控制驾驶员模型建立4第三章神经网络驾驶员模型建立53.1神经网络相关理论53.2神经网络驾驶员模型5第四章模糊神经网络驾驶员模型54.1基于Takagi-Sugeno模型的模糊神经网络介绍44.2模糊神经网络驾驶员模型建立4第五章仿真分析55.1模糊控制驾驶员模型的仿真55.2神经网

2、络驾驶员模型的仿真54.3模糊神经网络驾驶员模型的仿真5第六章结论5参考文献6研究成果7致谢8个人简况及联系方式9承诺书10学位论文使用授权声明11中文摘要驾驶员汽车方向控制模型在智能汽车控制与人一车一路闭环系统的研究中具有非常重要的地位。本文通过对驾驶员驾驶过程控制行为的分析,得到驾驶员操纵汽车主要是通过以下三个环节完成,即外部信息的感知、行驶轨迹的决策和实际的汽车操纵。在此基础上,结合模糊控制的相关知识,首先建立了简单的模糊控制驾驶员模型,通过仿真试验,将其结果与“预瞄最优曲率模型”驾驶员模型对比,同时分析了预瞄时间长短对模型特性的影响;其次,依据BP神经网络的相关知识,建

3、立了神经网络驾驶员模型,在仿真过程中,也同“预瞄最优曲率模型”驾驶员模型对比,通过比较得到神经网络模型中的各种为简化模型而做出的假设是合理的,并且通过大量数据的训练,使网络具有了自学习性。最后,通过对模糊神经网络Takagi-Sugeno模型的了解,在此基础上建立了模糊神经网络驾驶员模型,将不具有知识获取与学习能力的模糊控制器进行神经网络式的改造,通过这样的改造来弥补模糊控制器在其自身推理以外的控制弊端。通过试验说明模糊神经网络控制具有更好的路径跟踪效果。关键词:驾驶员模型;模糊控制;神经网络;模糊一神经网络Keywords:drivermodel;fuzzycontrol;n

4、euralnetworks;fuzzy—neuralnetworks

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。