一種基于模糊神經(jīng)網(wǎng)絡(luò)的智能車橫向控制方法.pdf

1、碩士學(xué)位論文一種基于模糊神經(jīng)網(wǎng)絡(luò)的智能車橫向控制方法AIateralcontrolmethodofinteUigentVehiclebasedonfhzzyneuralne押0rk學(xué)號(hào)：21222025完成日期：20150430大連理工大學(xué)DalianUniVers時(shí)ofTecllllology大連理工大學(xué)碩士學(xué)位論文摘要目前，智能車作為智能交通系統(tǒng)的重要組成部分，在車輛、交通、軍事等領(lǐng)域均得到了迅速的發(fā)展，被認(rèn)為是降低交通事故率、提高

2、交通運(yùn)輸效率的有效手段。本文以視覺導(dǎo)航式智能車為對(duì)象，對(duì)其動(dòng)力學(xué)建模、路徑跟蹤控制及交互仿真等核心技術(shù)開展重點(diǎn)研究。在動(dòng)力學(xué)建模方面，本文分別采用兩種方式建立車輛的動(dòng)力學(xué)模型。首先，對(duì)車輛模型進(jìn)行一系列的簡化，建立起三自由度的車輛動(dòng)力學(xué)數(shù)學(xué)模型，并同時(shí)建立車輛的橫向控制模型。其次，為了在更加真實(shí)的環(huán)境中驗(yàn)證本文所提出方法的有效性，本文采用多體動(dòng)力學(xué)仿真軟件再次建立車輛的動(dòng)力學(xué)模型，同時(shí)建立三維地形模型。最后構(gòu)建整個(gè)仿真環(huán)境。在該環(huán)境下能

3、夠與車輛進(jìn)行實(shí)時(shí)交互并能夠調(diào)整車輛的各種動(dòng)力學(xué)參數(shù)，提高了整個(gè)仿真過程的開放性以及擴(kuò)展性。在路徑跟蹤控制方面，考慮到模糊控制和神經(jīng)網(wǎng)絡(luò)的各自特點(diǎn)，本文將二者進(jìn)行結(jié)合，充分發(fā)揮模糊控制的邏輯推理能力以及神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和自調(diào)整能力?；谀：窠?jīng)網(wǎng)絡(luò)，本文建立了智能車橫向控制系統(tǒng)，該系統(tǒng)包括智能車模型，圖像處理模塊，偏差融合模塊以及模糊神經(jīng)網(wǎng)絡(luò)橫向控制器。其中圖像處理模塊主要是獲得智能車橫向偏差和方位偏差。偏差融合主要是考慮到輸入維數(shù)對(duì)橫向

4、控制器的影響，最終將融合后形成的綜合偏差及其變化率作為橫向控制器的輸入。在模糊神經(jīng)網(wǎng)絡(luò)橫向控制器建立方面，首先，根據(jù)實(shí)驗(yàn)數(shù)據(jù)采用模糊C一均值聚類方法確定網(wǎng)絡(luò)的初始結(jié)構(gòu)參數(shù)并進(jìn)行輸入空間的劃分，同時(shí)對(duì)網(wǎng)絡(luò)各層的功能進(jìn)行闡述，并確定網(wǎng)絡(luò)中所采用的隸屬函數(shù)。其次，采用誤差反向傳播算法對(duì)整個(gè)網(wǎng)絡(luò)中的參數(shù)進(jìn)行調(diào)整，最終使模糊神經(jīng)網(wǎng)絡(luò)的隸屬函數(shù)以及控制規(guī)則得到優(yōu)化。在仿真實(shí)驗(yàn)方面，本文分別進(jìn)行兩組仿真實(shí)驗(yàn)，分別對(duì)應(yīng)于車輛動(dòng)力學(xué)數(shù)學(xué)模型和車輛的多體動(dòng)

5、力學(xué)模型。在第一組仿真實(shí)驗(yàn)中，分別建立直線路徑工況以及多曲率復(fù)雜路徑工況，來驗(yàn)證本文提出的控制方法對(duì)路徑跟蹤的控制效果。仿真結(jié)果表明該控制方法具有良好的時(shí)效性、平順性以及魯棒性。該方法在調(diào)節(jié)時(shí)間以及超調(diào)量的調(diào)控方面要優(yōu)于純模糊控制方法。在第二組仿真實(shí)驗(yàn)中，本文建立了直線路徑工況以及圓弧路徑工況，同時(shí)建立高低起伏的三維地形環(huán)境。與第一組仿真實(shí)驗(yàn)相比，本次仿真具有高度逼真的仿真環(huán)境，在仿真中車輛能夠與路面環(huán)境產(chǎn)生真實(shí)的交互作用。仿真結(jié)果表明