[發(fā)明專利]一種基于滑模神經(jīng)網(wǎng)絡(luò)的智能車軌跡跟蹤控制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711455768.8
• 申請(qǐng)日: 2017-12-28
• 公開（公告）號(hào): CN108227491B
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計(jì)）人: 鄭太雄;何招;楊新琴;李芳;黃帥;田云浪;汪濤
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04;G05D1/02;G05D1/12
• 代理公司: 重慶市恒信知識(shí)產(chǎn)權(quán)代理有限公司 50102
• 代理人: 劉小紅

本發(fā)明請(qǐng)求保護(hù)一種基于滑模神經(jīng)網(wǎng)絡(luò)的智能車軌跡跟蹤控制方法，用于智能車軌跡跟蹤控制的技術(shù)領(lǐng)域，以解決軌跡跟蹤過程中存在的穩(wěn)定性和控制精度的問題。該方法包括：設(shè)計(jì)一種基于滑模的軌跡跟蹤控制器，通過控制前輪轉(zhuǎn)角來實(shí)現(xiàn)橫向跟蹤控制，然后通過RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)償前輪轉(zhuǎn)角來提高軌跡跟蹤控制的精度，減小滑模的抖振現(xiàn)象。與現(xiàn)有技術(shù)相比，本發(fā)明在實(shí)現(xiàn)軌跡跟蹤的同時(shí)能極大地提高軌跡跟蹤控制的精度，減小滑模控制器的抖振現(xiàn)象，加強(qiáng)了控制器的穩(wěn)定性和魯棒性。

技術(shù)領(lǐng)域

本發(fā)明屬于智能車軌跡跟蹤控制技術(shù)領(lǐng)域，涉及一種基于滑模神經(jīng)網(wǎng)絡(luò)的智能車軌跡跟蹤控制方法。

背景技術(shù)

智能車在普通車輛的基礎(chǔ)上，集成了多種先進(jìn)的傳感器和控制器，并通過這些裝置實(shí)現(xiàn)人-車-路的智能信息交換，使智能車輛具有自主導(dǎo)航、自動(dòng)駕駛、自主循跡和自動(dòng)跟蹤等多項(xiàng)功能。它是未來車輛技術(shù)的主體發(fā)展方向，一直備受國(guó)防事業(yè)、汽車工業(yè)、高校和科研機(jī)構(gòu)的關(guān)注，智能車的發(fā)展對(duì)解決交通擁堵和事故，降低能源消耗都有極大的意義。軌跡跟蹤是實(shí)現(xiàn)無人駕駛的重要環(huán)節(jié)，它是對(duì)軌跡規(guī)劃器預(yù)先規(guī)劃或者給定的參考軌跡進(jìn)行跟蹤，并在跟蹤過程中保證車輛的安全性、舒適性和有效性，它是無人駕駛系統(tǒng)的基本問題之一。

目前各類的智能輔助駕駛系統(tǒng)中，都或多或少的涉及到了車輛的軌跡跟蹤控制技術(shù)，而橫向跟蹤控制技術(shù)對(duì)于研究軌跡跟蹤控制方法具有重要的意義，其實(shí)質(zhì)上是轉(zhuǎn)向控制，通過控制車輛的方向盤來實(shí)現(xiàn)不同工況下的自動(dòng)跟蹤。

智能車軌跡跟蹤的研究一直是一個(gè)熱點(diǎn)，同時(shí)也是一個(gè)難點(diǎn)。由于車輛是一個(gè)強(qiáng)非線性、高度耦合的復(fù)雜系統(tǒng)，而且車輛參數(shù)的不確定性和外界環(huán)境的干擾，因而很難建立精確的車輛動(dòng)力學(xué)模型，再加上行駛工況的復(fù)雜多變，這些無疑給車輛的軌跡跟蹤控制帶來了極大的困難。

文獻(xiàn)[1]較為全面的總結(jié)了智能車在軌跡跟蹤控制方面研究的相關(guān)成果。文獻(xiàn)[2]在郭孔輝院士提出的預(yù)瞄-跟隨理論的基礎(chǔ)上，建立了駕駛員最優(yōu)預(yù)瞄側(cè)向加速度模型和最優(yōu)曲率模型，來完成路徑跟蹤任務(wù)。郭烈等人[3]基于車輛運(yùn)動(dòng)學(xué)模型的反饋控制來實(shí)現(xiàn)在彎道上的變道跟蹤控制。文獻(xiàn)[4]提出了基于遺傳優(yōu)化的模糊控制算法，通過遺傳算法對(duì)橫向模糊控制器的隸屬度函數(shù)參數(shù)和控制規(guī)則優(yōu)化更新，通過仿真和實(shí)車進(jìn)行了驗(yàn)證；該方法在低速時(shí)跟蹤效果較好，當(dāng)車速較高時(shí)，車輛的橫向偏差會(huì)逐漸增大，導(dǎo)致控制效果變差。文獻(xiàn)[5]基于模型預(yù)測(cè)軌跡跟蹤控制方法，使用線性動(dòng)態(tài)化跟蹤誤差來預(yù)測(cè)未來的系統(tǒng)行為。但是當(dāng)存在較大的跟蹤誤差時(shí)，系統(tǒng)的魯棒性存在不足，自適應(yīng)性較差。文獻(xiàn)[6]討論了一種基于非奇異的快速終端滑模(NFTSM)的綜合動(dòng)力學(xué)控制算法，用于改善車輛臨界橫向運(yùn)動(dòng)的穩(wěn)定性；仿真結(jié)果表明該方法改善了橫擺角速度和側(cè)滑角控制器的瞬態(tài)響應(yīng)，但是滑模面存在抖振現(xiàn)象，影響了控制的精度。文獻(xiàn)[7]采用了基于六自由度的非線性模型設(shè)計(jì)了一種非奇異終端滑模控制器(NTSMC)，該方法的優(yōu)點(diǎn)是魯棒性較好，提高了抗干擾的能力；但是由于建立的數(shù)學(xué)模型比較復(fù)雜，所以在模型求解方面會(huì)增加運(yùn)算的負(fù)擔(dān)，實(shí)時(shí)性不能得到保證。

上述的控制方法都可以實(shí)現(xiàn)對(duì)參考軌跡的跟蹤，但是在軌跡跟蹤過程中存在精度不足的問題尚未解決，本發(fā)明的創(chuàng)新點(diǎn)在于：解決了軌跡跟蹤過程中存在的跟蹤誤差，提高了跟蹤的精度，減小了滑模控制器的抖振，保證了跟蹤控制器的魯棒性和抗干擾能力。

參考文獻(xiàn)：

[1]Czapla T,Wrona J.Technology Development of Military Applicationsof Unmanned Ground Vehicles[M]//Vision Based Systemsfor UAVApplications.Springer International Publishing,2013:293-309.

[2]Guo K,Fancher P S.Preview-follower method for modelling closed-loop vehicle directional control[J].1983.