基于神经网络滑模的智能车辆横向控制

陈涛; 陈东

doi:10.13873/j.1000-9787(2017)05-0063-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于神经网络滑模的智能车辆横向控制

研究与探讨 | 更新时间：2025-09-11

- 基于神经网络滑模的智能车辆横向控制
- Lateral control of intelligent vehicle based on neural networks sliding mode
- 传感器与微系统 2017年36卷第5期页码：63-67
- 作者机构：
  
  湖南大学汽车车身先进设计制造国家重点试验室
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61540031）;湖南省自然科学基金资助项目（14J3055）;中国博士后科学基金资助项目（2014M552132）;国汽（北京）开放基金资助项目（20130303）;中美清洁能源项目（2014DFG71590-101）;中央高校基本科研业务费资助项目
- DOI：10.13873/j.1000-9787(2017)05-0063-05
  中图分类号： TP273;U463.6
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]陈涛,陈东.基于神经网络滑模的智能车辆横向控制[J].传感器与微系统,2017,36(05):63-67.

CHEN Tao, CHEN Dong. Lateral control of intelligent vehicle based on neural networks sliding mode[J]. 2017, 36(5): 63-67.
[1]陈涛,陈东.基于神经网络滑模的智能车辆横向控制[J].传感器与微系统,2017,36(05):63-67. DOI： 10.13873/j.1000-9787(2017)05-0063-05.

CHEN Tao, CHEN Dong. Lateral control of intelligent vehicle based on neural networks sliding mode[J]. 2017, 36(5): 63-67. DOI： 10.13873/j.1000-9787(2017)05-0063-05.

摘要

以智能车辆为研究对象

针对车辆模型存在高度非线性动态特性、参数不确定性以及行驶时受外部干扰较多导致控制精度不高、鲁棒性差等问题

提出了采用径向基函数（RBF）神经网络滑模控制方法。建立2自由度线性车辆模型和自由度非线性整车模型

在传统2自由度车辆控制模型状态方程的基础上推导出新的状态方程并以此设计了相应控制器。利用李雅普诺夫（Lyapunov）稳定性理论推导出神经网络的权

并证明控制系统的稳定性。仿真结果表明:与传统的滑模控制方法相比

该方法控制精度高

有较强的鲁棒性。

Abstract

The RBF neural networks sliding mode control method is proposed to solve the highly nonlinear dynamic characteristic and parametric uncertain properties of the intelligent vehicle model as well as the low control precision and poor robustness caused by massive external interference during driving. A two degrees of freedom（ DOF） linear vehicle model is built along with a seven DOF non-linear vehicle model. A new state equation is derived based on traditional state equation of the two DOF vehicle control method and the corresponding controller is designed. The Lyapunov stability theory is involved to derive the weights of the neural network and the stability of the control system is verified. Simulation results show that the proposed method has higher control precision and stronger robustness compared with the traditional sliding mode control method.

关键词

Keywords

references

多输入多输出系统的滑模控制器设计及其应用 [J]. 于驰,宫明龙. 东北大学学报(自然科学版) . 2012(04)

基于遗传优化的无人车横向模糊控制 [J]. 郭景华,胡平,李琳辉,王荣本,张明恒,郭烈. 机械工程学报 . 2012(06)

基于期望横摆角速度的视觉导航智能车辆横向控制 [J]. 王家恩,陈无畏,王檀彬,汪明磊,肖灵芝. 机械工程学报 . 2012(04)

智能车辆路径跟踪横向控制方法的研究 [J]. 赵熙俊,陈慧岩. 汽车工程 . 2011(05)

基于主动制动的车辆稳定性系统最优控制策略 [J]. 皮大伟,陈南,张丙军. 农业机械学报 . 2009(11)

智能车辆发展及其关键技术研究现状 [J]. 李舜酩,沈峘,毛建国,辛江慧,缪小东. 传感器与微系统 . 2009(01)

汽车系统动力学[M]. 机械工业出版社 , 喻凡,林逸编著, 2005

Adaptive sliding mode control of dynamic system using RBF neural network [J] . Juntao Fei,Hongfei Ding. Nonlinear Dynamics . 2012 (2)

Sliding‐mode control for automated lane guidance of heavy vehicle [J] . H. Imine,T. Madani. Int. J. Robust. Nonlinear Control . 2011 (1)

Automatic lateral control for unmanned vehicles via genetic algorithms [J] . E. Onieva,J.E. Naranjo,V. Milanés,J. Alonso,R. García,J. Pérez. Applied Soft Computing Journal . 2010 (1)

Tracking-error model-based predictive control for mobile robots in real time [J] . Robotics and Autonomous Systems . 2007 (6)

Controller design for vehicle stability enhancement [J] . Shuibo Zheng,Houjun Tang,Zhengzhi Han,Yong Zhang. Control Engineering Practice . 2005 (12)

浏览量

271

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于神经网络的坐姿下头部肩部姿态估计

基于滑模阻抗的双足机器人单腿柔顺性控制研究

基于扩张状态观测器的改进型积分滑模结构设计

3DoF模块化机械臂轨迹跟踪策略

基于滑模控制和广义预测控制的主从控制系统设计