重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (3): 36-45.doi: 10.3969/j.issn.1674-8425(z).2021.03.005

• “智能网联汽车”专栏 • 上一篇    下一篇

基于 RBF神经网络优化的无人驾驶车辆增量线性模型预测轨迹跟踪控制研究

肖宗鑫１，李晓杰１，肖宗烁２，张志文１，董小瑞１   

  1. １．中北大学 能源动力工程学院，太原 ０３００５１； ２．东北林业大学 经济管理学院，哈尔滨 １５００４０
  • 收稿日期:2020-07-05 出版日期:2021-04-07 发布日期:2021-04-07
  • 作者简介:肖宗鑫，女，硕士研究生，主要从事无人驾驶轨迹跟踪研究，Ｅ-ｍａｉｌ：ｘｘｉａｏｚｏｎｇｘｉｎ＠１６３．ｃｏｍ；通讯作者 李晓 杰，男，博士，讲师，主要从事汽车安全技术、汽车新能源技术研究，Ｅ-ｍａｉｌ：ｌｉｘｉａｏｊｉｅ１６＠ｎｕｃ．ｅｄｕ．ｃｎ。
  • 基金资助:
    山西省应用基础研究计划项目（２０１９０１Ｄ２１１２０８）；山西省高等学校科技创新项目（２０１９Ｌ０６０５）

  • Received:2020-07-05 Online:2021-04-07 Published:2021-04-07

PDF (PC)

309

赞

摘要： 研究了无人驾驶车辆的轨迹跟踪问题，基于 ＲＢＦ（径向基函数）神经网络的自适应 补偿和鲁棒控制分别设计了 ２种优化后的 ＩＬＴＶＭＰＣ（增量线性时变模型预测控制）轨迹跟踪 控制系统。建立了 ＩＬＴＶＭＰＣ轨迹跟踪控制器，利用 ＲＢＦ神经网络的局部逼近特性，设计了 ＲＢＦ自适应补偿控制器逼近模型的不精确部分；进而将逼近过程产生的误差作为外部干扰，设 计了 ＲＢＦ鲁棒优化控制器，从而对逼近误差予以抑制。应用 Ｌｙａｐｕｎｏｖ稳定性分析推导出隐含 层网络权值训练规则，证明了控制系统的稳定性。当行驶在良好路面时，与传统 ＩＬＴＶＭＰＣ相 比，ＲＢＦ补偿 －ＩＬＴＶＭＰＣ最大误差减小约 ３８．７３％；ＲＢＦ鲁棒 －ＩＬＴＶＭＰＣ最大误差减小约 ６８４２％。结果表明：ＲＢＦ鲁棒控制较 ＲＢＦ补偿控制可进一步提高 ＩＬＴＶＭＰＣ控制器的跟踪精 度，减轻车辆侧滑程度，提高车辆行驶稳定性。

关键词: 模型预测控制, ＲＢＦ神经网络, 补偿控制, 鲁棒控制, Ｌｙａｐｕｎｏｖ函数

中图分类号: 

  • U461.99