分享到:

基于驾驶员行为的车道保持系统神经网络决策与控制

车道保持系统是汽车智能辅助驾驶系统的重要组成方面。其中,根据动态变化的道路环境和汽车自身方向动力学特性,实现在行驶车道内汽车方向自动控制是研究的焦点。论文仿照真实驾驶员的操纵行为,采用神经网络技术建立了车道保持系统的预期轨迹决策和跟随控制算法。首先,借鉴人工势场方法,提出行驶车道对车辆运动状态的惩罚函数神经网络模型及其安全性和易操纵性指标,实现理想预期行驶轨迹的动态决策。然后,以决策出的理想行驶轨迹为控制目标,采用模拟驾驶员运动控制行为的小脑模型神经网络,建立了汽车方向的神经网络自适应控制,实现了传统汽车方向PID控制器的控制参数在线整定。最终通过不同行驶路况和车速下的车道保持控制仿真验证了算法的有效性和可行性。论文的创新之处在于采用仿驾驶员行为的神经网络技术,实现了车道保持系统的预期轨迹动态决策和汽车方向PID控制器的控制参数在线自整定。在保证控制精度和自适应性的同时,也体现出与驾驶员行为良好的一致性,使得车道保持系统具有良好  (本文共94页) 本文目录 | 阅读全文>>

《华南理工大学学报(自然科学版)》2019年09期
华南理工大学学报(自然科学版)

基于深度学习的虚拟到现实车道保持控制

深度学习由于其强大的非线性拟合能力,已经被广泛应用于无人驾驶控制器训练领域.然而,由于其训练过程需要大量标注数据,耗费大量人力物力,且人为采集的数据很难覆盖危险工况,导致训练的模型泛化能力较差,影响了深度学习控制器的性能提升.本研究提出一种从虚拟世界采集样本...  (本文共8页) 阅读全文>>

《汽车工程》2012年05期
汽车工程

不确定和时滞扰动下的车道保持自校正滑模控制

针对车道保持控制中可能遇到的不确定性扰动和状态时滞问题,提出一种自校正滑模控制方法。该方法首先利用线性矩阵不等式理论给出积分型滑模面存在的充分条件,使系统在滑动模态下对于存在的不确定性扰动以及状态时滞具有完...  (本文共7页) 阅读全文>>