融合LSTM与模糊控制的智能车辆横摆稳定性控制研究

运动控制作为智能驾驶车辆的核心研究领域之一,单独的纵向控制和横向控制已经无法满足多变的道路条件要求,所以需要在考虑车辆行驶稳定性的前提下设计综合的控制策略。为了提高智能车辆在复杂条件下的稳定性,提出了一种将LSTM网络与模糊控制相结合的智能车辆横摆稳定性控制策略。通过训练LSTM完成车辆参数之间的非线性映射关系,使状态预测输出尽可能接近实际值。为了保证控制系统的实时性,利用LSTM网络通过已知车辆状态对车辆下一时刻的状态进行预测,通过预测状态对车辆的稳定性进行估计。当车辆处于不稳定状态时,以质心滑移角和横摆角速度为优化约束,采用基于模糊规则的自适应控制策略将车辆的状态误差估计转化为控制变量。仿真实验验证了所提出的控制策略能够保证复杂工况下的路径跟踪精度,提高车辆的稳定性。