基于模糊自适应PID算法的车辆稳定性控制

针对传统的模糊自适应PID算法在车辆稳定控制的应用中还存在控制精度不高的问题,本文设计了一种以RBF神经网络优化模糊自适应PID算法为基础的车辆稳定性控制模型。这一模型首先优化RBF神经网络算法隐含层的中心数目,这一优化过程主要是借助减聚类的方法进行。然后采用Logistic对其中心值进行精度的提升,最后采用改进RBF神经网络对模糊自适应PID控制算法进行改进,以达到更精确的控制。仿真实验结果发现,与PID算法相比,基于模糊自适应PID算法设计的这一车辆稳定性控制模型的控制精度更高,并且在车辆稳定性控制应用中具有更好的效果。