汽车四轮转向非线性系统的神经网络控制

考虑了轮胎的非线性特性 ,引入MagicFormula建立汽车非线性力学模型 ,利用前向BP神经网络来辨识该非线性模型 ,并利用另一个神经网络进行PID参数的整定 ,进行离散控制系统和控制算法的设计 。

汽车四轮转向非线性模型的神经网络控制

当侧偏角在 12°～ 16°之间时 ,线性模型与非线性模型的差别较大 ,因此文中考虑了轮胎的非线性特性 ,引入Magic公式以建立汽车非线性模型。已经证明人工神经网络可以任意的精度逼近任意的非线性数学模型 ,因此很适合用来辨识Magic公式。采用一个四层BP神经网络来辨识该非线性模型 ,其输入、输出层分别有 4个和 3个神经元 ,第一、第二隐层分别有 10个和 8个神经元 ,其辨识效果还是不错的。在神经网络辨识的基础上 ,设计 4WS汽车的离散控制系统 ,该系统采用负反馈控制 ,并采用PID作为控制器 ,以便达到侧偏角为零的控制目标。车速是影响汽车稳定性的关键因素 ,计算 80km/h、10 0km/h和 12 0km/h时的侧偏角和横摆角速度 ,80km/h和 10 0km/h时的侧偏角接近于零 ,并且远小于12 0km/h的侧偏角 ,横摆角速度也类似。仿真结果表明 ,随着车速的增加汽车稳定性是逐步下降的 ,控制系统达到了预先的控制目标 。