基于脉冲神经网络的智能小车的自动避障系统研究

为了提高智能小车自动避障控制的精度,本文提出了一种基于脉冲神经网络(SNN)的避障控制模型。该神经网络采用泊松编码方式,使网络模型不仅具有更明确的生物意义,还具有强大的计算能力。本文针对全连接网络结构导致计算量大的问题提出了一种基于STDP规则的稀疏概率连接网络结构,通过实验验证,该结构有效地减少了网络的训练时间,同时还提高了算法的效率和准确率。采用多个超声波传感器探测障碍物的方位,信息经过脉冲神经网络处理后,实现了智能小车对障碍物的安全避障控制。考虑小车与障碍物和目标点的距离、角度以及小车的行驶速度等多种路况,该模型采用灰色关联分析法选取相似路况进行模拟验证。本文分别对基于SNN、支持向量机(SVM)和BP人工神经网络(BP-ANN)的控制模型进行测试和评估。实验结果表明:SNN避障控制模型相比于其他模型有更高的控制精度和适用性,为智能车辆的开发避障控制算法提供了一定的理论依据和应用价值。