重庆理工大学学报2021，Vol.35Issue(3) ：36-45.DOI:10.3969/j.issn.1674-8425(z).2021.03.005

基于RBF神经网络优化的无人驾驶车辆增量线性模型预测轨迹跟踪控制研究

Research on Trajectory Tracking Control of Driverless Vehicles with Incremental Linear Model Predictive Based on RBF Neural Network Optimization

肖宗鑫 李晓杰 肖宗烁 张志文 董小瑞
重庆理工大学学报2021，Vol.35Issue(3) ：36-45.DOI:10.3969/j.issn.1674-8425(z).2021.03.005
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于RBF神经网络优化的无人驾驶车辆增量线性模型预测轨迹跟踪控制研究

Research on Trajectory Tracking Control of Driverless Vehicles with Incremental Linear Model Predictive Based on RBF Neural Network Optimization

肖宗鑫 1李晓杰 1肖宗烁 2张志文 1董小瑞1
扫码查看

作者信息

  • 1. 中北大学 能源动力工程学院,太原 030051
  • 2. 东北林业大学 经济管理学院,哈尔滨 150040
  • 折叠

摘要

研究了无人驾驶车辆的轨迹跟踪问题,基于RBF(径向基函数)神经网络的自适应补偿和鲁棒控制分别设计了2种优化后的ILTV-MPC(增量线性时变模型预测控制)轨迹跟踪控制系统.建立了ILTV-MPC轨迹跟踪控制器,利用RBF神经网络的局部逼近特性,设计了RBF自适应补偿控制器逼近模型的不精确部分;进而将逼近过程产生的误差作为外部干扰,设计了RBF鲁棒优化控制器,从而对逼近误差予以抑制.应用Lyapunov稳定性分析推导出隐含层网络权值训练规则,证明了控制系统的稳定性.当行驶在良好路面时,与传统ILTV-MPC相比,RBF补偿-ILTV-MPC最大误差减小约38.73％;RBF鲁棒-ILTV-MPC最大误差减小约68.42％.结果表明:RBF鲁棒控制较RBF补偿控制可进一步提高ILTV-MPC控制器的跟踪精度,减轻车辆侧滑程度,提高车辆行驶稳定性.

关键词

模型预测控制/RBF神经网络/补偿控制/鲁棒控制/Lyapunov函数

引用本文复制引用

基金项目

山西省应用基础研究计划项目(201901D211208)

山西省高等学校科技创新项目(2019L0605)

出版年

2021
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量5
参考文献量7
段落导航相关论文