基于神經(jīng)網(wǎng)絡(luò)下的車輛自動(dòng)控制系統(tǒng)決策算法分析研究

晉軍

（陜西汽車控股集團(tuán)有限公司 技術(shù)中心，西安 710200）

引言

車輛自動(dòng)控制系統(tǒng)是實(shí)現(xiàn)車輛穩(wěn)定性控制的重要裝置，在進(jìn)行車輛行駛穩(wěn)定性控制過(guò)程中，受到車輛行駛的環(huán)境因素以及車輛發(fā)動(dòng)機(jī)抖動(dòng)等因素的影響，導(dǎo)致車輛的穩(wěn)定性不好，需要進(jìn)行車輛自動(dòng)控制系統(tǒng)決策設(shè)計(jì)，結(jié)合車輛控制的參數(shù)優(yōu)化尋優(yōu)進(jìn)行車輛自動(dòng)控制系統(tǒng)決策睡，提高車輛控制的穩(wěn)定性，研究車輛自動(dòng)控制系統(tǒng)決策算法在車輛穩(wěn)定控制中具有重要意義[1]，相關(guān)的車輛自動(dòng)控制系統(tǒng)決策算法研究受到人們的極大關(guān)注。

對(duì)車輛自動(dòng)控制系統(tǒng)決策算法設(shè)計(jì)是建立在對(duì)車輛運(yùn)行參數(shù)的自動(dòng)尋優(yōu)基礎(chǔ)上，建立自適應(yīng)的反饋跟蹤融合控制模型[2]，采用參數(shù)量化融合跟蹤識(shí)別方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策，傳統(tǒng)方法中，對(duì)車輛自動(dòng)控制系統(tǒng)決策算法主要有空間增益算法、模糊PID控制算法和能量控制算法等[3]，傳統(tǒng)方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策存在計(jì)算開(kāi)銷較大和穩(wěn)定性不好的問(wèn)題。對(duì)此，本文提出基于神經(jīng)網(wǎng)絡(luò)下的車輛自動(dòng)控制系統(tǒng)決策算法。構(gòu)建車輛自動(dòng)控制系統(tǒng)的行駛動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)模型，以相位偏移和慣性轉(zhuǎn)矩為約束參量構(gòu)建車輛自動(dòng)控制系統(tǒng)模糊反饋誤差跟蹤融合控制律，采用模糊參數(shù)融合和自適應(yīng)參數(shù)調(diào)節(jié)方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策和模型預(yù)測(cè)，采用變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)控制的方法進(jìn)行車輛自動(dòng)控制系統(tǒng)的模糊決策構(gòu)造，建立車輛自動(dòng)控制系統(tǒng)決策的約束參數(shù)優(yōu)化模型，采用自適應(yīng)模糊跟蹤融合識(shí)別方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策的參數(shù)尋優(yōu)，實(shí)現(xiàn)車輛自動(dòng)控制系統(tǒng)的優(yōu)化決策控制。最后進(jìn)行仿真測(cè)試分析，得出有效性結(jié)論。

1 車輛自動(dòng)控制系統(tǒng)的被控對(duì)象及約束參量

1.1 車輛自動(dòng)控制系統(tǒng)的被控對(duì)象

為了實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)下的車輛自動(dòng)控制系統(tǒng)決策算法優(yōu)化設(shè)計(jì)，首先構(gòu)建車輛自動(dòng)控制系統(tǒng)決策的被控對(duì)象模型，采用縱向運(yùn)動(dòng)數(shù)學(xué)模型優(yōu)化方法建立車輛自動(dòng)控制系統(tǒng)的運(yùn)動(dòng)學(xué)模型和動(dòng)力學(xué)模型，采用模糊慣性融合跟蹤控制方法，進(jìn)行車輛自動(dòng)控制系統(tǒng)決策中被控參數(shù)分析[4]，通過(guò)模糊尋優(yōu)控制方法，進(jìn)行車輛自動(dòng)控制和參數(shù)尋優(yōu)，得到控制系統(tǒng)的總體結(jié)構(gòu)如圖1所示。

根據(jù)圖1所示的車輛控制系統(tǒng)的總體設(shè)計(jì)構(gòu)架，采用二維伺服系統(tǒng)控制模型[5]，構(gòu)建車輛自動(dòng)控制的運(yùn)動(dòng)方程、慣性導(dǎo)航動(dòng)力學(xué)方程，分別描述為：

用李雅普諾夫函數(shù)理論進(jìn)行車輛自動(dòng)控制過(guò)程中的參數(shù)自適應(yīng)調(diào)節(jié)，建立車輛自動(dòng)控制的模糊運(yùn)動(dòng)方程組，當(dāng)車輛自動(dòng)控制系統(tǒng)質(zhì)心加速度在鉛垂面內(nèi)，設(shè)計(jì)滑動(dòng)模態(tài)的慣性轉(zhuǎn)矩控制模型進(jìn)行自適應(yīng)尋優(yōu)[6]，得到車輛自動(dòng)控制的縱向運(yùn)動(dòng)數(shù)學(xué)模型描述為：

式中：

θ—車輛自動(dòng)控制系統(tǒng)質(zhì)心的擾動(dòng)方位角，表示車輛自動(dòng)控制法向量的夾角；

—滑動(dòng)模態(tài)的俯仰角，車輛自動(dòng)控制系統(tǒng)的縱軸（Ox1軸）與水平面（Oxy平面）間的夾角；

α—車輛的平穩(wěn)行駛的小擾動(dòng)偏移角；

—自適應(yīng)跟蹤速度；

—能量?jī)?yōu)化控制的誤差；

m—車輛自動(dòng)控制系統(tǒng)的質(zhì)量；

X,Y—作用在車輛自動(dòng)行駛過(guò)程中的渦流側(cè)向力；

Mz—俯仰力矩；

圖1 控制系統(tǒng)的總體結(jié)構(gòu)模型

Jz—車輛自動(dòng)控制系統(tǒng)繞體坐標(biāo)系各軸的轉(zhuǎn)動(dòng)慣量。

根據(jù)上述被控對(duì)象描述，進(jìn)行車輛優(yōu)化控制。

1.2 控制約束參量分析

以相位偏移和慣性轉(zhuǎn)矩為約束參量構(gòu)建車輛自動(dòng)控制系統(tǒng)模糊反饋誤差跟蹤融合控制律，采用模糊參數(shù)融合和自適應(yīng)參數(shù)調(diào)節(jié)方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策和模型預(yù)測(cè)[7]，模糊參數(shù)融合狀態(tài)下的運(yùn)動(dòng)學(xué)方程描述如下：

車輛控制的自動(dòng)跟蹤控制運(yùn)動(dòng)學(xué)模型：

車輛控制的偏航參數(shù)模型：

車輛自動(dòng)控制的模糊決策模型：

根據(jù)上述構(gòu)建的車輛自動(dòng)控制的縱向運(yùn)動(dòng)模進(jìn)行參數(shù)尋優(yōu)，根據(jù)車輛發(fā)動(dòng)機(jī)電氣比例閥的自身特性，結(jié)合車輛自動(dòng)控制的擾動(dòng)性進(jìn)行參數(shù)跟蹤，根據(jù)系統(tǒng)的位移量進(jìn)行參數(shù)尋優(yōu)[8]，得到車輛自適應(yīng)跟蹤控制模型描述為：

式中：

V—系統(tǒng)融合跟蹤的非線性特征量；

m—車輛自身的質(zhì)量；

h—慣性參數(shù)。

以此為控制約束變量，進(jìn)行擾動(dòng)性控制，提高車輛控制的穩(wěn)定性。

2 車輛自動(dòng)控制系統(tǒng)決策算法優(yōu)化

2.1 神經(jīng)網(wǎng)絡(luò)控制設(shè)計(jì)

采用模糊參數(shù)融合和自適應(yīng)參數(shù)調(diào)節(jié)方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策和模型預(yù)測(cè)，采用變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)控制的方法進(jìn)行車輛自動(dòng)控制系統(tǒng)的模糊決策構(gòu)造，變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)控制模型如圖2所示。

變結(jié)構(gòu)滑模的擴(kuò)張狀態(tài)觀測(cè)變量為VNa、Vk和VL，在神經(jīng)網(wǎng)絡(luò)控制模型的輸入層，分別輸入車輛自動(dòng)控制系統(tǒng)質(zhì)心的速度、標(biāo)準(zhǔn)平衡系數(shù)和慣性誤差[9]，結(jié)合平衡因子進(jìn)行車輛自動(dòng)控制和慣性調(diào)節(jié)，用αm、βm、αh、βh、αn和βn分別表示控制系統(tǒng)V的約束狀態(tài)參量，其定義如下：

根據(jù)上述定義，結(jié)合車輛自動(dòng)控制系統(tǒng)的平衡狀態(tài)模型，采用神經(jīng)網(wǎng)絡(luò)控制方法，得到自適應(yīng)加權(quán)控制函數(shù)為：

通過(guò)非線性自適應(yīng)控制方法，提高車輛自動(dòng)控制系統(tǒng)決策優(yōu)化能力。

2.2 控制決策算法實(shí)現(xiàn)

建立車輛自動(dòng)控制系統(tǒng)決策的約束參數(shù)優(yōu)化模型，采用自適應(yīng)模糊跟蹤融合識(shí)別方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策的參數(shù)尋優(yōu)，選擇自適應(yīng)模糊跟蹤控制律，進(jìn)行建立車輛自動(dòng)控制的參數(shù)尋優(yōu)[10]，得到車輛自動(dòng)控制的Lyapunov函數(shù)為：

采用3階非線性尋優(yōu)方法，進(jìn)行Lyapunov函數(shù)的自適應(yīng)尋優(yōu)，輸出為：

圖2 變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)控制模型

變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)控制的模糊參數(shù)融合輸出為：

采用自適應(yīng)模糊跟蹤融合識(shí)別方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策的參數(shù)尋優(yōu)，得到優(yōu)化控制自適應(yīng)律：

控制誤差滿足

綜上分析，實(shí)現(xiàn)行車輛自動(dòng)控制系統(tǒng)決策算法優(yōu)設(shè)計(jì)。

3 仿真實(shí)驗(yàn)與結(jié)果分析

通過(guò)仿真測(cè)試驗(yàn)證本文方法在實(shí)現(xiàn)車輛自動(dòng)控制和模糊決策中的應(yīng)用性能，進(jìn)行實(shí)驗(yàn)分析，假設(shè)車輛的行駛速度為80 km/h，跟蹤誤差控制在0.25 m，其它控制參數(shù)描述見(jiàn)表1。

根據(jù)上述仿真環(huán)境和參量設(shè)定，采用自適應(yīng)模糊跟蹤融合識(shí)別方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策的參數(shù)尋優(yōu)，得到控制約束參數(shù)分布如圖3所示。

根據(jù)圖3的控制參數(shù)分布，進(jìn)行車輛自動(dòng)控制系統(tǒng)決策，得到控制跟蹤曲線如圖4所示。

分析圖4得知，本文方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策的自適應(yīng)跟蹤性能較好，控制的魯棒性較強(qiáng)。

表1 車輛自動(dòng)控制的參數(shù)值

圖3 控制參數(shù)分布

圖4 控制跟蹤曲線

4 結(jié)語(yǔ)

本文提出基于神經(jīng)網(wǎng)絡(luò)下的車輛自動(dòng)控制系統(tǒng)決策算法。構(gòu)建車輛自動(dòng)控制系統(tǒng)的行駛動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)模型，以相位偏移和慣性轉(zhuǎn)矩為約束參量構(gòu)建車輛自動(dòng)控制系統(tǒng)模糊反饋誤差跟蹤融合控制律，采用模糊參數(shù)融合和自適應(yīng)參數(shù)調(diào)節(jié)方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策和模型預(yù)測(cè)，建立車輛自動(dòng)控制系統(tǒng)決策的約束參數(shù)優(yōu)化模型，采用自適應(yīng)模糊跟蹤融合識(shí)別方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策的參數(shù)尋優(yōu)，實(shí)現(xiàn)控制算法優(yōu)化。分析得知，本文方法進(jìn)行車輛自動(dòng)控制系統(tǒng)決策控制的自適應(yīng)性性較好，控制輸出的魯棒性較強(qiáng)，車輛穩(wěn)定跟蹤性能較好。