基于满意度的多目标约束模糊控制规则库的建立及应用

本文针对难以建模的非线性系统,结合有关满意度优化理论,给出了基于模糊控制系统的多目标搜索规则库的方法,并利用所建立规则采用Mamdani算法来逼近控制问题的最优解。同时把该方法应用在具有强非线性特点的车辆自动驾驶问题上,通过对模糊控制规则的量化细分搜索出车辆自动驾驶的规则库。     

基于柔性演员-评论家算法的决策规划协同研究

为了解决基于常规深度强化学习(Deep Reinforcement Learning, DRL)的自动驾驶决策存在学习速度慢、安全性及合理性较差的问题,本文提出一种基于柔性演员-评论家(Soft Actor-Critic,SAC)算法的自动驾驶决策规划协同方法,并将SAC算法与基于规则的决策规划方法相结合设计自动驾驶决策规划协同智能体。结合自注意力机制(Self Attention Mechanism, SAM)和门控循环单元(Gate Recurrent Unit, GRU)构建预处理网络;根据规划模块的具体实现方式设计动作空间;运用信息反馈思想设计奖励函数,给智能体添加车辆行驶条件约束,并将轨迹信息传递给决策模块,实现决策规划的信息协同。在CARLA自动驾驶仿真平台中搭建交通场景对智能体进行训练,并在不同场景中将所提出的决策规划协同方法与常规的基于SAC算法的决策规划方法进行比较,结果表明,本文所设计的自动驾驶决策规划协同智能体学习速度提高了25.10%,由其决策结果生成的平均车速更高,车速变化率更小,更接近道路期望车速,路径长度与曲率变化率更小。     

基于粗糙集理论的模糊控制规则的获取方法

将粗糙集理论与模糊逻辑技术相结合，提出了一种通过测量数据来获取模糊控制规则的方法。基于MATLAB／SIMULINK环境及其模糊逻辑工具箱，并结合粗糙集数据分析软件ROSET—TA，应用MATLAB语言实现了粗糙-模糊控制器控制规则的自动获取．通过对一个典型的二阶系统的仿真和对比分析，验证了本方法的可行性和有效性．     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

预测型模糊控制列车自动运行系统方案及其仿真

提出了一种改进的预测型模糊控制列车自动运行系统方案，并用仿真方法验证了该方案的可行性，重点讨论了它的性能指标的隶属度函数和控制规则的选取问题。     

基于模糊控制的智能车辆自主行驶方法研究

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

一种基于RBF网络的模糊规则的动态生成算法

根据径向基函数(RBF)神经网络与T-S模糊系统内在的函数等价性，提出一种利用RBF网络快速自动生成模糊规则的方法。仿真结果表明该方法可以构成紧凑、高可靠性的模糊控制规则库，且具有相当快的收敛速度。     

基于Takagi_Sugeno型神经模糊控制系统仿真研究

提出了一种用神经网络实现基于Takagi-Sugeno型模糊系统结构，将神经网络的学习功能引入到模糊控制系统中，MATLAB下的仿真研究表明，通过自学习过程，模糊控制器的隶属函数得到自动修正，系统的动态性能得到了改善。     

����ģ�����Ƶ����ܳ���������ʻ�����о�

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

人工智能在汽车自动驾驶系统中的应用分析

以自动驾驶系统为代表的汽车智能化技术将对汽车产业生态变革产生重大影响。首先,分析了自动驾驶技术发展路线、发展现状及人工智能(Artificial Intelligence,AI)的应用领域,指出AI在自动驾驶应用中面临的挑战。然后,提出一种基于AI的车云协同自动驾驶系统架构,分析了基于AI的智能驾驶终端软硬件架构与基于大数据的自动驾驶云端空间架构;结合车端与云端的AI集成应用问题、信息数据交互方法与车云协同技术,讨论了人工智能在自动驾驶系统的主要应用。     

基于反馈线性化的船舶航向保持模糊自适应控制

针对诺宾（Norbin）非线性船舶模型,基于反馈线性化方法和由径向基函数（RBF）神经网络构建的模糊系统的逼近能力,提出了基于反馈线性化的船舶航向保持模糊自适应控制算法。运用泰勒级数展开的线性化技术,使模糊系统的所有参数均可实时调节,引入了鲁棒控制消除模糊逼近系统带来的误差,在李雅普诺夫稳定性理论的基础上导出了自适应控制率。该算法可以确保闭环系统渐近稳定,使系统的模型跟踪误差为0,优于传统的PID控制策略,具有良好的自适应能力。     

电动助力转向系统的神经模糊控制策略

介绍了汽车电动助力转向系统的组成、工作原理和神经网络模糊控制策略,设计开发了电动助力转向系统的电子控制单元．并通过仿真和EPS试验验证了系统模型和控制理论的正确性和可行性。     

基于联合仿真的四轮转向汽车控制策略研究

基于四轮转向技术和模糊控制理论,提出一种新的四轮转向汽车后轮转角控制策略,即比例前馈加模糊反馈。在ADAMS/car模块中建立四轮转向整车多体动力学模型,并基于Matlab/Simulink依据控制策略设计了四轮转向汽车控制系统,由ADAMS与Matlab的数据接口实现了控制系统与整车动力学模型联合,对四轮转向汽车进行典型行驶工况的联合仿真试验。仿真结果表明:所设计的后轮转角控制器能使车辆很好地跟随理想转向模型,提高了车辆的操纵稳定性。     

港口牵引车转向系统动态负荷传感技术

港口牵引车液压系统中的转向泵在发动机高速状态时的能量损失较大。通过分析负荷传感转向液压系统的组成和工作原理及动态方程,得出采用负荷传感转向液压系统比常规转向液压系统的能量损失小,并具有较好的系统稳定性。     

线控转向系统的神经网络模型与模糊控制

采用魔术公式表达的轮胎模型,建立线控转向系统非线性三自由度整车动力学模型,该模型在整个轮胎侧偏角范围内有效,反映轮胎侧偏角超过5°后轮胎侧偏力与轮胎侧偏角的非线性特性,并采用BP神经网络训练模型。转向传动比采用模糊控制。结果表明：采用BP神经网络训练模型较好的映射了输入与输出的非线性关系,采用转向传动比模糊控制算法得到转向传动比随车速的变化规律,可较好的实现低速转向灵敏和高速转向稳定的控制目标。     

横向运动学综合反馈EPS模糊滑模控制

针对电控助力转向EPS电机电流的跟随性以及震颤问题,建立汽车转向系模型,提出模糊滑模结构控制算法。考虑到横向运动学信息对驾驶员操纵特性的影响,运用反馈和模糊滑模控制思想,设计了权系数模糊,自动调整横向运动学综合反馈的EPS模糊滑模控制器。仿真结果显示：横向运动学综合反馈模糊滑模控制的EPS电机电流具有良好的跟随性、快速性,且电流的震颤现象基本消失,系统具有良好的鲁棒特性,同时汽车的横摆角速度以及侧偏角的峰值明显下降,提高了汽车的操纵稳定性。     

四轮转向汽车操纵稳定性研究

为了研究转向工况对四轮转向汽车操纵稳定性的影响,基于Matlab/Simulink建立四轮转向汽车前轮转角比例前馈加横摆角速度模糊PID反馈控制模型,通过与Trucksim车辆模型和Simulink控制模型联合仿真,分别在低速和中高速下进行方向盘角阶跃输入离线仿真和方向盘正弦角输入实时仿真试验,与前轮转向汽车在相同工况下侧向加速度、横摆角速度以及质心侧偏角的仿真结果进行对比分析。试验结果表明:四轮转向控制仿真结果优于前轮转向结果,搭建的四轮转向前轮转角比例前馈加横摆角速度模糊PID反馈控制策略,能提高汽车低速转向时的操纵轻便性和机动性以及中高速转向时的操纵稳定性。     

Intelligent Vehicle Human-Simulated Steering Characteristics Access and Control Strategy

As the traditional control algorithm is over-dependent on accurate vehicle model in intelligent vehicle steering control, a human-simulated intelligent control method is proposed based on experienced driver steering characteristics. Intelligent vehicle unmanned steering system dynamics model and the driver model are set up. Through experienced drivers’ trial run experiment, the analysis is mainly conducted on the double lanes condition. After the transformation of coordinates on global positioning system (GPS) derivative, the path information of local coordinates is accessed. The ideal driver steering path is obtained through fuzzy C-means clustering algorithm. The human-simulated intelligent controller is designed. Characteristic model is established according to the ideal and practical steering angle deviation and the deviation rate. Besides, the corresponding control rules and control modality set are designed. The joint simulation under CarSim joint/Simulink environment shows that the humanoid steering controller designed in this paper has better tracking performance than the model predictive control.     

双车道公路弯道驾驶轨迹跟踪模型

针对双车道公路弯道轨迹跟踪行为的瞬时多变性,及驾驶人模糊感知与主观决策能力导致的不确定性,通过分析驾驶人在前方弯道线形影响下的驾驶特性,引入转向驾驶行为控制因素,运用多目标模糊优选决策理论,研究了模糊性和主观性对轨迹跟踪行为的影响规律;基于灰色理论,利用主观与客观相结合的权重确定方法,建立了轨迹跟踪模型.选择5处曲线路段进行实地试验,通过试验结果与仿真结果的对比,验证了本文模型的有效性.研究结果表明:行驶轨迹弧长、横向力系数和轨迹侧向偏移是轨迹跟踪行为的控制因素;综合考虑主观与客观因素的权重确定方法,体现了驾驶人在模糊优选决策轨迹跟踪行为中的主观特性.      

基于模糊控制的智能车转向控制仿真研究

将模糊控制技术应用于智能车的转向控制中．对如何从摄像头采集的视频信号中提取出有效信息进行了探讨。然后依据摄像头获得的信号进行了模糊控制算法的研究。该控制算法改善了赛车弯道行驶性能．提高了赛车寻线的可靠性。