基于动态网络结构优化的神经网络的自学习稳定性控制算法

为了解决稳定性控制算法的PID控制参数的自适应调整问题,并针对控制算法大多无自学习功能的现状,提出了SORBF(Self-Organizing Redial Basis Function)算法自适应优化PID控制参数,同时通过增长型算法和修剪型算法自适应优化神经网络结构,解决了初始设定的网络结构参数需要丰富的经验和大量的标定工作,并且网络结构无法自适应调整而导致网络泛化能力下降,冗余的神经元占用计算资源的问题。验证结果表明其具有很强的自学习功能,大量减少了标定时间,并控制横摆角速度实际值在参考值附近,更好地体现了驾驶员意图,在极限工况下控制误差减小,并更容易通过试验规范路径。