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

• 作者: 肖宗鑫 李晓杰 肖宗烁 张志文 董小瑞
• 来源期刊: 重庆理工大学学报（自然科学版）
• 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
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 智能网联汽车专栏
• 页码范围: 36-45
• 页数: 10页
• 分类号: U461.99
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2021.03.005

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.