基于神经网络预测控制的车道保持控制模型

摘要：

针对车道保持智能辅助系统,设计了一种基于深度学习框架下的模型预测控制模型.首先,建立经典车辆动力学模型,分析汽车转向相关的轮胎横向速度、横向角速度与方向盘预测转向角变化规律;其次,基于Matlab平台模拟了某型汽车在随机工况下,汽车在不同的轮胎横向速度、横向角速度、偏航距离、相对偏航角下预测的方向偏航角变化规律;然后,提取汽车轮胎输入数据及方向盘的预测输出数据训练深度学习模型,得出车辆转向过程中轮胎与方向盘的工况参数预测值.仿真结果表明:神经网络模型预测的方向盘变化值在0.98°到-0.9°之间变化,且在1 s左右方向盘变化趋向于稳定.可见,在车道保持辅助过程中,利用深度神经网络预测的方向盘角度变化更趋平滑,更利于方向盘的操作.

关键词：深度学习、模型预测、车道保持、深度神经网络

所属期刊栏目：44

分类号：U467.1+4(汽车工程)

资助基金：湖南省教育厅科学研究项目20B200

在线出版日期：2023-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：44-52