文献类型：期刊文章

作　　者：肖宗鑫[1] 李晓杰[1] 肖宗烁[2] 张志文[1] 董小瑞[1]

XIAO Zongxin;LI Xiaojie;XIAO Zongshuo;ZHANG Zhiwen;DONG Xiaorui(School of Energy and Power Engineering,The North University of China,Taiyuan 030051,China;College of Economics and Management Nefu,Northeast Forestry University,Harbin 150040,China)

机构地区：[1]中北大学能源动力工程学院,太原030051 [2]东北林业大学经济管理学院,哈尔滨150040

出　　处：《重庆理工大学学报（自然科学）》

基　　金：山西省应用基础研究计划项目(201901D211208);山西省高等学校科技创新项目(2019L0605)。

年　　份：2021

卷　　号：35

期　　号：3

起止页码：36-45

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

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。

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

分 类 号：U461.99]