基于神经网络的四轮转向车辆控制研究

车辆操纵稳定性是影响车辆主动安全性的重要因素，四轮转向控制可以提高车辆低速行驶时的灵活性，高速行驶时的稳定性，但是传统的四轮转向控制系统大多建立在经典控制理论的基础上，对实际车辆很难得到满意的控制效果，在考虑了轮胎非线性的双自由度车模型的基础上，建立了四轮转向车辆的神经网络正模型，并对其逆模型进行了辩识，用逆模型作控制器，使四轮转向车辆的质心侧偏角在高速行驶时基本保持为零，研究结果表明，该方法比定前后轮转向比控制法效果更好。     

车辆四轮转向系统的控制方法

系统地评述了车辆四轮转向系统的原理及其控制方法的发展,在此基础上指出四轮转向系统的研究必须以闭环综合评价为出发点,并与其它主动安全技术相结合才能真正达到实用阶段。     

车辆四轮转向系统的控制方法

系统地评述了车辆四轮转向系统的原理及其控制方法的发展,在上基础上指出四轮转向系统的研究必须以闭环综合评价为出发点,并与其它主动安全技术相结合才能真正达到实用阶段。     

四轮转向的模型预测控制研究

为了提高汽车转向时的操纵稳定性,在Matlab/Simulink建立一种模型预测仿真模型,通过控制质心侧偏角与横摆角速度的权重分配,实现不同车速工况下的转向性能要求。仿真结果表明:与横摆角速度反馈相比,采用模型预测控制的四轮转向系统在低速情况下能很好地跟踪理想横摆角速度,贴合前轮转向的驾驶习惯;在高速情况下质心侧偏角响应迅速且达到理想质心侧偏角,提高高速时的操纵稳定性。     

基于神经网络直接逆控制的交流伺服系统的仿真研究

提出了神经网络直接逆控制的一种策略，实现对神经网络控制器在的线自校正，仿真结果表明，伺服系统响庆快，精度高，无超调     

汽车线控四轮转向控制策略

基于转向传动比随汽车速度和方向盘转角而变化,提出了前轮控制、侧滑率反馈控制和侧滑率及加速度反馈控制三种前轮线控转向的稳定性控制策略,并进行了驾驶模拟器试验评价。结合后轮主动转向研究了分别采用前馈控制方式和反馈控制方式的线控四轮转向系统的转向控制策略,并将其与前轮线控转向和传统四轮转向系统进行了比较。仿真和模拟器试验验证了线控四轮转向系统能有效提高汽车的操纵稳定性。     

模型跟踪四轮主动转向汽车的H∞控制

将H∞优化控制理论应用于四轮主动转向汽车控制策略研究,在建立车辆转向理想跟踪模型的基础上,提出一种基于H∞模型跟踪技术的的四轮转向4W S汽车前后轮转角主动控制新方法,并对所设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证了基于H∞跟踪控制理论所设计的控制器可以适用于汽车的四轮转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的主动安全.     

非道路车辆全向电动底盘四轮差速转向模型

提出的全向电动底盘可以实现四轮独立驱动和独立转向。在Akermann-Jeantand两轮转向模型的基础上,对全向电动底盘四轮差速转向数学模型进行了研究。建立了四轮差速转向过程中四个车轮之间的角度关系和速度关系,解决了全向电动底盘四轮差速控制过程中的关键问题。利用所建立的四轮差速转向数学模型可实现全向电动底盘的四轮差速转向控制。由四轮差速转向模型可以看出,四轮差速转向逆相控制模式可使转弯半径减小一半,这对于提高全向电动底盘的灵活性和操控性具有非常重要的意义。     

基于四轮转向的自动垂直泊车转向控制器

通过分析四轮转向汽车在低速倒车过程中的运动学特性,运用几何算法估算该汽车垂直泊车的车位尺寸;在SIMULINK中搭建汽车的运动学模型并模拟自动垂直泊车的倒车环境模型;从总结专业驾驶员的泊车经验出发,结合模糊控制理论设计了自动垂直泊车转向控制器,并将转向控制器引入SIMULINK建立的系统中模拟垂直泊车过程;最后仿真验证了该垂直泊车策略的可行性。     

模型跟踪四轮主动转向汽车的H∞控制

将H∞优化控制理论应用于四轮主动转向汽车控制策略研究,在建立车辆转向理想跟踪模型的基础上,提出一种基于H∞模型跟踪技术的的四轮转向4WS汽车前后轮转角主动控制新方法,并对所设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证了基于H∞跟踪控制理论所设计的控制器可以适用于汽车的四轮转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的主动安全.     

四轮转向汽车的模型跟踪自适应控制

将模型跟踪自适应控制理论应用于四轮转向汽车控制策略研究,在建立车辆转向理想跟踪模型的基础上, 提出一种基于模型跟踪自适应控制技术的四轮转向,并对所设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证了基模型跟踪自适应控制理论所设计的控制器可以适用于汽车的四轮转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的操纵稳定性.     

电控电动四轮转向系统在现代汽车上的应用

简单介绍了电控电动四轮转向系统的组成和工作原理,详细阐述了电动电控四轮转向系统的控制模式、硬件构成及特点,并对其未来的发展趋势作了展望,     

基于最优控制的三自由度四轮转向研究

建立四轮转向的三自由度模型,采用最优控制理论求得最优反馈增益矩阵,最后应用MATLAB/Simulink软件建立模型进行仿真;在前轮角阶跃输入下,与传统的前轮转向和比例控制的四轮转向车辆进行对比分析;结果表明,所建立的三自由度车辆模型的横摆角速度能够很快达到稳态值;质心侧偏角和侧倾角基本保持为零;降低了驾驶员的驾驶疲劳程度并且提高了行驶安全性和操纵稳定性。     

单级倒立摆系统的神经网络逆模控制

给出了单级倒立摆的一种神经网络逆模控制方案。首先，采用PD控制器控制倒立摆，采集倒立摆的输入输出数据；然后，以这些数据为基础训练倒立摆的神经网络逆模型；再采用比例控制器与逆模型串联构成逆模控制器。整体结构上单级倒立摆系统是一种闭环的逆模控制结构。仿真结果表明，所采用的神经网络逆模控制比传统的PD控制具有更短的调节时间和更小的超调，能更好地实现倒立摆的稳定控制。     

Research on Vehicle Control Technology Using Four-Wheel Independent Steering System

In recent years,the vehicle stability has beenstudied with strong interest in four-wheel steeringtechnology[1].Along withthe further research,someproblems of four-wheel steering became obvious.Be-cause the deduction of the vehicle turning mathemati-cal model is always on the basis of bicycle model,whichleads to both rear wheel steering angles are thesame while vehicle steering[2,3].Evenif the actuatorfor rear wheel steering just drives a tie rod linkage,the designfor thislinkageis rather diffi…     

基于改进最近邻聚类的机械手神经网络逆控制

机械手具有非线性时变、多变量、强耦合的特性,在机械手系统可逆的基础上,设计一种机械手的神经网络逆控制方案。通过神经网络逆辨识建立机械手的神经网络逆模型,把神经网络逆模型作为控制器模型与原机械手串联,构成一个伪线性动态模型,把非线性问题转化为线性问题。其中,辨识器和控制器均采用RBF神经网络结构,网络学习采用具有在线学习功能的最近邻聚类学习算法。仿真结果验证了本方案的有效性和可行性。     

神经网络自适应逆控制的仿真研究

将神经网络引入逆控制,提出了一种基于神经网络的自适应逆控制。该控制结构主要有两个子神经网络组成,其中一个用于对系统进行辨识,另一个子网络实现对模型的逆作为控制器,从而构成自适应的逆控制。将其应用于热工系统中并进行大量仿真研究,结果表明针对不同的热工对象,该控制系统都能有效的克服扰动,适应环境及参数的变化,表现出良好的鲁棒性和控制精度。     

具有重构功能的基于RBF神经网络直接自适应飞控系统

反馈线性化方法鲁棒性研究一直是近些年来的研究热点。针对基于反馈线性化方法的鲁棒控制，提出了一种将反馈线性化和RBF神经网络直接自适应控制相结合的综合控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。该方法应用于某型号飞机舵面故障状态仿真，结果表明RBF神经网络自适应控制方法补偿作用显著，相当于系统具有一定的重构功能。     

逆系统方法在飞行器直接侧力控制中的应用

根据逆系统的多输入多输出控制理论,包括多输入多输出系统逆的算法、反馈线性化控制律设计、状态可解耦条件,设计某飞行器直接侧力控制系统。计算机仿真表明,逆系统方法解耦能精确地实现运动模式,为解决直接侧力控制问题提供一种新的技术途径。     

A Direct Feedback Control Based on Fuzzy Recurrent Neural Network

A direct feedback control system based on fuzzy-recurrent neural network is prosed, and a method of training weights of fuzzy-recurrent neural network was designed by applying modified contract mapping genetic algorithm. Computer simulation results indicate that fuzzy-recurrent neural network controller has perfect dynamic and static performances .