针对自动驾驶车辆纵向运动的非线性、时变以及不确定性等特性,设计了一种基于粒子群优化(Particle Swarm Optimization,PSO)的径向基神经网络(Radial Basis Function Neural Network,RBFNN)比例积分微分(Proportional Integral Derivati...针对自动驾驶车辆纵向运动的非线性、时变以及不确定性等特性,设计了一种基于粒子群优化(Particle Swarm Optimization,PSO)的径向基神经网络(Radial Basis Function Neural Network,RBFNN)比例积分微分(Proportional Integral Derivative, PID)控制器,RBFNN与PID控制相结合自适应调整PID参数;针对RBFNN和PID的初始参数选择不当会使模型产生超调甚至失稳等问题,采用PSO同时离线优化RBFNN和PID的初始参数,智能选取合理参数;通过在Matlab/Simulink中搭建闭环自适应控制系统模型,新欧洲驾驶循环工况下比较PSO-RBFNN-PID, RBFNN-PID, PID三种控制器的精度和稳定性。仿真结果表明,提出的方法具有更好的控制精度和稳定性,能够很好地实现纵向跟踪控制。展开更多
