面向复杂曲率变化的智能车路径跟踪控制

摘要

针对智能车路径跟踪过程中对于复杂曲率变化工况适应能力弱的问题,提出了一种基于RBF神经网络补偿模型预测的控制方法。首先以3自由度智能车动力学模型作为预测模型,通过对线性时变方程分析后得到状态转移误差模型,利用RBF神经网络自适应补偿误差,保证控制的精确性,提高了路径跟踪准确性。最后,以中国智能汽车大赛比赛赛道为原型构建了包括直线路段、蛇行路段与双移线路段的复杂路径曲率变化工况,在半实车仿真平台上验证了高速环境下控制方法的路径跟踪效果。结果显示,最大轨迹跟踪误差在0.285 m范围内,并且侧向加速度最大为0.3299 m/s2,保证了路径跟踪的准确性与稳定性。