线控转向系统的自适应神经网络滑模控制

摘要

传统滑模控制(SMC)方法应用到线控转向系统时,需要预先获取系统干扰的上界值,且系统干扰变化会导致转角控制稳定性变差。为了提高线控转向系统的车轮转角跟踪性能,提出了一种考虑系统干扰的自适应神经网络滑模控制(RBFSMC)方法。RBFSMC先采用径向基神经网络对系统的不确定性和电机力矩扰动进行实时估计,再结合传统滑模控制设计车轮转角控制器,以提高转角控制的自适应性和稳定性。Matlab/Simulink、CarSim对SMC和RBFSMC的联合仿真结果对比表明,在车辆维持转向、连续转向和单移线/双移线工况下,RBFSMC能更好地维持0°车轮转角和实现动态车轮转角快速稳定的跟踪,较SMC具有更好的转角响应和跟踪性能,说明RBFSMC比SMC具有更好的鲁棒性和稳定性。