模糊神经网络在汽车稳定性控制中的应用

摘要

为满足车辆动力学控制日趋复杂的控制需求,亟待探索鲁棒性更强的非线性控制算法与之相适应。针对常规模糊控制存在隶属度函数无法随车辆行驶条件的变化而自动修改适应的缺陷,设计了模糊神经网络控制器。其利用神经网络的学习机制,可优化模糊隶属度函数与控制规则。在MATLAB/Simulink中建立了车辆稳定性控制系统模型,并利用联合仿真技术搭建了MATLAB/Simulink与Carsim的虚拟联合仿真平台,验证了控制算法的有效性。仿真结果表明,模糊神经网络控制器具有更强的自适应性与鲁棒性,更能适应复杂多变的车辆动力学控制。