基于径向基神经网络的主动前轮转向自抗扰控制

摘要

为研究复杂环境下车辆主动前轮转向系统(active front wheel steering,AFS)的稳定性问题,提出一种基于径向基神经网络(radial basis function neural network,RBFNN)的主动前轮转向自抗扰控制(auto disturbance rejection control,ADRC)方法,通过设计RBF神经网络结构采用梯度下降法达到自抗扰控制器参数整定的目的,改善ADRC参数多整定耗时且控制效果难以保持最优的不足;针对车辆AFS定传动比的不足,设计固定横摆角速度增益的理想变传动比规则.结果表明,基于RBF神经网络的ADRC策略能够较好地实现动态跟踪主动前轮转向理想横摆角速度,同时相比ADRC抗干扰量提高了25.8％,有效抑制了横摆角速度的振荡幅值.可见该方法提高了理想横摆角速度的跟踪能力,改善了车辆的可控性和稳定性并具有良好的控制精度.