一种智能汽车可变车速下分层式自学习可拓神经网络车道保持控制方法

摘要

本发明公开了一种智能汽车可变车速下分层式自学习可拓神经网络车道保持控方法，主要包括如下步骤：步骤S1，建立三自由度动力学模型，以及预瞄偏差表达式；步骤S2，车道线拟合计算；步骤S3，设计上层径向基(RBF)神经网络系统；步骤S4，设计下层速度可拓控制器；步骤S5，设计下层偏差跟踪可拓控制器；包括：S5.1，下层偏差跟踪可拓特征量提取和域界划分；S5.2，计算下层可拓控制器关联函数；S5.3，下层测度模式识别；S5.4，根据测度模式，下层控制器输出前轮转角。本发明根据神经网络对已有数据库的学习训练，可以指导下层控制器动态调整控制参数和约束域界，使得车辆在复杂混合工况下能更好的收敛到期望值，提高车辆变速车道保持控制精度。