基于神經(jīng)網(wǎng)絡及PID控制的車輛自適應巡航控制系統(tǒng)研究.pdf

1、車輛自適應巡航控制系統(tǒng)(ACC)是上個世紀70年代發(fā)展起來的一種先進輔助駕駛系統(tǒng)，其主要目的是減輕駕駛員駕駛疲勞、改善道路交通使用效率以及提高行車安全性。目前，行車安全、道路擁擠、能源短缺以及環(huán)境惡化等問題已經(jīng)引起了全球的重視，從而讓ACC系統(tǒng)的研究得到了各大企業(yè)以及研究機構的廣泛關注。
　　本文針對現(xiàn)存的ACC控制算法的優(yōu)缺點，主要研究了ACC系統(tǒng)安全間距策略、ACC系統(tǒng)的上層控制算法以及ACC系統(tǒng)的下層控制算法，并搭建了一個基

2、于Prescan以及羅技G27的駕駛員在環(huán)仿真實驗平臺，提出了一套具有一定適應性的ACC控制算法。論文的主要工作如下:
　　1)提出基于前車加速度的安全間距策略
　　現(xiàn)有的汽車安全間距策略很少有考慮前車加速度這一重要的參數(shù)，導致計算出來的安全間距與實際需要的安全間距存在一定的偏差。本文以考慮兩車相對速度的車間時距策略為基礎，考慮了前車加速度，建立了基于前車加速度的汽車安全間距策略。通過Matlab/Simulink的聯(lián)合仿真

3、，實現(xiàn)了對本文建立的安全間距策略的仿真驗證。結果表明，本文建立的安全間距策略能夠計算出更為精準的安全間距，從而兼顧道路交通安全以及交通效率，為下一章建立合理的ACC上層算法奠定了基礎。
　　2)建立了基于人工神經(jīng)網(wǎng)絡的ACC上層控制算法
　　本章基于美國NGSIM項目提供的跟馳數(shù)據(jù)，選擇后車速度vh、前車速度vp以及兩車實際間距sr與期望間距sfwd（由第二章建立的安全間距策略計算得到）之間的差se作為神經(jīng)網(wǎng)絡的輸入，后車加

4、速度αh作為網(wǎng)絡輸出（即三輸入單輸出）進行訓練BP神經(jīng)網(wǎng)絡，最后使用訓練好的BP神經(jīng)網(wǎng)絡預測五種常見行車狀況的期望加速度，仿真結果表明，本文搭建的基于神經(jīng)網(wǎng)絡的ACC上層控制算法具有一定的適應性，在跟馳、接近、緊急制動、換道插入以及換道駛出等行車狀況下能夠預測出較為準確的加速度，從而使前后車保持一個安全間距。
　　3)提出基于并行神經(jīng)網(wǎng)絡PID模型的ACC下層控制算法
　　針對現(xiàn)有ACC下層控制器需要精確的車輛模型、動態(tài)性能

5、差等問題，本文提出了基于并行神經(jīng)網(wǎng)絡PID模型的ACC下層控制算法，該算法不同于傳統(tǒng)的利用神經(jīng)網(wǎng)絡在運行中修正PID權值的串行神經(jīng)網(wǎng)絡PID算法，而是在直接使用神經(jīng)網(wǎng)絡的基礎之上再使用PID進行誤差消除，解決了原來的控制器對系統(tǒng)變化的辨識速度慢，動態(tài)性能差，調(diào)整緩慢等問題。
　　4)自主搭建出基于Prescan以及羅技G27的駕駛員在環(huán)仿真實驗平臺
　　針對現(xiàn)在主動安全算法進行實車驗證存在代價高、周期長以及危險性較大等問題，