自動(dòng)巡航汽車(chē)自適應(yīng)逆控制的建模與仿真

李世一　解淑英　杜紹研

摘 要： 研究神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)的自適應(yīng)建模和逆建模策略用于非線性的自動(dòng)巡航系統(tǒng)的控制及可行性。通過(guò)對(duì)自適應(yīng)逆控制方法與現(xiàn)行的反饋控制、模糊控制、PID控制進(jìn)行對(duì)比，并在有干擾的情況下系統(tǒng)需要一定的收斂時(shí)間，通過(guò)運(yùn)用Matlab軟件進(jìn)行仿真。根據(jù)仿真結(jié)果分析，當(dāng)對(duì)象輸出沒(méi)有受到干擾時(shí)，其在線辨識(shí)對(duì)象模型和逆模型有十分好的效果；當(dāng)對(duì)象輸出存在一些干擾時(shí)，由于干擾的存在，需要一段時(shí)間來(lái)將兩個(gè)辨識(shí)模型收斂。因此，基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

關(guān)鍵詞： 自動(dòng)巡航汽車(chē)； 自適應(yīng)逆控制； 神經(jīng)網(wǎng)絡(luò)； 非線性系統(tǒng)

中圖分類(lèi)號(hào)： TN911?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）06?0019?02

由測(cè)速裝置、轉(zhuǎn)向角傳感器、車(chē)速傳感器等部件組成的巡航控制系統(tǒng)是現(xiàn)今的汽車(chē)巡航控制系統(tǒng)的主體部分，自動(dòng)巡航控制系統(tǒng)的研究是近些年來(lái)國(guó)內(nèi)外研究的主要方向。當(dāng)?shù)缆非闆r良好時(shí)，該系統(tǒng)就與普通的巡航系統(tǒng)大致相同；當(dāng)行駛的汽車(chē)速度較高或者是行駛過(guò)程中與前一輛車(chē)之間的距離較近時(shí)，通過(guò)感應(yīng)，系統(tǒng)就會(huì)適當(dāng)減速，以避免追尾事件[1]。國(guó)內(nèi)有多所高校和科研單位已經(jīng)開(kāi)始從事汽車(chē)自動(dòng)巡航控制系統(tǒng)的研究[2?4]。目前，汽車(chē)自動(dòng)巡航控制系統(tǒng)的控制策略有多種，其主要有PID調(diào)節(jié)方式、自適應(yīng)控制、模糊控制等。汽車(chē)巡航控制系統(tǒng)中的模糊控制器不需要精確的數(shù)字，也不需要精準(zhǔn)的數(shù)學(xué)模型，其數(shù)據(jù)主要來(lái)源于該汽車(chē)設(shè)定的車(chē)速與實(shí)際車(chē)速的偏差和變化率，因此該系統(tǒng)的確定就使得其規(guī)則和隸屬函數(shù)不能隨外界參數(shù)的變化而進(jìn)行調(diào)整。

1 自適應(yīng)逆控制與現(xiàn)行控制技術(shù)比較

自適應(yīng)逆控制[5]是通過(guò)運(yùn)用自適應(yīng)濾波方法來(lái)辨別被控對(duì)象的逆模型來(lái)實(shí)現(xiàn)精確控制的。通過(guò)該對(duì)象本身傳遞函數(shù)的逆（控制器）來(lái)驅(qū)動(dòng)對(duì)象，并以此來(lái)控制對(duì)象的動(dòng)態(tài)性能，是一種前饋控制。傳統(tǒng)的反饋和自適應(yīng)控制中針對(duì)噪聲和擾動(dòng)的控制都是通過(guò)從輸出到輸入的負(fù)反饋，設(shè)計(jì)中只能在擾動(dòng)消除和系統(tǒng)動(dòng)態(tài)特性之間進(jìn)行折中。但對(duì)于自適應(yīng)逆控制而言，對(duì)擾動(dòng)的控制和對(duì)象動(dòng)態(tài)特性的控制是兩個(gè)單獨(dú)的單元，可以互不干擾。模糊控制，即通過(guò)運(yùn)用模糊數(shù)學(xué)，系統(tǒng)性的模仿人工控制活動(dòng)的策略。汽車(chē)巡航控制器通過(guò)模糊判斷以及模糊控制規(guī)則來(lái)設(shè)定汽車(chē)的實(shí)際車(chē)速[6]。PID控制是根據(jù)實(shí)際車(chē)速與設(shè)定車(chē)速的偏差來(lái)實(shí)現(xiàn)汽車(chē)不變參數(shù)的巡航控制。PID控制優(yōu)點(diǎn)較多，但對(duì)于特性復(fù)雜的時(shí)變或非線性的過(guò)程，如果出現(xiàn)參數(shù)調(diào)整不當(dāng)?shù)痊F(xiàn)象，會(huì)使得系統(tǒng)不停地振蕩以至于控制效果不佳。神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)在逼近非線性函數(shù)方面具有極大的優(yōu)越性[7?8]。動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)可作為一類(lèi)非線性自適應(yīng)濾波器，可用于非線性自適應(yīng)逆控制系統(tǒng)的對(duì)象的正向和逆向建模控制。因此，本文將以非線性自適應(yīng)逆控制研究為基礎(chǔ)，設(shè)計(jì)出較為合理的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

2 神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)逆建模結(jié)構(gòu)

直接法和間接法是神經(jīng)網(wǎng)絡(luò)建立非線性系統(tǒng)逆建模運(yùn)用的主要辨識(shí)結(jié)構(gòu)。本文通過(guò)間接法，針對(duì)對(duì)象模型，運(yùn)用非線性系統(tǒng)辨識(shí)的方法建立對(duì)象逆模型，如圖1所示。其中，DAFNN?1是根據(jù)在線建立的被控對(duì)象動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型，DAFNN?2是根據(jù)參考模型建立的被控對(duì)象的逆模型，即系統(tǒng)控制器。在建模和逆建模的過(guò)程中，利用S函數(shù)的傾斜度來(lái)調(diào)整DAFNN?1和DAFNN?2的輸出層權(quán)值，達(dá)到實(shí)時(shí)跟蹤的效果。

3 非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)逆建模仿真研究

為說(shuō)明神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制系統(tǒng)的工作性能，對(duì)如下非線性系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)：

令參考模型為[d（k）=sin（r（k）100）]（k=1：4 000），dist為白噪聲干擾，DAFNN?2（l）隱層包含5個(gè)神經(jīng)元，DAFNN?2（2）隱層包含8個(gè)神經(jīng)元，可得到下列仿真結(jié)果如圖2，圖3所示。

根據(jù)仿真結(jié)果分析，當(dāng)對(duì)象輸出沒(méi)有受到干擾時(shí)，其在線辨識(shí)對(duì)象模型和逆模型有十分好的效果；當(dāng)對(duì)象輸出存在一些干擾時(shí)，由于干擾的存在，需要一段時(shí)間來(lái)將兩個(gè)辨識(shí)模型收斂。總體可見(jiàn)，基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

4 結(jié) 語(yǔ)

本文基于目前國(guó)內(nèi)外對(duì)汽車(chē)自動(dòng)巡航系統(tǒng)的綜合考研，設(shè)定了基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線性控制系統(tǒng)，并通過(guò)對(duì)一個(gè)非線性系統(tǒng)的仿真具體分析得到了較為良好的控制效果。通過(guò)仿真結(jié)果分析，該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可適用于非線性的自動(dòng)巡航系統(tǒng)，通過(guò)調(diào)節(jié)S函數(shù)的傾斜度實(shí)現(xiàn)控制器的實(shí)時(shí)校正以及輸出層的權(quán)值，具有時(shí)間短、無(wú)超調(diào)等優(yōu)點(diǎn)，因此有較高的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 陳達(dá)興.自適應(yīng)巡航控制系統(tǒng)中前方有效目標(biāo)識(shí)別算法研究[D].長(zhǎng)春：吉林大學(xué)，2011.

[2] 蘇玉剛.汽車(chē)ATM的系統(tǒng)設(shè)計(jì)和智能控制技術(shù)研究[D].重慶：重慶大學(xué)，2004.

[3] 朱永強(qiáng).汽車(chē)自適應(yīng)巡航系統(tǒng)的控制策略開(kāi)發(fā)及行駛環(huán)境評(píng)估[D].長(zhǎng)春：吉林大學(xué)，2007.

[4] 張德兆，王建強(qiáng)，劉佳熙，等.加速度連續(xù)型自適應(yīng)巡航控制模式切換策略[J].北京：清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2010（8）：1277?1281.

[5] WIDROW B， WALACH E. Adaptive inverse control [C]// Proceedings of the 1993 IEEE International Symposium on Intelligent Control. Chicago， IL： IEEE， 1993： 1?6.

[6] 田雷.汽車(chē)自適應(yīng)巡航系統(tǒng)的模糊自校正控制算法研究[J].長(zhǎng)春：吉林大學(xué)，2006.

[7] 李明，楊成梧.PID神經(jīng)網(wǎng)絡(luò)的改進(jìn)PSO學(xué)習(xí)算法[C]//Proceedings of the 25th Chinese Control Conference. Harbin， Heilongjiang： [s.n.]， 2006： 1123?1125.

[8] 李明，楊成梧.經(jīng)過(guò)改進(jìn)的NARX回歸神經(jīng)網(wǎng)絡(luò)[J].電氣自動(dòng)化，2006，13（3）：56?38.

摘 要： 研究神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)的自適應(yīng)建模和逆建模策略用于非線性的自動(dòng)巡航系統(tǒng)的控制及可行性。通過(guò)對(duì)自適應(yīng)逆控制方法與現(xiàn)行的反饋控制、模糊控制、PID控制進(jìn)行對(duì)比，并在有干擾的情況下系統(tǒng)需要一定的收斂時(shí)間，通過(guò)運(yùn)用Matlab軟件進(jìn)行仿真。根據(jù)仿真結(jié)果分析，當(dāng)對(duì)象輸出沒(méi)有受到干擾時(shí)，其在線辨識(shí)對(duì)象模型和逆模型有十分好的效果；當(dāng)對(duì)象輸出存在一些干擾時(shí)，由于干擾的存在，需要一段時(shí)間來(lái)將兩個(gè)辨識(shí)模型收斂。因此，基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

關(guān)鍵詞： 自動(dòng)巡航汽車(chē)； 自適應(yīng)逆控制； 神經(jīng)網(wǎng)絡(luò)； 非線性系統(tǒng)

中圖分類(lèi)號(hào)： TN911?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）06?0019?02

由測(cè)速裝置、轉(zhuǎn)向角傳感器、車(chē)速傳感器等部件組成的巡航控制系統(tǒng)是現(xiàn)今的汽車(chē)巡航控制系統(tǒng)的主體部分，自動(dòng)巡航控制系統(tǒng)的研究是近些年來(lái)國(guó)內(nèi)外研究的主要方向。當(dāng)?shù)缆非闆r良好時(shí)，該系統(tǒng)就與普通的巡航系統(tǒng)大致相同；當(dāng)行駛的汽車(chē)速度較高或者是行駛過(guò)程中與前一輛車(chē)之間的距離較近時(shí)，通過(guò)感應(yīng)，系統(tǒng)就會(huì)適當(dāng)減速，以避免追尾事件[1]。國(guó)內(nèi)有多所高校和科研單位已經(jīng)開(kāi)始從事汽車(chē)自動(dòng)巡航控制系統(tǒng)的研究[2?4]。目前，汽車(chē)自動(dòng)巡航控制系統(tǒng)的控制策略有多種，其主要有PID調(diào)節(jié)方式、自適應(yīng)控制、模糊控制等。汽車(chē)巡航控制系統(tǒng)中的模糊控制器不需要精確的數(shù)字，也不需要精準(zhǔn)的數(shù)學(xué)模型，其數(shù)據(jù)主要來(lái)源于該汽車(chē)設(shè)定的車(chē)速與實(shí)際車(chē)速的偏差和變化率，因此該系統(tǒng)的確定就使得其規(guī)則和隸屬函數(shù)不能隨外界參數(shù)的變化而進(jìn)行調(diào)整。

1 自適應(yīng)逆控制與現(xiàn)行控制技術(shù)比較

自適應(yīng)逆控制[5]是通過(guò)運(yùn)用自適應(yīng)濾波方法來(lái)辨別被控對(duì)象的逆模型來(lái)實(shí)現(xiàn)精確控制的。通過(guò)該對(duì)象本身傳遞函數(shù)的逆（控制器）來(lái)驅(qū)動(dòng)對(duì)象，并以此來(lái)控制對(duì)象的動(dòng)態(tài)性能，是一種前饋控制。傳統(tǒng)的反饋和自適應(yīng)控制中針對(duì)噪聲和擾動(dòng)的控制都是通過(guò)從輸出到輸入的負(fù)反饋，設(shè)計(jì)中只能在擾動(dòng)消除和系統(tǒng)動(dòng)態(tài)特性之間進(jìn)行折中。但對(duì)于自適應(yīng)逆控制而言，對(duì)擾動(dòng)的控制和對(duì)象動(dòng)態(tài)特性的控制是兩個(gè)單獨(dú)的單元，可以互不干擾。模糊控制，即通過(guò)運(yùn)用模糊數(shù)學(xué)，系統(tǒng)性的模仿人工控制活動(dòng)的策略。汽車(chē)巡航控制器通過(guò)模糊判斷以及模糊控制規(guī)則來(lái)設(shè)定汽車(chē)的實(shí)際車(chē)速[6]。PID控制是根據(jù)實(shí)際車(chē)速與設(shè)定車(chē)速的偏差來(lái)實(shí)現(xiàn)汽車(chē)不變參數(shù)的巡航控制。PID控制優(yōu)點(diǎn)較多，但對(duì)于特性復(fù)雜的時(shí)變或非線性的過(guò)程，如果出現(xiàn)參數(shù)調(diào)整不當(dāng)?shù)痊F(xiàn)象，會(huì)使得系統(tǒng)不停地振蕩以至于控制效果不佳。神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)在逼近非線性函數(shù)方面具有極大的優(yōu)越性[7?8]。動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)可作為一類(lèi)非線性自適應(yīng)濾波器，可用于非線性自適應(yīng)逆控制系統(tǒng)的對(duì)象的正向和逆向建模控制。因此，本文將以非線性自適應(yīng)逆控制研究為基礎(chǔ)，設(shè)計(jì)出較為合理的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

2 神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)逆建模結(jié)構(gòu)

直接法和間接法是神經(jīng)網(wǎng)絡(luò)建立非線性系統(tǒng)逆建模運(yùn)用的主要辨識(shí)結(jié)構(gòu)。本文通過(guò)間接法，針對(duì)對(duì)象模型，運(yùn)用非線性系統(tǒng)辨識(shí)的方法建立對(duì)象逆模型，如圖1所示。其中，DAFNN?1是根據(jù)在線建立的被控對(duì)象動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型，DAFNN?2是根據(jù)參考模型建立的被控對(duì)象的逆模型，即系統(tǒng)控制器。在建模和逆建模的過(guò)程中，利用S函數(shù)的傾斜度來(lái)調(diào)整DAFNN?1和DAFNN?2的輸出層權(quán)值，達(dá)到實(shí)時(shí)跟蹤的效果。

3 非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)逆建模仿真研究

為說(shuō)明神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制系統(tǒng)的工作性能，對(duì)如下非線性系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)：

令參考模型為[d（k）=sin（r（k）100）]（k=1：4 000），dist為白噪聲干擾，DAFNN?2（l）隱層包含5個(gè)神經(jīng)元，DAFNN?2（2）隱層包含8個(gè)神經(jīng)元，可得到下列仿真結(jié)果如圖2，圖3所示。

根據(jù)仿真結(jié)果分析，當(dāng)對(duì)象輸出沒(méi)有受到干擾時(shí)，其在線辨識(shí)對(duì)象模型和逆模型有十分好的效果；當(dāng)對(duì)象輸出存在一些干擾時(shí)，由于干擾的存在，需要一段時(shí)間來(lái)將兩個(gè)辨識(shí)模型收斂。總體可見(jiàn)，基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

4 結(jié) 語(yǔ)

本文基于目前國(guó)內(nèi)外對(duì)汽車(chē)自動(dòng)巡航系統(tǒng)的綜合考研，設(shè)定了基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線性控制系統(tǒng)，并通過(guò)對(duì)一個(gè)非線性系統(tǒng)的仿真具體分析得到了較為良好的控制效果。通過(guò)仿真結(jié)果分析，該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可適用于非線性的自動(dòng)巡航系統(tǒng)，通過(guò)調(diào)節(jié)S函數(shù)的傾斜度實(shí)現(xiàn)控制器的實(shí)時(shí)校正以及輸出層的權(quán)值，具有時(shí)間短、無(wú)超調(diào)等優(yōu)點(diǎn)，因此有較高的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 陳達(dá)興.自適應(yīng)巡航控制系統(tǒng)中前方有效目標(biāo)識(shí)別算法研究[D].長(zhǎng)春：吉林大學(xué)，2011.

[2] 蘇玉剛.汽車(chē)ATM的系統(tǒng)設(shè)計(jì)和智能控制技術(shù)研究[D].重慶：重慶大學(xué)，2004.

[3] 朱永強(qiáng).汽車(chē)自適應(yīng)巡航系統(tǒng)的控制策略開(kāi)發(fā)及行駛環(huán)境評(píng)估[D].長(zhǎng)春：吉林大學(xué)，2007.

[4] 張德兆，王建強(qiáng)，劉佳熙，等.加速度連續(xù)型自適應(yīng)巡航控制模式切換策略[J].北京：清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2010（8）：1277?1281.

[5] WIDROW B， WALACH E. Adaptive inverse control [C]// Proceedings of the 1993 IEEE International Symposium on Intelligent Control. Chicago， IL： IEEE， 1993： 1?6.

[6] 田雷.汽車(chē)自適應(yīng)巡航系統(tǒng)的模糊自校正控制算法研究[J].長(zhǎng)春：吉林大學(xué)，2006.

[7] 李明，楊成梧.PID神經(jīng)網(wǎng)絡(luò)的改進(jìn)PSO學(xué)習(xí)算法[C]//Proceedings of the 25th Chinese Control Conference. Harbin， Heilongjiang： [s.n.]， 2006： 1123?1125.

[8] 李明，楊成梧.經(jīng)過(guò)改進(jìn)的NARX回歸神經(jīng)網(wǎng)絡(luò)[J].電氣自動(dòng)化，2006，13（3）：56?38.

摘 要： 研究神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)的自適應(yīng)建模和逆建模策略用于非線性的自動(dòng)巡航系統(tǒng)的控制及可行性。通過(guò)對(duì)自適應(yīng)逆控制方法與現(xiàn)行的反饋控制、模糊控制、PID控制進(jìn)行對(duì)比，并在有干擾的情況下系統(tǒng)需要一定的收斂時(shí)間，通過(guò)運(yùn)用Matlab軟件進(jìn)行仿真。根據(jù)仿真結(jié)果分析，當(dāng)對(duì)象輸出沒(méi)有受到干擾時(shí)，其在線辨識(shí)對(duì)象模型和逆模型有十分好的效果；當(dāng)對(duì)象輸出存在一些干擾時(shí)，由于干擾的存在，需要一段時(shí)間來(lái)將兩個(gè)辨識(shí)模型收斂。因此，基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

關(guān)鍵詞： 自動(dòng)巡航汽車(chē)； 自適應(yīng)逆控制； 神經(jīng)網(wǎng)絡(luò)； 非線性系統(tǒng)

中圖分類(lèi)號(hào)： TN911?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）06?0019?02

由測(cè)速裝置、轉(zhuǎn)向角傳感器、車(chē)速傳感器等部件組成的巡航控制系統(tǒng)是現(xiàn)今的汽車(chē)巡航控制系統(tǒng)的主體部分，自動(dòng)巡航控制系統(tǒng)的研究是近些年來(lái)國(guó)內(nèi)外研究的主要方向。當(dāng)?shù)缆非闆r良好時(shí)，該系統(tǒng)就與普通的巡航系統(tǒng)大致相同；當(dāng)行駛的汽車(chē)速度較高或者是行駛過(guò)程中與前一輛車(chē)之間的距離較近時(shí)，通過(guò)感應(yīng)，系統(tǒng)就會(huì)適當(dāng)減速，以避免追尾事件[1]。國(guó)內(nèi)有多所高校和科研單位已經(jīng)開(kāi)始從事汽車(chē)自動(dòng)巡航控制系統(tǒng)的研究[2?4]。目前，汽車(chē)自動(dòng)巡航控制系統(tǒng)的控制策略有多種，其主要有PID調(diào)節(jié)方式、自適應(yīng)控制、模糊控制等。汽車(chē)巡航控制系統(tǒng)中的模糊控制器不需要精確的數(shù)字，也不需要精準(zhǔn)的數(shù)學(xué)模型，其數(shù)據(jù)主要來(lái)源于該汽車(chē)設(shè)定的車(chē)速與實(shí)際車(chē)速的偏差和變化率，因此該系統(tǒng)的確定就使得其規(guī)則和隸屬函數(shù)不能隨外界參數(shù)的變化而進(jìn)行調(diào)整。

1 自適應(yīng)逆控制與現(xiàn)行控制技術(shù)比較

自適應(yīng)逆控制[5]是通過(guò)運(yùn)用自適應(yīng)濾波方法來(lái)辨別被控對(duì)象的逆模型來(lái)實(shí)現(xiàn)精確控制的。通過(guò)該對(duì)象本身傳遞函數(shù)的逆（控制器）來(lái)驅(qū)動(dòng)對(duì)象，并以此來(lái)控制對(duì)象的動(dòng)態(tài)性能，是一種前饋控制。傳統(tǒng)的反饋和自適應(yīng)控制中針對(duì)噪聲和擾動(dòng)的控制都是通過(guò)從輸出到輸入的負(fù)反饋，設(shè)計(jì)中只能在擾動(dòng)消除和系統(tǒng)動(dòng)態(tài)特性之間進(jìn)行折中。但對(duì)于自適應(yīng)逆控制而言，對(duì)擾動(dòng)的控制和對(duì)象動(dòng)態(tài)特性的控制是兩個(gè)單獨(dú)的單元，可以互不干擾。模糊控制，即通過(guò)運(yùn)用模糊數(shù)學(xué)，系統(tǒng)性的模仿人工控制活動(dòng)的策略。汽車(chē)巡航控制器通過(guò)模糊判斷以及模糊控制規(guī)則來(lái)設(shè)定汽車(chē)的實(shí)際車(chē)速[6]。PID控制是根據(jù)實(shí)際車(chē)速與設(shè)定車(chē)速的偏差來(lái)實(shí)現(xiàn)汽車(chē)不變參數(shù)的巡航控制。PID控制優(yōu)點(diǎn)較多，但對(duì)于特性復(fù)雜的時(shí)變或非線性的過(guò)程，如果出現(xiàn)參數(shù)調(diào)整不當(dāng)?shù)痊F(xiàn)象，會(huì)使得系統(tǒng)不停地振蕩以至于控制效果不佳。神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)在逼近非線性函數(shù)方面具有極大的優(yōu)越性[7?8]。動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)可作為一類(lèi)非線性自適應(yīng)濾波器，可用于非線性自適應(yīng)逆控制系統(tǒng)的對(duì)象的正向和逆向建模控制。因此，本文將以非線性自適應(yīng)逆控制研究為基礎(chǔ)，設(shè)計(jì)出較為合理的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

2 神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)逆建模結(jié)構(gòu)

直接法和間接法是神經(jīng)網(wǎng)絡(luò)建立非線性系統(tǒng)逆建模運(yùn)用的主要辨識(shí)結(jié)構(gòu)。本文通過(guò)間接法，針對(duì)對(duì)象模型，運(yùn)用非線性系統(tǒng)辨識(shí)的方法建立對(duì)象逆模型，如圖1所示。其中，DAFNN?1是根據(jù)在線建立的被控對(duì)象動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型，DAFNN?2是根據(jù)參考模型建立的被控對(duì)象的逆模型，即系統(tǒng)控制器。在建模和逆建模的過(guò)程中，利用S函數(shù)的傾斜度來(lái)調(diào)整DAFNN?1和DAFNN?2的輸出層權(quán)值，達(dá)到實(shí)時(shí)跟蹤的效果。

3 非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)逆建模仿真研究

為說(shuō)明神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制系統(tǒng)的工作性能，對(duì)如下非線性系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)：

令參考模型為[d（k）=sin（r（k）100）]（k=1：4 000），dist為白噪聲干擾，DAFNN?2（l）隱層包含5個(gè)神經(jīng)元，DAFNN?2（2）隱層包含8個(gè)神經(jīng)元，可得到下列仿真結(jié)果如圖2，圖3所示。

根據(jù)仿真結(jié)果分析，當(dāng)對(duì)象輸出沒(méi)有受到干擾時(shí)，其在線辨識(shí)對(duì)象模型和逆模型有十分好的效果；當(dāng)對(duì)象輸出存在一些干擾時(shí)，由于干擾的存在，需要一段時(shí)間來(lái)將兩個(gè)辨識(shí)模型收斂。總體可見(jiàn)，基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

4 結(jié) 語(yǔ)

本文基于目前國(guó)內(nèi)外對(duì)汽車(chē)自動(dòng)巡航系統(tǒng)的綜合考研，設(shè)定了基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線性控制系統(tǒng)，并通過(guò)對(duì)一個(gè)非線性系統(tǒng)的仿真具體分析得到了較為良好的控制效果。通過(guò)仿真結(jié)果分析，該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可適用于非線性的自動(dòng)巡航系統(tǒng)，通過(guò)調(diào)節(jié)S函數(shù)的傾斜度實(shí)現(xiàn)控制器的實(shí)時(shí)校正以及輸出層的權(quán)值，具有時(shí)間短、無(wú)超調(diào)等優(yōu)點(diǎn)，因此有較高的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 陳達(dá)興.自適應(yīng)巡航控制系統(tǒng)中前方有效目標(biāo)識(shí)別算法研究[D].長(zhǎng)春：吉林大學(xué)，2011.

[2] 蘇玉剛.汽車(chē)ATM的系統(tǒng)設(shè)計(jì)和智能控制技術(shù)研究[D].重慶：重慶大學(xué)，2004.

[3] 朱永強(qiáng).汽車(chē)自適應(yīng)巡航系統(tǒng)的控制策略開(kāi)發(fā)及行駛環(huán)境評(píng)估[D].長(zhǎng)春：吉林大學(xué)，2007.

[4] 張德兆，王建強(qiáng)，劉佳熙，等.加速度連續(xù)型自適應(yīng)巡航控制模式切換策略[J].北京：清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2010（8）：1277?1281.

[5] WIDROW B， WALACH E. Adaptive inverse control [C]// Proceedings of the 1993 IEEE International Symposium on Intelligent Control. Chicago， IL： IEEE， 1993： 1?6.

[6] 田雷.汽車(chē)自適應(yīng)巡航系統(tǒng)的模糊自校正控制算法研究[J].長(zhǎng)春：吉林大學(xué)，2006.

[7] 李明，楊成梧.PID神經(jīng)網(wǎng)絡(luò)的改進(jìn)PSO學(xué)習(xí)算法[C]//Proceedings of the 25th Chinese Control Conference. Harbin， Heilongjiang： [s.n.]， 2006： 1123?1125.

[8] 李明，楊成梧.經(jīng)過(guò)改進(jìn)的NARX回歸神經(jīng)網(wǎng)絡(luò)[J].電氣自動(dòng)化，2006，13（3）：56?38.