淺析人工神經網絡理論在智能車輛中的應用

趙娥++張學軍

文章編號：2095-6835（2016）17-0117-01

摘 要：人工神經網絡是一門新興理論，近年來，其在智能車輛中得到了廣泛應用。分析了人工神經網絡的由來及其在智能車輛領域的研究動態，探討了人工神經網絡在智能車輛中的具體應用，指出了今后人工神經網絡在智能車輛中的發展方向。

關鍵詞：車輛工程；智能控制；人工神經網絡；運動模態

中圖分類號：TP273.5 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.17.117

人工神經網絡是一種是使用大量簡單相連的人工神經元來模擬人類大腦的一階特性的并行分布計算系統，可以通過電子線路或計算機程序實現。近年來，該理論在智能車輛中得到了廣泛應用。本文對人工神經網絡的由來及其在智能車輛領域的研究動態進行了探討。

1 人工神經網絡的由來

人工神經網絡理論起源于20世紀50年代，它可以反映人類大腦功能的多個基本特性。作為一種并行分布式處理系統，可以接近任意非線性函數，具有自動知識獲得、聯想記憶、自適應性、良好的容錯性和推廣能力?；谌斯ど窠浘W絡的特性，在處理車輛工程中的非線性辨識、非線性智能控制等問題受到了人們的廣泛關注。隨著智能車輛的飛速發展，為了滿足無人駕駛技術、智能懸架控制技術的發展需求，人工神經網絡在車輛工程中的應用也日新月異。

2 人工神經網絡在智能車輛中的應用

2.1 神經網絡辨識器

四輪車輛的車身具有3個運動模態，分別為垂向運動模態、側傾運動模態及俯仰運動模態。這些運動模態的時域辨識能使懸架系統，特別是主動懸架系統面向主要運動模態。運用適當的控制策略可提高懸架的性能，且僅需消耗較少的能量。近年來，運動模態能量方法被用來辨識車身的運動模態。然而，這種方法需要測量整車狀態及路面輸入，這在現實中很難做到。曾有人提出了一種使用神經網絡辨識車輛運動模態的方法，即通過一個10自由度整車動力學模型的各種激勵輸入，驗證了被訓練的神經網絡的有效性。

2.2 神經網絡與模糊控制的結合

自1965年Zadeh提出模糊集合論以來，模糊控制無論是在理論方面，還是在應用方面都有較快的發展。目前，將兩種或多種控制方法相結合的復合控制方法往往能起到更好的控制效果。其中，由于模糊控制與神經網絡存在互補性，所以，其成為了復合控制的研究熱點。

以往，有人建立了1/4車輛懸架模型，提出了車輛半主動懸架系統模糊控制器。為了調節阻尼系數值，利用Matlab工具箱建立了車輛半主動懸架及模糊控制器仿真模型；有人曾提出了一種適用于駕駛員座椅的新型神經模糊控制器，采用了遺傳算法獲得最優模糊系統，并以3自由度車輛座椅模型為研究對象，在不同路況激勵下進行了仿真。仿真結果表明，神經模糊控制器具有較好的控制性能，能提高駕駛員的乘坐舒適性。

2.3 神經網絡與傳統PID控制的結合

PID控制器（比例-積分-微分控制器）是一個在工業控制應用中常見的反饋回路部件，由比例單元、積分單元和微分單元組成。PID控制器簡單易懂，使用中不需精確的系統模型等先決條件，因此，成為了應用最為廣泛的控制器。近年來，神經網絡與PID的結合成為了研究熱點。

主動懸架系統的性能包括懸架的限位行程、乘坐舒適性、抓地力和功耗。此外，懸架參數的魯棒性是影響高度非線性電控懸架效果的重要問題之一。因此，曾有人提出了一種基于輸入/輸出反饋線性化的主動懸架動態神經網絡非線性控制方法。通過仿真，結果證明了該控制器的魯棒性和有效性。此外，還有人提出了適用于公交車懸架系統的一種神經網絡比例控制器。仿真結果表明，利用該控制器設計的懸架控制系統能夠適用于各種不確定的路況，能明顯提升乘坐舒適性。

3 人工神經網絡在智能車輛中的應用

根據上述分析可知，隨著智能車輛的快速發展，人工神經網絡在智能車輛領域將呈現出跨學科融合、應用方式多樣化等特點?？鐚W科融合與多學科滲透是指神經網絡與模糊控制、傳統PID控制等理論的高度融合與相互滲透，應用方式多樣化是指在智能車輛控制中，人工神經網絡既可以用來設計辨識器，又可以用來設計智能控制器。

參考文獻

[1]Nong Zhang.Real-time identification of vehicle motion-modes using neural networks.Mechanical Systems and Signal Processing，2015（05）.

[2]M. Zapateiro，N.Luo，H.R. Karimi，J.Veh.Vibration control of suspension systems using a proposed neural network.AASRI Procedia，2013（04）.

[3]Le Thanh Danh，Kyoung Kwan Ahn.Active pneumatic vibration isolation system using negative stiffness structures for a vehicle seat.Mechanical Systems and Signal Processing，2015（09）.

[4]Jimoh O. Pedroa，Muhammed Dangora，Olurotimi A.Intelligent feedback linearization control of nonlinear electrohydraulic suspension systems using particle swarm optimization.Applied Soft Computing，2014（24）.

[5]M. Zapateiro，N.Luo，H.R. Karimi，J.Veh.Vibration control of suspension systems using a proposed neural network.Journal of Sound and Vibration，2004（22）.

〔編輯：張思楠〕