汽車駕駛機器人系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制方法
【專利摘要】本發(fā)明公布了一種汽車駕駛機器人系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制方法，包括：從汽車駕駛機器人換擋機械手、油門機械腿、制動機械腿和離合器機械腿的特征參數(shù)對試驗車輛進行車速跟蹤；運用Sugeno模糊神經(jīng)網(wǎng)絡來實現(xiàn)汽車駕駛機器人的車速跟蹤控制，輸入特征參數(shù)隸屬度函數(shù)的類型采用廣義鐘形函數(shù)，運用混合學習算法對網(wǎng)絡參數(shù)進行訓練和優(yōu)化，確定最佳網(wǎng)絡參數(shù)；根據(jù)最佳網(wǎng)絡參數(shù)和實時檢測的四個汽車駕駛機器人特征參數(shù)利用Sugeno模糊神經(jīng)網(wǎng)絡對汽車駕駛機器人進行車速跟蹤精確控制。本發(fā)明公布的方法具有在線自學習能力，能夠精確跟蹤給定的目標車速，在各種試驗工況下具有良好的魯棒性。
【專利說明】汽車駕駛機器人系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制方法
【技術領域】
[0001]本發(fā)明涉及汽車自動駕駛【技術領域】，尤其是汽車駕駛機器人的控制，具體而言涉及一種汽車駕駛機器人系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制方法。
【背景技術】
[0002]汽車駕駛機器人是指無需對車輛進行改裝，可無損安裝在駕駛室內(nèi)，并適應于各種車型，替代駕駛員在危險條件和惡劣環(huán)境下進行車輛駕駛的工業(yè)機器人。利用駕駛機器人進行汽車試驗、仿生殘疾者駕駛汽車操作或應用于核電站、重化工等存在嚴重污染的場合時，可減輕人類勞動強度，降低危險惡劣環(huán)境對人類的傷害，提高試驗結果的客觀性和準確度、殘疾者駕駛汽車能力以及安全性。汽車駕駛機器人必須能夠根據(jù)設定的車速循環(huán)行駛工況的要求，實現(xiàn)試驗車輛的自動駕駛，完成油門、制動、離合和換擋動作的協(xié)調(diào)配合，是一個模仿人類駕駛員智能和行為的高度自動化系統(tǒng)。汽車駕駛機器人系統(tǒng)不僅涉及機器人本體的控制，而且要實現(xiàn)汽車的自動駕駛，具有非線性、時變、時滯的特點，且影響因素較多，難以建立其精確的數(shù)學模型。
[0003]目前國內(nèi)外已經(jīng)公開的汽車駕駛機器人系統(tǒng)的控制方法主要有兩種:1)變參數(shù)PID控制。例如中國專利200410065844.0 “汽車試驗用氣電混合式駕駛機器人”利用變參數(shù)PID控制方法實現(xiàn)了駕駛機器人的車速跟蹤，但存在調(diào)節(jié)器參數(shù)難以在線整定的缺點，并且車速波動較大；2)前饋PID控制，例如美國專利US5372035 “底盤測功機上用于駕駛汽車的機器人”利用前饋PID控制實現(xiàn)駕駛機器人系統(tǒng)的控制，但存在控制器參數(shù)需要預先人工整定，對不同試驗工況的抗干擾能力較差。

【發(fā)明內(nèi)容】

[0004]針對現(xiàn)有技術的缺陷或不足，本發(fā)明旨在提供一種汽車駕駛機器人系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制方法，可精確跟蹤給定目標得車速，具有良好的魯棒性。
[0005]為達成上述目的，本發(fā)明所采用的技術方案如下:
[0006]一種汽車駕駛機器人系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制方法，包括離線訓練階段和在線控制階段，離線訓練階段用于構建模糊神經(jīng)網(wǎng)絡并通過離線訓練確定用于在線控制的最佳網(wǎng)絡參數(shù)，其中:
[0007]所述離線訓練階段包括以下步驟:
[0008]步驟1-1、汽車駕駛機器人特征參數(shù)的采集與計算:對汽車駕駛機器人的特征參數(shù)Xi進行采集，i=l, 2，3或4，所采集的特征參數(shù)包括:汽車駕駛機器人的油門機械腿位移特征信號、制動機械腿位移特征信號、離合器機械腿位移特征信號以及換擋機械手角度位移特征信號；
[0009]步驟1-2、基于步驟1-1得到的汽車駕駛機器人的特征參數(shù)Xi，構建Sugeno模糊神經(jīng)網(wǎng)絡模型；
[0010]步驟1-3、采用混合學習算法訓練優(yōu)化網(wǎng)絡參數(shù)，獲取最佳網(wǎng)絡參數(shù)；[0011]所述在線控制階段包括以下步驟:
[0012]步驟2-1、實時采集計算汽車駕駛機器人的特征參數(shù)，包括:汽車駕駛機器人的油門機械腿位移特征信號、制動機械腿位移特征信號、離合器機械腿位移特征信號以及換擋機械手角度位移特征信號；
[0013]步驟2-2、將離線訓練階段獲得的最佳網(wǎng)絡參數(shù)代入到所構建的Sugeno模糊神經(jīng)網(wǎng)絡中；
[0014]步驟2-3、根據(jù)經(jīng)過訓練后的最佳網(wǎng)絡參數(shù)和實時采集計算得到的汽車駕駛機器人特征參數(shù)代入到Sugeno模糊神經(jīng)網(wǎng)絡對汽車駕駛機器人系統(tǒng)進行車速跟蹤精確控制。
[0015]進一步，前述方法中，所述步驟1-2中，基于步驟1-1得到的汽車駕駛機器人的特征參數(shù)Xi，構建Sugeno模糊神經(jīng)網(wǎng)絡模型，其實現(xiàn)包括以下步驟:
[0016](1)將汽車駕駛機器人的特征參數(shù)模糊化，節(jié)點i具有輸出為
【權利要求】
1.一種汽車駕駛機器人系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制方法，其特征在于，包括離線訓練階段和在線控制階段，離線訓練階段用于構建模糊神經(jīng)網(wǎng)絡并通過離線訓練確定用于在線控制的最佳網(wǎng)絡參數(shù)，其中: 所述離線訓練階段包括以下步驟: 步驟1-1、汽車駕駛機器人特征參數(shù)的采集與計算:對汽車駕駛機器人的特征參數(shù)Xi進行采集，i=l, 2，3或4，所采集的特征參數(shù)包括:汽車駕駛機器人的油門機械腿位移特征信號、制動機械腿位移特征信號、離合器機械腿位移特征信號以及換擋機械手角度位移特征信號； 步驟1-2、基于步驟1-1得到的汽車駕駛機器人的特征參數(shù)Xi，構建Sugeno模糊神經(jīng)網(wǎng)絡模型； 步驟1-3、采用混合學習算法訓練優(yōu)化網(wǎng)絡參數(shù)，獲取最佳網(wǎng)絡參數(shù)； 所述在線控制階段包括以下步驟: 步驟2-1、實時采集計算汽車駕駛機器人的特征參數(shù)，包括:汽車駕駛機器人的油門機械腿位移特征信號、制動機械腿位移特征信號、離合器機械腿位移特征信號以及換擋機械手角度位移特征信號； 步驟2-2、將離線訓練階段獲得的最佳網(wǎng)絡參數(shù)代入到所構建的Sugeno模糊神經(jīng)網(wǎng)絡中； 步驟2-3、根據(jù)經(jīng)過訓練后的最佳網(wǎng)絡參數(shù)和實時采集計算得到的汽車駕駛機器人特征參數(shù)代入到Sugeno模糊神經(jīng)網(wǎng)絡對汽車駕駛機器人系統(tǒng)進行車速跟蹤精確控制。
2.根據(jù)權利要求1所述的汽車駕駛機器人系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制方法，其特征在于，所述步驟1-2中，基于步驟1-1得到的汽車駕駛機器人的特征參數(shù)Xi，構建Sugeno模糊神經(jīng)網(wǎng)絡模型，其實現(xiàn)包括以下步驟: (1)將汽車駕駛機器人的特征參數(shù)模糊化，節(jié)點i具有輸出為

3.根據(jù)權利要求2所述的汽車駕駛機器人系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制方法，其特征在于，前述方法中，所述步驟1-3，采用混合學習算法訓練優(yōu)化網(wǎng)絡參數(shù)，獲取最佳網(wǎng)絡參數(shù)，其包括以下步驟: (1)確定前提參數(shù)的初始值，用最小二乘法計算結論參數(shù)，模糊神經(jīng)網(wǎng)絡系統(tǒng)的輸出可表示成結論參數(shù)的線性組合，表達為:
【文檔編號】G05B13/00GK103605285SQ201310589187
【公開日】2014年2月26日 申請日期:2013年11月21日 優(yōu)先權日:2013年11月21日
【發(fā)明者】陳剛 申請人:南京理工大學