[发明专利]一种分层式自学习可拓神经网络车道保持控制方法

权利要求书

1.一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，其特征在于，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；

所述三自由度动力学模型表达式为：

式中，m为车辆质量；x为纵向位移；为横摆角；δ_f为前轮转角；y为侧向位移；I_z为Z轴转动惯量；F_x为车辆所受总的纵向力；F_y为车辆所受总的横向力；M_z为车辆所受总的横摆力矩；F_cf，F_cr为车辆前后轮胎所受侧向力，与轮胎的侧偏刚度、侧偏角有关；F_lf，F_lr为车辆前后轮胎所受纵向力，与轮胎的纵向刚度、滑移率有关；a为前轴到质心距离，b后轴到质心距离；

所述预瞄偏差表达式为：

y_L为预瞄点处横向位置偏差，为航向偏差，L为预瞄距离，ρ为道路曲率。

2.根据权利要求1所述的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，其特征在于，步骤2中，所述车道线拟合采用二次多项式拟合，根据道路曲率值ρ和车辆摄像头距离左右车道线的距离D_L、D_r，可得到弯道时车道线拟合方程：

其中，ρ为道路曲率，D_L、D_r为车辆摄像头距离左右车道线的距离，为车道线航向角，y₁为左侧车道线拟合位置，y₂为右侧车道线拟合位置。