[发明专利]汽车驾驶机器人系统的模糊神经网络控制方法

摘要

本发明公布了一种汽车驾驶机器人系统的模糊神经网络控制方法，包括：从汽车驾驶机器人换挡机械手、油门机械腿、制动机械腿和离合器机械腿的特征参数对试验车辆进行车速跟踪；运用Sugeno模糊神经网络来实现汽车驾驶机器人的车速跟踪控制，输入特征参数隶属度函数的类型采用广义钟形函数，运用混合学习算法对网络参数进行训练和优化，确定最佳网络参数；根据最佳网络参数和实时检测的四个汽车驾驶机器人特征参数利用Sugeno模糊神经网络对汽车驾驶机器人进行车速跟踪精确控制。本发明公布的方法具有在线自学习能力，能够精确跟踪给定的目标车速，在各种试验工况下具有良好的鲁棒性。

主权项

一种汽车驾驶机器人系统的模糊神经网络控制方法，其特征在于，包括离线训练阶段和在线控制阶段，离线训练阶段用于构建模糊神经网络并通过离线训练确定用于在线控制的最佳网络参数，其中：所述离线训练阶段包括以下步骤：步骤1‑1、汽车驾驶机器人特征参数的采集与计算：对汽车驾驶机器人的特征参数xi进行采集，i=1,2,3或4，所采集的特征参数包括：汽车驾驶机器人的油门机械腿位移特征信号、制动机械腿位移特征信号、离合器机械腿位移特征信号以及换挡机械手角度位移特征信号；步骤1‑2、基于步骤1‑1得到的汽车驾驶机器人的特征参数xi，构建Sugeno模糊神经网络模型；步骤1‑3、采用混合学习算法训练优化网络参数，获取最佳网络参数；所述在线控制阶段包括以下步骤：步骤2‑1、实时采集计算汽车驾驶机器人的特征参数，包括：汽车驾驶机器人的油门机械腿位移特征信号、制动机械腿位移特征信号、离合器机械腿位移特征信号以及换挡机械手角度位移特征信号；步骤2‑2、将离线训练阶段获得的最佳网络参数代入到所构建的Sugeno模糊神经网络中；步骤2‑3、根据经过训练后的最佳网络参数和实时采集计算得到的汽车驾驶机器人特征参数代入到Sugeno模糊神经网络对汽车驾驶机器人系统进行车速跟踪精确控制。