一种基于神经网络的商用车纵向控制方法及系统技术方案

本发明专利技术公开一种基于神经网络的商用车纵向控制方法及系统，采用RBF神经网络模块，通过输入样本与径向基函数中心的距离作为隐含层函数的自变量，径向基函数作为隐含层激活函数，各个神经元中，输入样本距离径向基函数中心越远，神经元激活程度就越低，以此进行PID控制模块中参数的实时调节，达到PID控制模块输出的控制量变化，有效针对规划下发的参考速度与参考位置，准确地响应，并且保持稳定性。并且保持稳定性。并且保持稳定性。

【技术实现步骤摘要】
一种基于神经网络的商用车纵向控制方法及系统


[0001]本专利技术属于自动驾驶纵向控制
，具体涉及到一种基于神经网络的商用车纵向控制方法及系统。

技术介绍

[0002]PID算法是工业界广泛使用的一种无模型控制算法，具有结构简单，鲁棒性强，不用了解被控对象详细参数等特点，PID算法在离散系统中一般分为增量式PID与位置式PID；商用车自动驾驶中，纵向控制具有重要意义，针对规划下发的参考速度与参考位置，控制算法需要快速，准确地响应，并且保证稳定性。
[0003]现有技术中，基于固定参数PID控制算法在商务车纵向速度调节过程中，通常包括以下缺陷：
[0004]1.现有技术中进行商用车纵向控制时，大多采用固定参数PID控制算法进行计算，实际应用中，多使用PI控制，然而在实际开发中存在参数标定过程困难、速度变化响应慢、速度误差大、速度变化超调大的问题，并且由于参数固定，在多种工况下需要进行参数重标定。
[0005]2.由于商用车的纵向控制中，通常采用加速与制动两种执行器进行车辆的纵向控制，执行器的性能会有显著差异，由于计算加速度请求的上层控制算法中是固定参数的情况，同时，匹配分管加速与减速执行器的性能需要进行大量的参数标定，效率低下且工作量大，并且在需要维持某固定速度行驶时会出现加减速快速变化的情况，容易造成乘坐体验差。
[0006]3.在商用车的纵向控制中，存在车队等间距行驶的工况，控制算法需要及时执行速度规划算法下发的变加速度请求，因此，纵向控制算法的响应快速性是纵向控制中的一个重要参考性能指标，固定参数的纵向控制算法的快速性是确定的，往往无法响应。
[0007]4.采用PI控制算法的控制参数标定往往需要有经验的工程师或算法专家针对多场景进行考虑后进行，实现难度大，并且针对执行器的性能一致性有较高要求，因此无法做到基于执行器性能的参数自适应。

技术实现思路

[0008]针对上述问题，本专利技术的主要目的在于设计一种基于神经网络的商用车纵向控制方法及系统，可以基于不同工况的输入进行PID参数自适应调节，解决参数在准确性、稳定性、快速性的问题，同时，可以在PID算法设计初期仅使用初步标定的参数，解决需要有经验的工程师或算法专家消耗大量时间针对不同工况进行参数自适应的问题。
[0009]为了实现上述目的本专利技术采用如下技术方案：
[0010]一种基于神经网络的商用车纵向控制系统，用于接收规划下发的参考速度，并将参考速度与车辆当前实际速度的速度差进行处理后输出到车辆执行机构，所述车辆执行机构包括驱动系统和制动系统两种，其特征在于：该系统包括上层RBF
‑
PID模块和接收上层
RBF
‑
PID模块输出数据的下层控制模块，所述的上层RBF
‑
PID模块接收所述的速度差，所述的下层控制模块输出到所述的车辆执行机构；
[0011]其中，所述的上层RBF
‑
PID模块包括RBF神经网络模块和PID控制模块；所述的RBF神经网络模块和所述的PID控制模块均接收所述的速度差，且所述的PID控制模块中比例、积分、微分三项参数通过所述的RBF神经网络模块进行实时输入，所述的PID控制模块输出加速度到所述的下层控制模块；
[0012]所述的下层控制模块包括加速度切换模块、加速驱动模块、减速制动模块；所述的加速度切换模块接收所述PID控制模块输出的加速度，并向所述的加速驱动模块输入加速度，或者向所述的减速制动模块输入减速度，所述的加速驱动模块与所述的减速制动模块换算得出加速所需扭矩或制动所需制动力，并输出到所述的车辆执行机构。
[0013]作为本专利技术进一步的描述，所述的RBF神经网络模块包括三层，分别为输入层、中间层和输出层；
[0014]所述的输入层，由信号源节点组成，分别包括当前时刻速度差减上一时刻的速度差、当前时刻速度差、当前时刻速度差的变化率；
[0015]所述的中间层，为所述RBF神经网络模块的隐含层，由径向基函数构成；
[0016]所述的输出层，得到输入层信息进行空间变换后的输出信息，并将输出信息通过线性加权后输出，得到所述RBF神经网络模块的输出。
[0017]一种基于神经网络的商用车纵向控制方法，该方法通过将参考速度与实际速度的速度差进行处理，实现车辆的纵向控制，具体包括如下步骤：
[0018]步骤1：将速度差分别输入PID控制模块和RBF神经网络模块；
[0019]步骤2：通过RBF神经网络模块的计算，并对PID控制模块中的比例、积分、微分三项参数进行实时更新；
[0020]步骤3：通过比例、积分、微分三项参数的实时更新，调节PID控制模块输出的加速度或减速度，并将加速度或减速度输入加减速切换模块；
[0021]步骤4：通过加减速切换模块的逻辑判断，将加速度输入加速驱动模块，进而输出到被控车辆的驱动系统，或者将减速度输入减速驱动模块，进而输出到被控车辆的制动系统。
[0022]作为本专利技术进一步的描述，步骤2中，通过在RBF神经网络模块中输入的速度差，对PID控制模块中的比例、积分、微分三项参数进行实时更新，包括如下步骤：
[0023]S1：通过RBF神经网络模块的输入层，接收规划下发的参考速度与车辆当前实际速度的速度差；
[0024]S2：在RBF神经网络模块的中间层计算输入样本到记忆样本C之间的距离，并得到输入信息空间变换后的输出信息；
[0025]S3：通过RBF神经网络模块的输出层，对输出信息进行线性加权，得到RBF神经网络模块的输出，并通过输出信息动态调整PID控制模块中的比例、积分、微分三项参数，实现车辆期望的速度跟踪控制。
[0026]作为本专利技术进一步的描述，S2中，通过输入的速度差，并结合上一时刻的速度差、上上一时刻的速度差、以及当前时刻速度差的变化率进行计算得到空间变换后的输出信息。
[0027]作为本专利技术进一步的描述，通过径向基函数得到步骤1输入信息的变换后输出信息，径向基函数表示为：
[0028][0029]其中，X为输入样本，||x
‑
c
i
||2为输入样本到径向基函数中心节点的径向距离，在上层RBF
‑
PID模块中为速度差、速度差的积分、速度差的微分，c
i
为径向基函数中心节点，e为自然对数，γ为径向基基宽函数，可表示为：
[0030][0031]其中，b为径向基基宽。
[0032]作为本专利技术进一步的描述，所述的PID控制模块采用增量式PID，在离散系统中表示方式为：
[0033]Δu(k)＝k
p
*(e(k)
‑
e(k
‑
1))+k
i
*e(k)+k
d
(e(k)
‑
e(k
‑
1))
‑
(e
‑
(k本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的商用车纵向控制系统，用于接收规划下发的参考速度，并将参考速度与车辆当前实际速度的速度差进行处理后输出到车辆执行机构，所述车辆执行机构包括驱动系统和制动系统两种，其特征在于：该系统包括上层RBF
‑
PID模块和接收上层RBF
‑
PID模块输出数据的下层控制模块，所述的上层RBF
‑
PID模块接收所述的速度差，所述的下层控制模块输出到所述的车辆执行机构；其中，所述的上层RBF
‑
PID模块包括RBF神经网络模块和PID控制模块；所述的RBF神经网络模块和所述的PID控制模块均接收所述的速度差，且所述的PID控制模块中比例、积分、微分三项参数通过所述的RBF神经网络模块进行实时输入，所述的PID控制模块输出加速度到所述的下层控制模块；所述的下层控制模块包括加速度切换模块、加速驱动模块、减速制动模块；所述的加速度切换模块接收所述PID控制模块输出的加速度，并向所述的加速驱动模块输入加速度，或者向所述的减速制动模块输入减速度，所述的加速驱动模块与所述的减速制动模块换算得出加速所需扭矩或制动所需制动力，并输出到所述的车辆执行机构。2.根据权利要求1所述的一种基于神经网络的商用车纵向控制系统，其特征在于：所述的RBF神经网络模块包括三层，分别为输入层、中间层和输出层；所述的输入层，由信号源节点组成，分别包括当前时刻速度差减上一时刻的速度差、当前时刻速度差、当前时刻速度差的变化率；所述的中间层，为所述RBF神经网络模块的隐含层，由径向基函数构成；所述的输出层，得到输入层信息进行空间变换后的输出信息，并将输出信息通过线性加权后输出，得到所述RBF神经网络模块的输出。3.一种基于神经网络的商用车纵向控制方法，其特征在于：该方法通过将参考速度与实际速度的速度差进行处理，实现车辆的纵向控制，具体包括如下步骤：步骤1：将速度差分别输入PID控制模块和RBF神经网络模块；步骤2：通过RBF神经网络模块的计算，并对PID控制模块中的比例、积分、微分三项参数进行实时更新；步骤3：通过比例、积分、微分三项参数的实时更新，调节PID控制模块输出的加速度或减速度，并将加速度或减速度输入加减速切换模块；步骤4：通过加减速切换模块的逻辑判断，将加速度输入加速驱动模块，进而输出到被控车辆的驱动系统，或者将减速度输入减速驱动模块，进而输出到被控车辆的制动系统。4.根据权利要求3所述的一种基于神经网络的商用车纵向控制方法，其特征在于：步骤2中，通过在RBF神经网络模块中输入的速度差，对PID控制模块中的比例、积分、微分三项参数进行实时更新，包括如下步骤：S1：通过RBF神经网络模块的输入层，接收规划下发的参考速度与车辆当前实际速度的速度差；S2：在RBF神经网络模块的中间层计算输入样本到记忆样本C之间的距离，并得到输入信息空间变换后的输出信息；S3：通过RBF神经网络模块的输出层，对输出信息进行线性加权，得到RBF神经网络模块的输出，并通过输出信息动态调整PID控制模块中的比例、积分、微分三项参数，实现车辆期望的速度跟踪控制。
5.根据权利要求4所述的一种PID控制模块参数实时输入的方法，其特征在于：S2中，通过输入的速度差，并结合上一时刻的速度差、上上一时刻的速度差、以及当前时刻速度差的变化率进行计算得到空间变换后的输出信息。6.根据权利要求5所述的一种PID控制模块参数实时输入的方法，其特征在于：通过径向基函数得到步骤1输入信息的变换后输出信息，径向基函数表示为：其中，X为输入样本，||x
‑
c
i
||2为输入样本到径向基函数中心节点的径向距离，在上层RBF
‑
PID模块中为速度差、速度差的积分、速度差的微分，c
i
为径向基函数中心节点，e为自然对数，Y为径向基基宽函数，可表示为：其中，b为径向基基宽。7.根据权利要求6所述的一种PID控制模块参数实时输入的方法，其特征在于：所述的PID控制模块采用增量式PID，在离散系统中表示方式为：Δu(k)＝k
p
*(e(k)<...

【专利技术属性】
技术研发人员：陈子健，许正昊，曾超，安凯，刘峰，刘灿，李涛，叶玉博，张志达，夏骄杨，翟建坤，
申请(专利权)人：上海友道智途科技有限公司，
类型：发明
国别省市：