科研之友
微信
新浪微博
Facebook
分享链接
摘要
自动驾驶车辆已经成为当前汽车行业的研究热点。运动控制算法在很大程度上决定自动驾驶汽车的安全性和驾乘人员的接受度。自动驾驶控制算法的精度日益提高，然而其与驾驶员控制风格的一致性仍然较低，这会降低驾乘人员的体验感与接受度。此外，现有方法仍存在大量需要人工标定的参数，导致算法部署时的工作量较大。针对以上问题，提出车辆纵向驱动控制仿人神经网络(Vehicle longitudinal drive control human-like neural network,LCN)，并以此为基础构建了仿人机理的控制模型，其控制风格与驾驶员的一致性较高且能够实现参数的自学习标定。LCN的设计基于对人类驾驶行为的分析，其将驾驶员的控制机理与数据驱动方法相结合，并通过独特的网络架构设计将驾驶员机理中的容差控制特性与时延响应特性融入LCN。试验结果表明，所提出模型的控制风格更接近人类，且能够实现对车辆动力学特性的自估计与参数的自标定。
-
单位汽车仿真与控制国家重点实验室; 吉林大学
