车距的自适应神经网络模糊控制及其应用研究

论文摘要

日益增多的交通事故已成为严重的社会问题,降低交通事故的损失和伤害有十分重要的意义。车辆在行驶中,前车采取减速行驶操作或出现障碍物,为了防止发生追尾,后车驾驶员会做出相应的驾驶行为以应对紧急情况。车间距离控制系统主要用于追尾碰撞事故的警告与预防。目前,车间距离控制系统的理论研究与实际应用已取得了一定的进展,它们广泛采用了广义预测模型、PID控制和经典的模糊控制等方法。但是,这些方法都具有一定的局限性,由于系统参数是事先确定下来的,系统运行中它们不具有自适应性,当外界环境变化较大时控制效果较差。近年来,模糊控制和神经网络的研究以及它们在控制领域的应用取得了很大的进展。模糊控制不需要建立被控系统的精确数学模型,而用语言变量来描述系统；神经网络是一种非线性映射,具有自学习能力、能并行处理信息等优点。对于模型未知的复杂非线性系统或是动态特性常变的控制对象,两者的不依赖精确数学模型的控制特性具有无可比拟的优势。同时,模糊控制与神经网络在系统建模等方面有着很强的互补性。本文采用一种可以实施混合学习算法的自适应神经—模糊推理系统(ANFIS)结构,对车辆纵向运动跟车间距控制问题进行了研究,设计了基于ANFIS结构的跟车间距控制器,通过仿真对ANFIS结构控制器中的各参数进行了优化。建立了基于高斯型函数作为隶属度函数的车间距离控制器模型,运用前后两车的速度差与距离差的变化情况对后车的加速度进行控制。最后,本文对上述控制方法用Matlab进行了仿真试验。结果表明,运用本文设计的方法对后车的加速度进行控制,能保证后车经过短暂的速度变化后使前后两车之间保持安全距离,避免碰撞追尾事故的发生,验证了结论的正确性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究的现状
• 1.3 研究的意义
• 1.4 研究现状与存在问题
• 1.4.1 车速巡航控制
• 1.4.2 跟车间距控制
• 1.4.2.1 上位控制系统
• 1.4.2.2 下位控制系统
• 1.5 本文的主要研究内容和方法
• 第二章 模糊控制理论
• 2.1 模糊数学基础
• 2.1.1 模糊集合表示法
• 2.1.2 模糊集合的运算
• 2.2 模糊控制系统
• 2.2.1 模糊器
• 2.2.2 模糊规则库
• 2.2.3 模糊推理机
• 2.2.4 解模糊器
• 2.3 模糊控制系统的特性
• 第三章 行进中车辆防追尾碰撞的临界安全车距研究
• 3.1 定义
• 3.2 驾驶员信息处理过程分析
• 3.3 问题的提出与简化
• 3.4 车辆临界安全车距的数学模型
• 3.5 结论
• 第四章 自适应神经网络模糊系统设计
• 4.1 自适应神经模糊推理系统概述
• 4.2 Matlab辅助ANFIS设计
• 4.2.1 基于ANFIS的模型学习和推导
• 4.2.2 ANFIS结构和参数的调整
• 4.2.3 训练的数据以及结果模型的有效性
• 4.2.4 用测试和核对数据组来检验结果模型
• 4.2.5 Matlab自适应神经网络模糊工具的使用限制
• 第五章 车距模糊控制器的设计
• 5.1 行车安全距离
• 5.2 模糊控制器的设计
• 5.2.1 确定模糊控制器的结构
• 5.2.2 选择描述输入和输出变量的模糊语言
• 5.2.3 确定模糊集合的隶属函数及控制规则
• 5.2.3.1 定义模糊集的隶属函数
• 5.2.3.2 建立模糊控制器的控制规则
• 5.2.4 模糊化和去模糊化的方法
• 5.3 车间距离控制器的设计
• 第六章 仿真试验
• 6.1 仿真工具简介
• 6.2 仿真实例
• 第七章 结论与展望
• 参考文献
• 致谢
• 硕士阶段发表论文