李世一　解淑英　杜紹研

摘 要： 研究神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)的自適應(yīng)建模和逆建模策略用于非線性的自動巡航系統(tǒng)的控制及可行性。通過對自適應(yīng)逆控制方法與現(xiàn)行的反饋控制、模糊控制、PID控制進(jìn)行對比，并在有干擾的情況下系統(tǒng)需要一定的收斂時間，通過運(yùn)用Matlab軟件進(jìn)行仿真。根據(jù)仿真結(jié)果分析，當(dāng)對象輸出沒有受到干擾時，其在線辨識對象模型和逆模型有十分好的效果；當(dāng)對象輸出存在一些干擾時，由于干擾的存在，需要一段時間來將兩個辨識模型收斂。因此，基于動態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

關(guān)鍵詞： 自動巡航汽車； 自適應(yīng)逆控制； 神經(jīng)網(wǎng)絡(luò)； 非線性系統(tǒng)

中圖分類號： TN911?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2014）06?0019?02

由測速裝置、轉(zhuǎn)向角傳感器、車速傳感器等部件組成的巡航控制系統(tǒng)是現(xiàn)今的汽車巡航控制系統(tǒng)的主體部分，自動巡航控制系統(tǒng)的研究是近些年來國內(nèi)外研究的主要方向。當(dāng)?shù)缆非闆r良好時，該系統(tǒng)就與普通的巡航系統(tǒng)大致相同；當(dāng)行駛的汽車速度較高或者是行駛過程中與前一輛車之間的距離較近時，通過感應(yīng)，系統(tǒng)就會適當(dāng)減速，以避免追尾事件[1]。國內(nèi)有多所高校和科研單位已經(jīng)開始從事汽車自動巡航控制系統(tǒng)的研究[2?4]。目前，汽車自動巡航控制系統(tǒng)的控制策略有多種，其主要有PID調(diào)節(jié)方式、自適應(yīng)控制、模糊控制等。汽車巡航控制系統(tǒng)中的模糊控制器不需要精確的數(shù)字，也不需要精準(zhǔn)的數(shù)學(xué)模型，其數(shù)據(jù)主要來源于該汽車設(shè)定的車速與實(shí)際車速的偏差和變化率，因此該系統(tǒng)的確定就使得其規(guī)則和隸屬函數(shù)不能隨外界參數(shù)的變化而進(jìn)行調(diào)整。

1 自適應(yīng)逆控制與現(xiàn)行控制技術(shù)比較

自適應(yīng)逆控制[5]是通過運(yùn)用自適應(yīng)濾波方法來辨別被控對象的逆模型來實(shí)現(xiàn)精確控制的。通過該對象本身傳遞函數(shù)的逆（控制器）來驅(qū)動對象，并以此來控制對象的動態(tài)性能，是一種前饋控制。傳統(tǒng)的反饋和自適應(yīng)控制中針對噪聲和擾動的控制都是通過從輸出到輸入的負(fù)反饋，設(shè)計中只能在擾動消除和系統(tǒng)動態(tài)特性之間進(jìn)行折中。但對于自適應(yīng)逆控制而言，對擾動的控制和對象動態(tài)特性的控制是兩個單獨(dú)的單元，可以互不干擾。模糊控制，即通過運(yùn)用模糊數(shù)學(xué)，系統(tǒng)性的模仿人工控制活動的策略。汽車巡航控制器通過模糊判斷以及模糊控制規(guī)則來設(shè)定汽車的實(shí)際車速[6]。PID控制是根據(jù)實(shí)際車速與設(shè)定車速的偏差來實(shí)現(xiàn)汽車不變參數(shù)的巡航控制。PID控制優(yōu)點(diǎn)較多，但對于特性復(fù)雜的時變或非線性的過程，如果出現(xiàn)參數(shù)調(diào)整不當(dāng)?shù)痊F(xiàn)象，會使得系統(tǒng)不停地振蕩以至于控制效果不佳。神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)在逼近非線性函數(shù)方面具有極大的優(yōu)越性[7?8]。動態(tài)神經(jīng)網(wǎng)絡(luò)可作為一類非線性自適應(yīng)濾波器，可用于非線性自適應(yīng)逆控制系統(tǒng)的對象的正向和逆向建模控制。因此，本文將以非線性自適應(yīng)逆控制研究為基礎(chǔ)，設(shè)計出較為合理的動態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

2 神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)逆建模結(jié)構(gòu)

直接法和間接法是神經(jīng)網(wǎng)絡(luò)建立非線性系統(tǒng)逆建模運(yùn)用的主要辨識結(jié)構(gòu)。本文通過間接法，針對對象模型，運(yùn)用非線性系統(tǒng)辨識的方法建立對象逆模型，如圖1所示。其中，DAFNN?1是根據(jù)在線建立的被控對象動態(tài)神經(jīng)網(wǎng)絡(luò)模型，DAFNN?2是根據(jù)參考模型建立的被控對象的逆模型，即系統(tǒng)控制器。在建模和逆建模的過程中，利用S函數(shù)的傾斜度來調(diào)整DAFNN?1和DAFNN?2的輸出層權(quán)值，達(dá)到實(shí)時跟蹤的效果。

3 非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)逆建模仿真研究

為說明神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制系統(tǒng)的工作性能，對如下非線性系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)：

令參考模型為[d（k）=sin（r（k）100）]（k=1：4 000），dist為白噪聲干擾，DAFNN?2（l）隱層包含5個神經(jīng)元，DAFNN?2（2）隱層包含8個神經(jīng)元，可得到下列仿真結(jié)果如圖2，圖3所示。

根據(jù)仿真結(jié)果分析，當(dāng)對象輸出沒有受到干擾時，其在線辨識對象模型和逆模型有十分好的效果；當(dāng)對象輸出存在一些干擾時，由于干擾的存在，需要一段時間來將兩個辨識模型收斂?？傮w可見，基于動態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

4 結(jié) 語

本文基于目前國內(nèi)外對汽車自動巡航系統(tǒng)的綜合考研，設(shè)定了基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線性控制系統(tǒng)，并通過對一個非線性系統(tǒng)的仿真具體分析得到了較為良好的控制效果。通過仿真結(jié)果分析，該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可適用于非線性的自動巡航系統(tǒng)，通過調(diào)節(jié)S函數(shù)的傾斜度實(shí)現(xiàn)控制器的實(shí)時校正以及輸出層的權(quán)值，具有時間短、無超調(diào)等優(yōu)點(diǎn)，因此有較高的實(shí)際應(yīng)用價值。

參考文獻(xiàn)

[1] 陳達(dá)興.自適應(yīng)巡航控制系統(tǒng)中前方有效目標(biāo)識別算法研究[D].長春：吉林大學(xué)，2011.

[2] 蘇玉剛.汽車ATM的系統(tǒng)設(shè)計和智能控制技術(shù)研究[D].重慶：重慶大學(xué)，2004.

[3] 朱永強(qiáng).汽車自適應(yīng)巡航系統(tǒng)的控制策略開發(fā)及行駛環(huán)境評估[D].長春：吉林大學(xué)，2007.

[4] 張德兆，王建強(qiáng)，劉佳熙，等.加速度連續(xù)型自適應(yīng)巡航控制模式切換策略[J].北京：清華大學(xué)學(xué)報：自然科學(xué)版，2010（8）：1277?1281.

[5] WIDROW B， WALACH E. Adaptive inverse control [C]// Proceedings of the 1993 IEEE International Symposium on Intelligent Control. Chicago， IL： IEEE， 1993： 1?6.

[6] 田雷.汽車自適應(yīng)巡航系統(tǒng)的模糊自校正控制算法研究[J].長春：吉林大學(xué)，2006.

[7] 李明，楊成梧.PID神經(jīng)網(wǎng)絡(luò)的改進(jìn)PSO學(xué)習(xí)算法[C]//Proceedings of the 25th Chinese Control Conference. Harbin， Heilongjiang： [s.n.]， 2006： 1123?1125.

[8] 李明，楊成梧.經(jīng)過改進(jìn)的NARX回歸神經(jīng)網(wǎng)絡(luò)[J].電氣自動化，2006，13（3）：56?38.

摘 要： 研究神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)的自適應(yīng)建模和逆建模策略用于非線性的自動巡航系統(tǒng)的控制及可行性。通過對自適應(yīng)逆控制方法與現(xiàn)行的反饋控制、模糊控制、PID控制進(jìn)行對比，并在有干擾的情況下系統(tǒng)需要一定的收斂時間，通過運(yùn)用Matlab軟件進(jìn)行仿真。根據(jù)仿真結(jié)果分析，當(dāng)對象輸出沒有受到干擾時，其在線辨識對象模型和逆模型有十分好的效果；當(dāng)對象輸出存在一些干擾時，由于干擾的存在，需要一段時間來將兩個辨識模型收斂。因此，基于動態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

關(guān)鍵詞： 自動巡航汽車； 自適應(yīng)逆控制； 神經(jīng)網(wǎng)絡(luò)； 非線性系統(tǒng)

中圖分類號： TN911?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2014）06?0019?02

由測速裝置、轉(zhuǎn)向角傳感器、車速傳感器等部件組成的巡航控制系統(tǒng)是現(xiàn)今的汽車巡航控制系統(tǒng)的主體部分，自動巡航控制系統(tǒng)的研究是近些年來國內(nèi)外研究的主要方向。當(dāng)?shù)缆非闆r良好時，該系統(tǒng)就與普通的巡航系統(tǒng)大致相同；當(dāng)行駛的汽車速度較高或者是行駛過程中與前一輛車之間的距離較近時，通過感應(yīng)，系統(tǒng)就會適當(dāng)減速，以避免追尾事件[1]。國內(nèi)有多所高校和科研單位已經(jīng)開始從事汽車自動巡航控制系統(tǒng)的研究[2?4]。目前，汽車自動巡航控制系統(tǒng)的控制策略有多種，其主要有PID調(diào)節(jié)方式、自適應(yīng)控制、模糊控制等。汽車巡航控制系統(tǒng)中的模糊控制器不需要精確的數(shù)字，也不需要精準(zhǔn)的數(shù)學(xué)模型，其數(shù)據(jù)主要來源于該汽車設(shè)定的車速與實(shí)際車速的偏差和變化率，因此該系統(tǒng)的確定就使得其規(guī)則和隸屬函數(shù)不能隨外界參數(shù)的變化而進(jìn)行調(diào)整。

1 自適應(yīng)逆控制與現(xiàn)行控制技術(shù)比較

自適應(yīng)逆控制[5]是通過運(yùn)用自適應(yīng)濾波方法來辨別被控對象的逆模型來實(shí)現(xiàn)精確控制的。通過該對象本身傳遞函數(shù)的逆（控制器）來驅(qū)動對象，并以此來控制對象的動態(tài)性能，是一種前饋控制。傳統(tǒng)的反饋和自適應(yīng)控制中針對噪聲和擾動的控制都是通過從輸出到輸入的負(fù)反饋，設(shè)計中只能在擾動消除和系統(tǒng)動態(tài)特性之間進(jìn)行折中。但對于自適應(yīng)逆控制而言，對擾動的控制和對象動態(tài)特性的控制是兩個單獨(dú)的單元，可以互不干擾。模糊控制，即通過運(yùn)用模糊數(shù)學(xué)，系統(tǒng)性的模仿人工控制活動的策略。汽車巡航控制器通過模糊判斷以及模糊控制規(guī)則來設(shè)定汽車的實(shí)際車速[6]。PID控制是根據(jù)實(shí)際車速與設(shè)定車速的偏差來實(shí)現(xiàn)汽車不變參數(shù)的巡航控制。PID控制優(yōu)點(diǎn)較多，但對于特性復(fù)雜的時變或非線性的過程，如果出現(xiàn)參數(shù)調(diào)整不當(dāng)?shù)痊F(xiàn)象，會使得系統(tǒng)不停地振蕩以至于控制效果不佳。神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)在逼近非線性函數(shù)方面具有極大的優(yōu)越性[7?8]。動態(tài)神經(jīng)網(wǎng)絡(luò)可作為一類非線性自適應(yīng)濾波器，可用于非線性自適應(yīng)逆控制系統(tǒng)的對象的正向和逆向建?？刂啤Ｒ虼?，本文將以非線性自適應(yīng)逆控制研究為基礎(chǔ)，設(shè)計出較為合理的動態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

2 神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)逆建模結(jié)構(gòu)

直接法和間接法是神經(jīng)網(wǎng)絡(luò)建立非線性系統(tǒng)逆建模運(yùn)用的主要辨識結(jié)構(gòu)。本文通過間接法，針對對象模型，運(yùn)用非線性系統(tǒng)辨識的方法建立對象逆模型，如圖1所示。其中，DAFNN?1是根據(jù)在線建立的被控對象動態(tài)神經(jīng)網(wǎng)絡(luò)模型，DAFNN?2是根據(jù)參考模型建立的被控對象的逆模型，即系統(tǒng)控制器。在建模和逆建模的過程中，利用S函數(shù)的傾斜度來調(diào)整DAFNN?1和DAFNN?2的輸出層權(quán)值，達(dá)到實(shí)時跟蹤的效果。

3 非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)逆建模仿真研究

為說明神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制系統(tǒng)的工作性能，對如下非線性系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)：

令參考模型為[d（k）=sin（r（k）100）]（k=1：4 000），dist為白噪聲干擾，DAFNN?2（l）隱層包含5個神經(jīng)元，DAFNN?2（2）隱層包含8個神經(jīng)元，可得到下列仿真結(jié)果如圖2，圖3所示。

根據(jù)仿真結(jié)果分析，當(dāng)對象輸出沒有受到干擾時，其在線辨識對象模型和逆模型有十分好的效果；當(dāng)對象輸出存在一些干擾時，由于干擾的存在，需要一段時間來將兩個辨識模型收斂?？傮w可見，基于動態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

4 結(jié) 語

本文基于目前國內(nèi)外對汽車自動巡航系統(tǒng)的綜合考研，設(shè)定了基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線性控制系統(tǒng)，并通過對一個非線性系統(tǒng)的仿真具體分析得到了較為良好的控制效果。通過仿真結(jié)果分析，該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可適用于非線性的自動巡航系統(tǒng)，通過調(diào)節(jié)S函數(shù)的傾斜度實(shí)現(xiàn)控制器的實(shí)時校正以及輸出層的權(quán)值，具有時間短、無超調(diào)等優(yōu)點(diǎn)，因此有較高的實(shí)際應(yīng)用價值。

參考文獻(xiàn)

[1] 陳達(dá)興.自適應(yīng)巡航控制系統(tǒng)中前方有效目標(biāo)識別算法研究[D].長春：吉林大學(xué)，2011.

[2] 蘇玉剛.汽車ATM的系統(tǒng)設(shè)計和智能控制技術(shù)研究[D].重慶：重慶大學(xué)，2004.

[3] 朱永強(qiáng).汽車自適應(yīng)巡航系統(tǒng)的控制策略開發(fā)及行駛環(huán)境評估[D].長春：吉林大學(xué)，2007.

[4] 張德兆，王建強(qiáng)，劉佳熙，等.加速度連續(xù)型自適應(yīng)巡航控制模式切換策略[J].北京：清華大學(xué)學(xué)報：自然科學(xué)版，2010（8）：1277?1281.

[5] WIDROW B， WALACH E. Adaptive inverse control [C]// Proceedings of the 1993 IEEE International Symposium on Intelligent Control. Chicago， IL： IEEE， 1993： 1?6.

[6] 田雷.汽車自適應(yīng)巡航系統(tǒng)的模糊自校正控制算法研究[J].長春：吉林大學(xué)，2006.

[7] 李明，楊成梧.PID神經(jīng)網(wǎng)絡(luò)的改進(jìn)PSO學(xué)習(xí)算法[C]//Proceedings of the 25th Chinese Control Conference. Harbin， Heilongjiang： [s.n.]， 2006： 1123?1125.

[8] 李明，楊成梧.經(jīng)過改進(jìn)的NARX回歸神經(jīng)網(wǎng)絡(luò)[J].電氣自動化，2006，13（3）：56?38.

摘 要： 研究神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)的自適應(yīng)建模和逆建模策略用于非線性的自動巡航系統(tǒng)的控制及可行性。通過對自適應(yīng)逆控制方法與現(xiàn)行的反饋控制、模糊控制、PID控制進(jìn)行對比，并在有干擾的情況下系統(tǒng)需要一定的收斂時間，通過運(yùn)用Matlab軟件進(jìn)行仿真。根據(jù)仿真結(jié)果分析，當(dāng)對象輸出沒有受到干擾時，其在線辨識對象模型和逆模型有十分好的效果；當(dāng)對象輸出存在一些干擾時，由于干擾的存在，需要一段時間來將兩個辨識模型收斂。因此，基于動態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

關(guān)鍵詞： 自動巡航汽車； 自適應(yīng)逆控制； 神經(jīng)網(wǎng)絡(luò)； 非線性系統(tǒng)

中圖分類號： TN911?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2014）06?0019?02

由測速裝置、轉(zhuǎn)向角傳感器、車速傳感器等部件組成的巡航控制系統(tǒng)是現(xiàn)今的汽車巡航控制系統(tǒng)的主體部分，自動巡航控制系統(tǒng)的研究是近些年來國內(nèi)外研究的主要方向。當(dāng)?shù)缆非闆r良好時，該系統(tǒng)就與普通的巡航系統(tǒng)大致相同；當(dāng)行駛的汽車速度較高或者是行駛過程中與前一輛車之間的距離較近時，通過感應(yīng)，系統(tǒng)就會適當(dāng)減速，以避免追尾事件[1]。國內(nèi)有多所高校和科研單位已經(jīng)開始從事汽車自動巡航控制系統(tǒng)的研究[2?4]。目前，汽車自動巡航控制系統(tǒng)的控制策略有多種，其主要有PID調(diào)節(jié)方式、自適應(yīng)控制、模糊控制等。汽車巡航控制系統(tǒng)中的模糊控制器不需要精確的數(shù)字，也不需要精準(zhǔn)的數(shù)學(xué)模型，其數(shù)據(jù)主要來源于該汽車設(shè)定的車速與實(shí)際車速的偏差和變化率，因此該系統(tǒng)的確定就使得其規(guī)則和隸屬函數(shù)不能隨外界參數(shù)的變化而進(jìn)行調(diào)整。

1 自適應(yīng)逆控制與現(xiàn)行控制技術(shù)比較

自適應(yīng)逆控制[5]是通過運(yùn)用自適應(yīng)濾波方法來辨別被控對象的逆模型來實(shí)現(xiàn)精確控制的。通過該對象本身傳遞函數(shù)的逆（控制器）來驅(qū)動對象，并以此來控制對象的動態(tài)性能，是一種前饋控制。傳統(tǒng)的反饋和自適應(yīng)控制中針對噪聲和擾動的控制都是通過從輸出到輸入的負(fù)反饋，設(shè)計中只能在擾動消除和系統(tǒng)動態(tài)特性之間進(jìn)行折中。但對于自適應(yīng)逆控制而言，對擾動的控制和對象動態(tài)特性的控制是兩個單獨(dú)的單元，可以互不干擾。模糊控制，即通過運(yùn)用模糊數(shù)學(xué)，系統(tǒng)性的模仿人工控制活動的策略。汽車巡航控制器通過模糊判斷以及模糊控制規(guī)則來設(shè)定汽車的實(shí)際車速[6]。PID控制是根據(jù)實(shí)際車速與設(shè)定車速的偏差來實(shí)現(xiàn)汽車不變參數(shù)的巡航控制。PID控制優(yōu)點(diǎn)較多，但對于特性復(fù)雜的時變或非線性的過程，如果出現(xiàn)參數(shù)調(diào)整不當(dāng)?shù)痊F(xiàn)象，會使得系統(tǒng)不停地振蕩以至于控制效果不佳。神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)在逼近非線性函數(shù)方面具有極大的優(yōu)越性[7?8]。動態(tài)神經(jīng)網(wǎng)絡(luò)可作為一類非線性自適應(yīng)濾波器，可用于非線性自適應(yīng)逆控制系統(tǒng)的對象的正向和逆向建?？刂?。因此，本文將以非線性自適應(yīng)逆控制研究為基礎(chǔ)，設(shè)計出較為合理的動態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

2 神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)逆建模結(jié)構(gòu)

直接法和間接法是神經(jīng)網(wǎng)絡(luò)建立非線性系統(tǒng)逆建模運(yùn)用的主要辨識結(jié)構(gòu)。本文通過間接法，針對對象模型，運(yùn)用非線性系統(tǒng)辨識的方法建立對象逆模型，如圖1所示。其中，DAFNN?1是根據(jù)在線建立的被控對象動態(tài)神經(jīng)網(wǎng)絡(luò)模型，DAFNN?2是根據(jù)參考模型建立的被控對象的逆模型，即系統(tǒng)控制器。在建模和逆建模的過程中，利用S函數(shù)的傾斜度來調(diào)整DAFNN?1和DAFNN?2的輸出層權(quán)值，達(dá)到實(shí)時跟蹤的效果。

3 非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)逆建模仿真研究

為說明神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆控制系統(tǒng)的工作性能，對如下非線性系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)：

令參考模型為[d（k）=sin（r（k）100）]（k=1：4 000），dist為白噪聲干擾，DAFNN?2（l）隱層包含5個神經(jīng)元，DAFNN?2（2）隱層包含8個神經(jīng)元，可得到下列仿真結(jié)果如圖2，圖3所示。

根據(jù)仿真結(jié)果分析，當(dāng)對象輸出沒有受到干擾時，其在線辨識對象模型和逆模型有十分好的效果；當(dāng)對象輸出存在一些干擾時，由于干擾的存在，需要一段時間來將兩個辨識模型收斂。總體可見，基于動態(tài)神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)逆控制系統(tǒng)是十分可行的。

4 結(jié) 語

本文基于目前國內(nèi)外對汽車自動巡航系統(tǒng)的綜合考研，設(shè)定了基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線性控制系統(tǒng)，并通過對一個非線性系統(tǒng)的仿真具體分析得到了較為良好的控制效果。通過仿真結(jié)果分析，該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可適用于非線性的自動巡航系統(tǒng)，通過調(diào)節(jié)S函數(shù)的傾斜度實(shí)現(xiàn)控制器的實(shí)時校正以及輸出層的權(quán)值，具有時間短、無超調(diào)等優(yōu)點(diǎn)，因此有較高的實(shí)際應(yīng)用價值。

參考文獻(xiàn)

[1] 陳達(dá)興.自適應(yīng)巡航控制系統(tǒng)中前方有效目標(biāo)識別算法研究[D].長春：吉林大學(xué)，2011.

[2] 蘇玉剛.汽車ATM的系統(tǒng)設(shè)計和智能控制技術(shù)研究[D].重慶：重慶大學(xué)，2004.

[3] 朱永強(qiáng).汽車自適應(yīng)巡航系統(tǒng)的控制策略開發(fā)及行駛環(huán)境評估[D].長春：吉林大學(xué)，2007.

[4] 張德兆，王建強(qiáng)，劉佳熙，等.加速度連續(xù)型自適應(yīng)巡航控制模式切換策略[J].北京：清華大學(xué)學(xué)報：自然科學(xué)版，2010（8）：1277?1281.

[5] WIDROW B， WALACH E. Adaptive inverse control [C]// Proceedings of the 1993 IEEE International Symposium on Intelligent Control. Chicago， IL： IEEE， 1993： 1?6.

[6] 田雷.汽車自適應(yīng)巡航系統(tǒng)的模糊自校正控制算法研究[J].長春：吉林大學(xué)，2006.

[7] 李明，楊成梧.PID神經(jīng)網(wǎng)絡(luò)的改進(jìn)PSO學(xué)習(xí)算法[C]//Proceedings of the 25th Chinese Control Conference. Harbin， Heilongjiang： [s.n.]， 2006： 1123?1125.

[8] 李明，楊成梧.經(jīng)過改進(jìn)的NARX回歸神經(jīng)網(wǎng)絡(luò)[J].電氣自動化，2006，13（3）：56?38.