基于径向基网络的汽车操纵逆动力学仿真研究.pdfVIP

第18卷第1期 湖南工程学院学报 V01．18．No．1 ofHunanInstituteof Mal-．2008 2008年3月 Journal Engineering 基于径向基网络的汽车操纵逆动力学仿真研究 于瑞 (常州工程职业技术学院，江苏常州213164) 摘要：在简要分析汽车操纵逆动力学研究现状的基础上，利用径向基函数网络建立了汽车横摆角速 度响应与方向盘角输入之间非线性映射关系．通过方向盘角阶跃输入和正弦输入的识别结果表明，这种 识别方向盘角输入的方法是可行的，并且具有识别精度高、运算速度快等优点． 关键词：汽车操纵动力学；逆问题；径向基网络；仿真 中图分类号：U461 文献标识码：A 文章编号：1671—119x(2008)01—0036—04 随着汽车技术的发展，汽车交通呈现出车辆高 不同．它是在已知汽车模型、汽车的运动状态(汽车 速化、驾驶人员非职业化和车流密集化的趋势．频繁 响应)的基础上，反求得所允许的驾驶员的操纵输 的交通事故、惨重的人员伤亡和巨大的财产损失，使 入，进而分析什么样的操纵，才是大多数驾驶员所容 汽车交通安全问题成为一个社会性问题．解决这一 易接受的、行驶最安全的和最快速的等，也可以称为 安全问题的事前方法是主动安全性方法．主动安全 汽车操纵动力学“反问题”，属于力学中的“动态载 性是指汽车能够帮助驾驶员在所有交通状况下尽可 荷识别”问题．到目前为止，关于汽车操纵逆动力学 能安全地避免事故的一种性能．而按照汽车事故的 的研究还处于初级阶段．口’41 诱发因素比例排序，操纵稳定性居首位．近几十年 来，如何获得良好的操纵稳定性，始终是各国学者和 2径向基函数网络理论与特性 设计师们的主要研究方向之一．【1。3’ Basis 径向基函数(RadialFunction，简记为 l汽车操纵稳定性的研究方法 RBF)网络是前向神经网络中的一类特殊的三层神 经网络．其隐含层单元的作用函数采用非线性的径 汽车操纵稳定性的研究方法通常包括开环方法 向基函数，以对输入层的激励产生局部化响应，即仅 和闭环方法．开环方法：已知汽车模型、道路模型和 当输入落在输入空间某一制定的小范围内时，隐单 驾驶员操纵输入，来求得汽车的运动状态(汽车响 元才会作出有意义的非零响应，输出节点则对隐节 应)．闭环方法：已知驾驶员一汽车闭环操纵系统模 点的基函数输出进行线性组合． 型和驾驶员所要跟随的理想路径，驾驶员不断的观 径向基函数网络的基本结构如图1所示，是一 察、判断和修正操纵输入，来求得汽车跟随理想路径 个三层前向神经网络：包括输入层、隐含层(中间 的最佳运动状态(汽车响应)¨．2J．上述两种方法也层)、输出层；输入层有z个节点，隐含层有-『个节 称解决汽车操纵动力学“正问题”的方法．但上述两 点，输出层有t个节点．上、下层之间各神经元实现 种方法都有其先天的不足．开环方法假定驾驶员的 全连接，即下层的每一单元与上层的每一单元都实 任务只是机械地转动方向盘，而不允许驾驶者起任 现权连接，而每层各神经元之间无连接．网络按有教 何反馈作用．闭环方法中驾驶员的建模问题，始终是 师示教的方式进行学习，当一对学习模式提供给网 使驾驶员一汽车闭环系统操纵动力学研究趋于成熟 络后，神经元激活值从输入层经各中间层向输出层 和实用化的一个“瓶颈”问