智联网汽车技术 课件 9.4.2轨迹跟踪-智能控制与最优控制.pptx

项目三汽车决策控制系统任务9协同控制系统主讲人：周磊智能网联汽车技术轨迹跟踪-智能控制与最优控制

课程导入急刹车换道避让

课程导入但此时如果用智能控制和最优控制算法，就可以快速输出一个最优方案――比如多项式规划可以在20ms内计算出一个行之有效的避障策略。

学习目标记住智能控制和最优控制的工作原理01了解在轨迹跟踪控制中的应用02

激活旧知轨迹跟踪控制要解决哪些关键技术问题吗?01汽车状态信息获取02环境感知与建模04汽车运动控制03轨迹生成与规划

探索新知神经网络控制的工作原理工作原理人工神经网络控制是模拟人脑结构和机理，实现对系统的控制。它把控制问题看成模式识别，被识别的模式映射成控制信号。

探索新知例子神经网络控制的工作原理工作原理NVIDIA公司使用卷积神经网络摄像头采集的图像输入汽车的转向控制命令输出只需要少量训练数据，系统就能自动驾驶

探索新知例子神经网络控制的工作原理工作原理与实际控制命令比对计算误差，不断调整网络权值，使网络模型输出结果最接近实际控制量。训练完成后,实时采集图像，输入模型生成控制信号，从而驾驶汽车。图像输入到卷积神经网络，预测出控制命令。训练数据通过三台摄像机采集，同步记录驾驶员的方向盘转角。

探索新知模糊控制01将人的控制经验编成模糊规则。02将传感器信号模糊化作为规则输入，进行模糊推理,得到输出控制量。优点:鲁棒性强,可以容错,适应不同复杂环境，比如在视线不清情况下也能工作。

探索新知最优控制最优控制通过计算找出最优控制方案，优化汽车轨迹跟踪的性能指标。线性二次调节器LQR控制模型预测控制MPC它使用汽车当前状态，使轨迹跟踪时的横向偏差和误差最小化。它基于预测模型进行滚动优化和反馈调整，实时计算出最优控制输入。

探索新知最优控制MPC132预测模型滚动优化反馈调整它着眼未来，计算出一系列最优控制量，对每时每刻的状态响应最优。

小测试即时检测1:神经网络控制与模糊控制相比,更依赖于()A.精确数学模型B.人的经验知识2:最优控制相比传统控制,能够优化汽车的()A.燃料经济性B.操控性能3:模型预测控制的优点是()A.计算全局最优解B.对当前状态响应最优

小结智能控制和最优控制在轨迹跟踪中的应用。神经网络控制，模拟人脑结构，端到端输入输出控制信号，模糊控制推理,不需精确模型,利用人类驾驶经验。LQR控制优化误差，MPC预判未来，计算最优控制量，智能与最优控制，汽车决策优化，保证驾驶更安全。

谢谢观看THANKS智能网联汽车技术