基于神经网络预测控制的车道保持控制模型

摘要

针对车道保持智能辅助系统，设计了一种基于深度学习框架下的模型预测控制模型.首先，建立经典车辆动力学模型，分析汽车转向相关的轮胎横向速度、横向角速度与方向盘预测转向角变化规律；其次，基于Matlab平台模拟了某型汽车在随机工况下，汽车在不同的轮胎横向速度、横向角速度、偏航距离、相对偏航角下预测的方向偏航角变化规律；然后，提取汽车轮胎输入数据及方向盘的预测输出数据训练深度学习模型，得出车辆转向过程中轮胎与方向盘的工况参数预测值.仿真结果表明：神经网络模型预测的方向盘变化值在0.98°到-0.9°之间变化，且在1 s左右方向盘变化趋向于稳定.可见，在车道保持辅助过程中，利用深度神经网络预测的方向盘角度变化更趋平滑，更利于方向盘的操作.

关键词

深度学习 / 模型预测 / 车道保持 / 深度神经网络