Knstliche Neuronale Netzwerke Zur Adaptiven Fahrdynamikregelung
Le présent ouvrage examine l'utilisation d'un concept de contrôle hybride pour le contrôle de la dynamique du véhicule d'un véhicule expérimental autonome. Pour ce faire, un régulateur de dynamique transversale en cascade basé sur un modèle est complété par un réseau neuronal artificiel (KNN).
Le KNN est implémenté sans "connaissances préalables" et entraîné activement en boucle fermée. Les recherches sont menées à la fois dans des simulations et dans un banc d'essai réel. Les essais montrent le potentiel de performance du concept de régulation hybride.
Lorsque la dynamique du véhicule est faible, il est possible de conduire le véhicule avec précision sans KNN. En cas de dynamique élevée, il en résulte toutefois des écarts par rapport à la trajectoire de consigne, qui sont progressivement réduits par le réseau d'apprentissage itératif.
L'optimisation des poids du réseau en fonction de la situation permet de compenser l'influence de l'erreur systématique du modèle de base et d'améliorer le processus de régulation. Ce comportement peut être mis en évidence par une sélection appropriée des paramètres de conception du KNN pour chacun des scénarios considérés.
L'adaptation des poids du réseau permet d'améliorer les résultats de la régulation par rapport au régulateur de base purement basé sur un modèle, aussi bien en cas d'erreur qu'en cas de dynamique élevée du véhicule et d'identification imprécise du système.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)