Please wait a minute...
工程设计学报
工程设计学报  2013, Vol. 20 Issue (5): 434-440    
机电一体化和智能化系统设计理论、方法与技术     
汽车四轮转向自适应模糊神经网络控制研究
 胡启国1, 任龙1,2
1.重庆交通大学 机电与汽车工程学院，重庆 400074；
2.东风康明斯发动机有限公司，湖北 襄阳 441000
Research on adaptive fuzzy neural network control of four-wheel steering system
 HU  Qi-Guo1, REN  Long1,2
1.School of Electromechanics and Automobile Engineering， Chongqing Jiaotong University， Chongqing 400074，China； 
2.Dongfeng Cummins Engine Co.， Ltd., Xiangyang 441000， China
 全文: PDF(2542 KB)   HTML
摘要： 为了实现现实车辆运动的多自由度和非线性，在Simulink环境下建立包含车辆侧倾运动和轮胎非线性的三自由度四轮转向模型，针对大多控制方法需要依赖被控对象为精确数学模型的缺陷，提出具有联想、自学习、自识别、自适应特性的自适应模糊神经网络四轮转向控制策略；通过以前轮转角及车速作为输入，并依此确定后轮转角的输出，建立获得训练样本的仿真实验模型，用混合法训练得到自适应模糊神经网络控制器，并分别与前轮转向、比例控制和横摆角速度反馈控制下的四轮转向控制器进行仿真比较分析．结果表明自适应模糊神经网络控制使车辆在低速到中、高速时质心侧偏角趋于零，具有较强的鲁棒性；在角阶跃、移线实验中，控制效果优于前轮转向、比例控制和横摆角速度反馈控制，较大地改善了车辆的操纵性能．
关键词： 汽车;  四轮转向;  模糊-神经网络控制;  仿真分析    
Abstract: In order to achieve the multi degree of freedom and nonlinear movement of the vehicle， three degrees of freedom and fourwheel steering model was built up under Simulink environment. For most control methods need to rely on the defect that the controlled object should be an accurate mathematical model， we put up the fuzzy neural network which is selfassociated， selflearning， selfrecognition and adaptive for fourwheel steering control strategy. With rotor angle of front wheel and speed of the vehicle as input， the rotor angle of rear wheel as the output， we built the simulation model for the training. Hybrid method was used to acquire the sample selfadaptive fuzzy neural network controller， and compared the controller with that which is obtained under the feedback control of the front wheel steering， proportional control and yawing angular velocity. Results show that the selfadaptive fuzzy neural network control makes the vehicle mass center sideslip angle tend to zero when the speed is from low to high， and it has strong robustness. In anglestep， linemovement experiments， the control effect is better than that of the front wheel steering and proportional control and yawing angular velocity feedback control， it greatly improves the control performance of the vehicle．
Key words: vehicle    four-wheel-steering    fuzzy-neural network control    simulation analysis
出版日期: 2013-10-28
基金资助:

中国石油西南油气田分公司安全环保与技术监督研究院基金资助项目（XNS16JS2010\|013）.
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
胡启国
任龙

引用本文:

胡启国, 任龙. 汽车四轮转向自适应模糊神经网络控制研究[J]. 工程设计学报, 2013, 20(5): 434-440.

HU Qi-Guo, REN Long. Research on adaptive fuzzy neural network control of four-wheel steering system. Chinese Journal of Engineering Design, 2013, 20(5): 434-440.

链接本文:

https://www.zjujournals.com/gcsjxb/CN/    或    https://www.zjujournals.com/gcsjxb/CN/Y2013/V20/I5/434

[1] 唐绍禹,吴杰,张辉,邓兵兵,黄禹铭,黄浩. 多极式磁流变离合器温度场仿真与实验研究[J]. 工程设计学报, 2022, 29(4): 484-492.
[2] 肖圳, 何彦, 李育锋, 吴鹏程, 刘德高, 杜江. 改进MDSMOTE与PSO-SVM在汽车组合仪表分类预测中的应用[J]. 工程设计学报, 2022, 29(1): 20-27.
[3] 樊霄岳, 刘启, 官威, 朱云, 陈苏琳, 沈彬. 电磁微锻机构热效应模拟与实验研究[J]. 工程设计学报, 2022, 29(1): 66-73.
[4] 张勤, 庞业忠, 王凯. 机器人踩踏式除草过程仿真分析与试验研究[J]. 工程设计学报, 2021, 28(6): 709-719.
[5] 张沈瞳. 基于虚拟样机技术的飞机起落架着陆载荷分析[J]. 工程设计学报, 2021, 28(6): 758-763.
[6] 陈振, 熊涛, 杨延青, 薛晓伟. 可溶球座密封环密封性能分析与结构优化[J]. 工程设计学报, 2021, 28(6): 720-728.
[7] 于如飞, 寇鑫, 陈渭. 基于CFD的新型表面织构仿真分析[J]. 工程设计学报, 2021, 28(4): 466-472.
[8] 王玉璞, 程文明, 杜润, 王书标, 杨行舟, 翟守才. 大型门式起重机风荷载响应仿真分析[J]. 工程设计学报, 2020, 27(2): 239-246.
[9] 郝地龙, 何霞, 王国荣, 易建国, 陈彰斌. 整体式卡瓦齿槽结构优化[J]. 工程设计学报, 2019, 26(5): 534-543.
[10] 王克飞, 时培成, 彭闪闪, 刁杰胜. 不同边界约束条件下某汽车白车身静刚度分析[J]. 工程设计学报, 2019, 26(4): 441-451.
[11] 王哲, 陈勇, 曹展, 李光鑫, 左扣成. 纯电动汽车两挡变速器减振降噪研究[J]. 工程设计学报, 2019, 26(3): 280-286.
[12] 陈昭明, 徐泽宇, 邹劲松, 赵迎, 石明全. 隧道施工多功能铺设台车液压系统设计及其响应特征分析[J]. 工程设计学报, 2019, 26(1): 116-122.
[13] 范曙远, 王海波, 吴小笛, 张乐, 张龙. 工业装配外骨骼机械臂承重性能研究[J]. 工程设计学报, 2018, 25(6): 697-702.
[14] 刘宝华, 曹海龙, 周伟科. 汽车电动座椅出厂位姿调整方法研究[J]. 工程设计学报, 2018, 25(5): 503-509.
[15] 张钊, 张继忠. 自动落纱机自适应纱管夹持器设计及其动力学仿真研究[J]. 工程设计学报, 2018, 25(5): 539-545.