基于RBF神经网络的自适应巡航控制方法及装置制造方法及图纸

本发明专利技术提供一种基于RBF神经网络的自适应巡航控制方法及装置，方法包括：获取自适应巡航输入变量；将自适应巡航输入变量输入至扭矩控制模型中，得到扭矩控制模型输出的发动机扭矩变化量；其中，扭矩控制模型是利用自适应粒子群优化算法对在先建立的径向基函数RBF神经网络进行离线优化得到的；根据控制获得的发动机扭矩变化量，控制车辆进行自适应巡航。本发明专利技术通过利用基于自适应粒子群优化算法优化RBF神经网络，以自适应调整参数，显著提高参数优化的效率和效果，增强模型的适应能力和可靠性，进而便于利用优化得到的扭矩控制模型进行自适应巡航控制，提高自适应巡航控制的精度和响应速度。

【技术实现步骤摘要】

本专利技术涉及自动驾驶 ，尤其涉及一种基于rbf神经网络的自适应巡航控制方法及装置。

技术介绍

1、随着汽车工业的发展，自动驾驶和高级驾驶辅助系统（advanced driverassistance systems，简称adas）得到了广泛的关注和研究。其中，自适应巡航控制（adaptive cruise control ，简称acc）系统是实现自动驾驶的重要组成部分。acc是自动驾驶车辆的一种基本控制方法，其主要利用车载传感器和功能模块获取车辆周围以及自身的信息，调节车辆自身的加-减速度，以保持合理车间距离，提高行车安全性，实现车辆高效、安全、舒适的行驶。

2、目前采用的acc系统主要基于经典控制理论，比如pid控制和模糊控制等，pid控制主要是在被控制量偏离控制值时、基于控制器的输出和输入误差信号成一定的比例关系，使系统稳定、快速地自动回到设定值上；模糊控制主要是将实际速度与设定速度之间的误差以及误差的变化率作为输入变量，通过模糊化、模糊控制规则进行模糊推理，以根据推理结果控制车辆的加速度或减速度。

3、然而，由于车辆行驶环境复本文档来自技高网...

【技术保护点】

1.一种基于RBF神经网络的自适应巡航控制方法，其特征在于，包括：

2.根据权利要求1所述的基于RBF神经网络的自适应巡航控制方法，其特征在于，利用自适应粒子群优化算法对在先建立的径向基函数RBF神经网络进行离线优化，包括：

3.根据权利要求1所述的基于RBF神经网络的自适应巡航控制方法，其特征在于，所述扭矩控制模型包括输入层、隐藏层和输出层，将所述自适应巡航输入变量输入至扭矩控制模型中，得到所述扭矩控制模型输出的发动机扭矩变化量，包括：

4.根据权利要求3所述的基于RBF神经网络的自适应巡航控制方法，其特征在于，所述隐藏层的每个神经元分别根据输入的自...

【技术特征摘要】

1.一种基于rbf神经网络的自适应巡航控制方法，其特征在于，包括：

2.根据权利要求1所述的基于rbf神经网络的自适应巡航控制方法，其特征在于，利用自适应粒子群优化算法对在先建立的径向基函数rbf神经网络进行离线优化，包括：

3.根据权利要求1所述的基于rbf神经网络的自适应巡航控制方法，其特征在于，所述扭矩控制模型包括输入层、隐藏层和输出层，将所述自适应巡航输入变量输入至扭矩控制模型中，得到所述扭矩控制模型输出的发动机扭矩变化量，包括：

4.根据权利要求3所述的基于rbf神经网络的自适应巡航控制方法，其特征在于，所述隐藏层的每个神经元分别根据输入的自适应巡航输入变量与预设径向基函数，得到各所述神经元的输出值，并结合所述输出层，得到发动机扭矩变化量，包括：

5.根据权利要求1所述的基于rbf神经网络的自适应巡航控制方法，其特征在于，在根据所述发动机扭矩变化量，控制车辆进行自适...

【专利技术属性】
技术研发人员：张琳琳，任广霄，冯爽，王金勇，
申请(专利权)人：中国重汽集团济南动力有限公司，
类型：发明
国别省市：