【技术实现步骤摘要】
本专利技术涉及智能驾驶领域，尤其是涉及一种基于并行学习和极值搜索的控制方法、装置及存储介质。
技术介绍
1、非线性系统广泛存在于各行各业中，例如随着未来车辆向智能化、无人化方向的发展，研究具备自主识别路面类型、并获得最佳紧急制动效果的智能紧急制动控制是无人驾驶汽车能够切实落地的前提保障也是事关民众生命财产安全的关键。由于轮胎-路面接触的摩擦力与制动力矩之间呈现非线性，且由于路面条件的多样性相关，不同路面类型与轮胎接触的摩擦力与制动力矩之间呈现不同的非线性类型，使得无人车在各种路况尤其变路况条件下均能实现最佳的紧急制动效果面临巨大挑战。
2、诸如紧急制动等非线性系统的极值搜索及其极值的跟随控制一直是控制领域的重要方向，尤其是当非线性系统类型存在、改变或切换时，其极值也会跟着发生变化，如何使非线性系统类型在发生改变或切换时保证系统的稳定性并使系统迅速稳定运行在新的极值是非线性类型改变及带切换非线性系统控制的难点。
技术实现思路
1、本专利技术的目的就是为了提供一种基于并行学习和极值...
【技术保护点】
1.一种基于并行学习和极值搜索的控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于并行学习和极值搜索的控制方法，其特征在于，所述特征向量为二元数据序列，特征向量中的每个元素由滑移率和对应的路面附着系数组成。
3.根据权利要求1所述的一种基于并行学习和极值搜索的控制方法，其特征在于，所述基于极值搜索确定最优滑移率，包括：
4.根据权利要求3所述的一种基于并行学习和极值搜索的控制方法，其特征在于，所述路面附着系数微分和和滑移率差值的微分通过跟踪-微分器获取。
5.根据权利要求4所述的一种基于并行学习和极值搜索的控...
【技术特征摘要】
1.一种基于并行学习和极值搜索的控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于并行学习和极值搜索的控制方法，其特征在于，所述特征向量为二元数据序列，特征向量中的每个元素由滑移率和对应的路面附着系数组成。
3.根据权利要求1所述的一种基于并行学习和极值搜索的控制方法，其特征在于，所述基于极值搜索确定最优滑移率，包括：
4.根据权利要求3所述的一种基于并行学习和极值搜索的控制方法，其特征在于，所述路面附着系数微分和和滑移率差值的微分通过跟踪-微分器获取。
5.根据权利要求4所述的一种基于并行学习和极值搜索的控制方法，其特征在于，所述跟踪-微分器采用最速综合函数获取附着系数微分和和滑移率差值的微分。...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。