首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于长短时记忆网络的无人驾驶汽车学习型预测控制方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:华南理工大学

摘要:本发明涉及控制技术领域,为基于长短时记忆网络的无人驾驶汽车学习型预测控制方法,包括:结合帕采卡轮胎模型建立基于阿克曼驾驶汽车模型的非线性车辆动力学模型;基于长短时记忆网络对非线性车辆动力学模型进行训练,得到优化的非线性车辆动力学模型;使用模型预测控制MPC方法作为优化的车辆动力学模型控制策略,利用模型预测控制MPC方法的最优化问题进行滚动优化;使用梯度下降法求解在线最优控制的最优化问题输出最优控制序列,将最优控制序列中的第一个元素作为下一时刻的自动驾驶汽车的实际控制输入量。本发明通过准确的模型建立和优化控制策略可以减少事故的风险,并使车辆能够适应不同路况和驾驶需求,可以提升自动驾驶汽车的安全性能。

主权项:1.基于长短时记忆网络的无人驾驶汽车学习型预测控制方法,其特征在于,包括以下步骤:S1、结合帕采卡轮胎模型的线性化纵向力和侧向力的公式,建立基于阿克曼驾驶汽车模型的非线性车辆动力学模型;S2、将车辆的历史输入数据、历史状态数据作为训练集,基于长短时记忆网络对非线性车辆动力学模型进行训练,得到优化的非线性车辆动力学模型;S3、使用模型预测控制MPC方法作为优化的车辆动力学模型控制策略,设定最优化问题;使用含自适应学习参数的梯度下降法求解最优化问题,输出控制时域内的最优控制序列,将最优控制序列中的第一个控制信号作为下一时刻的自动驾驶汽车的实际控制输入;所述步骤S3包括:S31、设定最优化问题,输入参考轨迹,设置初始迭代次数p=0,设置优化终止条件阈值Jset;S32、基于参考轨迹通过优化的车辆动力学模型在线计算最优化问题,如果目标代价函数的值JJset,令p=p+1,进入步骤S33;否则令p=0,进入步骤S35;S33、通过优化的车辆动力学模型的输出预测状态,根据预测状态计算雅比矩阵,通过梯度下降法GD更新控制输入;S34、令学习速率随着迭代自适应更新,返回步骤S32;S35、输出最优控制输入序列,将最优控制序列中的第一个元素作为自动驾驶汽车的实际控制输入;所述最优化问题表示为: 其中,称为目标代价函数,是预测时域下的预测状态,是参考轨迹状态,由路径规划的方法得出;是控制时域下的最优控制输入,是控制输入增量,表示向量里面的元素取绝对值;,表示的变化量;表示的变化量,和是和的权重系数,和,和分别是控制输入和系统状态的上下界。

全文数据:

权利要求:

百度查询: 华南理工大学 基于长短时记忆网络的无人驾驶汽车学习型预测控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。