基于脉冲神经网络的无人地面车辆自适应墙跟随控制
系统与控制
2025-03-04 v1 系统与控制
摘要
在复杂环境中运行的无人地面车辆必须适应建模不确定性和外部扰动以执行墙体跟随和障碍物规避等任务。本文引入一种基于脉冲神经网络的自适应控制方法，用于墙体拟合和跟踪，该方法能够学习和适应不可预见的扰动。我们提出了实时墙体拟合算法来建模未知的墙体形状并生成相应的车辆轨迹以供跟随。发展了一种离散化线性二次调节器 (Linear Quadratic Regulator) 用于基于理想车辆模型提供基准控制信号。点匹配算法随后识别轨迹上最近的匹配点以生成前馈控制输入。最后，集成一种自适应脉冲神经网络控制器，其连接权重基于误差信号在线调整。数值仿真结果表明，该自适应控制框架在跟踪复杂轨迹和跟随不规则墙体方面优于传统线性二次调节器，即使在部分执行器故障和状态估计误差的情况下也能如期工作。
引用
@article{arxiv.2503.00380,
title = {Adaptive Wall-Following Control for Unmanned Ground Vehicles Using Spiking Neural Networks},
author = {Hengye Yang and Yanxiao Chen and Zexuan Fan and Lin Shao and Tao Sun},
journal= {arXiv preprint arXiv:2503.00380},
year = {2025}
}