用于自动漂移的神经网络轮胎力建模

自动漂移对车辆控制提出了一个挑战性问题，需要能够精确处理在摩擦极限下的非线性、耦合轮胎力的模型和控制算法。我们提出了一种用于预测前轮轮胎侧向力的神经网络架构，作为基于物理方法的直接替代。利用一辆专为漂移应用而建造的全尺寸自动车辆，我们将这些模型部署在一个为跟踪参考漂移轨迹而调优的非线性模型预测控制器中，以直接比较模型性能。在施加前轴制动力的情况下，神经网络轮胎模型展现出比刷子轮胎模型显著改善的路径跟踪性能，这表明神经网络能够表达漂移条件下先前未建模的潜在动力学。