面向自动驾驶车辆的鲁棒 EMRAN 辅助耦合控制器
系统与控制
2022-02-15 v3 机器人学
系统与控制
摘要
本文提出了一种用于具有模型不确定性并经历未知外部扰动的自动驾驶车辆的耦合、神经网络辅助纵向巡航与横向路径跟踪控制器。利用反馈误差学习机制，采用了一种基于自适应径向基函数(RBF)神经网络（称为扩展最小资源分配网络(EMRAN)）的逆车辆动力学学习方案。EMRAN 使用扩展卡尔曼滤波器进行在线学习和权重更新，并采用增长/剪枝策略以维持紧凑网络，便于实时实现。该在线学习算法处理参数不确定性并消除道路上未知扰动的影响。结合用于改善泛化性能的自调节学习方案，所提出的 EMRAN 辅助控制架构以耦合形式辅助基础 PID 巡航与 Stanley 路径跟踪控制器。其性能和针对各种扰动与不确定性的鲁棒性与常规 PID 和 Stanley 控制器进行了比较，并与基于模糊的 PID 控制器和自抗扰控制(ADRC)方案进行了对比。给出了低速和高速场景下的仿真结果。均方根(RMS)和最大跟踪误差清楚地表明了所提控制方案在未知环境下自动驾驶车辆中实现更好跟踪性能的有效性。
引用
@article{arxiv.2106.11716,
title = {Robust EMRAN-aided Coupled Controller for Autonomous Vehicles},
author = {Sauranil Debarshi and Suresh Sundaram and Narasimhan Sundararajan},
journal= {arXiv preprint arXiv:2106.11716},
year = {2022}
}