原文传递
基于强化学习算法的线控转向系统跟踪控制
| 论文题名： | 基于强化学习算法的线控转向系统跟踪控制 |
| 关键词： | 汽车线控转向系统;跟踪控制;强化学习 |
| 摘要： | 线控转向系统作为汽车工业新趋势下的线控创新技术，受到了广泛的关注。一个线控转向系统由电子控制单元，方向盘模块，转向模块，传感器组成。这种替代传统机械柱的连接方式，极大地提升了汽车驾驶过程中的安全性和舒适性。近年来，学术界对线控转向系统跟踪控制的研究也愈发热烈。当线控转向系统工作时，可能无法测量系统内部动态，而强化学习方法可以在很大程度上避免这种情况，有效解决系统内部动态未知的控制问题，并减少一定计算量。本文对线性和非线性线控转向系统跟踪控制展开研究，主要内容如下: 首先，提出了一种基于强化学习算法的容错控制方案，以解决线控转向系统的跟踪问题。基于命令生成器模型，给出相应的参考信号，并考虑参考误差最终可以收敛到零，建立了相应的增广跟踪系统。在执行器发生故障的情况下，使系统仍能满足系统的性能指标，并利用强化学习算法，分别设计了三种情形下的在线更新策略，即基于模型、部分无模型和完全无模型。特别地，在完全无模型情况下的强化学习算法消除了需要系统内部信息的约束，并严格证明了所设计的迭代算法的系统稳定性和收敛性。最后，给出了一个仿真实例说明该方法的有效性。 进而，研究了带有不确定性和非线性的线控转向系统的模糊跟踪问题。利用牛顿动力学对线控转向系统建模，并引入了Takagi-Sugeno模糊方法构建非线性线控转向系统，得到模糊模型，将该模型与基于强化学习框架的自学习方法相结合，提出了两种算法来解决线控转向系统的模糊增广跟踪控制问题。最后通过仿真实例证明了该算法的可行性和有效性。 最后，研究了线控转向系统的滑模跟踪控制问题。将滑模控制与基于强化学习框架的自学习方法相结合，设计出迭代更新的滑模面，以达到最优的控制效果。该方法消除了系统的参数不确定和抗扰问题，提高系统的性能和控制精度，并通过仿真实例证明了该算法的可行性和有效性。 |
| 作者： | 陈欢 |
| 专业： | 控制科学与工程；控制理论与控制工程 |
| 导师： | 何舒平 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
