智能网联汽车的自主换道控制研究

针对智能网联车在极限工况下自主换道控制的精确性以及稳定性,提出了基于自适应鲁棒滑模的车辆换道控制方法。对RBF神经网络做了输入有界映射改进,提高了神经网络的灵敏度;利用改进后的神经网络对车辆参数的不确定性进行估计,提高了系统的稳定性;设计了基于改进神经网络的干扰观测器,可以快速、准确地估计出外界时变干扰并进行补偿,有效降低了抖振现象;构造Lyapunov函数证明设计的控制器可以保证被控系统的稳定性。通过数值仿真以及联合仿真进行验证,表明所提方法可以保证车辆满足换道需求,控制效果良好,有较强的鲁棒性。