基于RBF神经网络的汽车稳定性滑模控制  

Vehicle stability sliding mode control based on RBF neural network

作　　者：韩玉敏[1] 李晗宇[2] 潘可耕[1] 

机构地区：[1]黑龙江工程学院电气与信息工程学院,黑龙江哈尔滨150050 [2]哈尔滨电站设备成套设计研究所有限公司,黑龙江哈尔滨150046

出　　处：《黑龙江工程学院学报》2012年第4期11-14,共4页Journal of Heilongjiang Institute of Technology

基　　金：黑龙江省自然科学基金资助项目(E200950);黑龙江省教育厅科研资助项目(11511309)

摘　　要：针对汽车稳定性控制存在的非线性和参数时变不确定性问题,采用基于径向基函数(RBF)神经网络的方法设计汽车稳定性滑模控制器,能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能。仿真结果表明该控制算法可有效地控制汽车按照驾驶员期望的方向行驶,且保证汽车侧向控制系统具有较强的适应性和鲁棒性。According to the nonlinear and parameter time-varying characteristics of vehicle stability control,a sliding control algorithm is proposed based on radial base function（RBF） neural network.The algorithm not only can reduce the chattering caused by the conventional sliding mode,but also improve the robust of the adaptive neural network control.The simulation results show the algorithm ensures that the automobile can run at the direction desired by the driver.

关 键 词：径向基函数 神经网络 汽车稳定性 非线性 

分 类 号：U461.6[机械工程—车辆工程]