自动驾驶汽车中人工智能的应用控制方法

白癜风的有效治疗方法 http://m.39.net/pf/a_7288900.html

国际SAE分类标准规定了自主车辆最低6级。第一层是手动转发，完全由司机控制，并得到其他系统(如警告和干预系统)的支持。二楼是二级回转，即方向盘支撑以实际行驶环境为基础进行回转或加速，而其他动作仍需司机执行。第三阶段是半自动的，这意味着它根据实际驾驶环境控制多个操作，包括加速度、减速和旋转，而其他操作则由驾驶员执行。

第四层是自动高度控制，即汽车由自动驾驶系统翻转和控制，在某些情况下，司机必须作出反应。第五层是自主自主自主驱动，即在所有操作中，即使司机没有反应，也使用自主驾驶系统。第6阶段不再需要司机的参与，司机可以在所有司机都能应付的条件下继续驾驶自动化系统。

一、最佳控制

LBD控制器(LQR)是一种经典的反馈方法，其控制器增量是线性LII优化方法。该方法的核心思想是：系统的故障模型在每个控制周期都是线框的，第二优化目标函数试图确定控制尺寸的最优变化率，从而优化跟踪控制。提供全面、水平和稳定的控制，通过集成反馈所需的振动速度，提高车辆的运行稳定性，同时考虑到车辆位置和状态变化对控制的影响。

采用基于q矩阵的自适应线性高斯控制方法监测控制器设计，在定位和规划阶段考虑噪声。LQR使一辆汽车在低、简单的道路上行驶时能够更好地控制。但是，当汽车具有复杂的非线性特性时，由于线性反馈和模型的简化，控制器的有效性可能会大大降低。为此，开发了基于LQR的自适应控制器，将基于道路信息的车辆反馈控制和车辆动态反馈控制集成到控制器设计中，以补偿车辆动态建模中的误差和干扰。

二、智能控制

智能控制方法是一种基于智能算法的控制算法，包括机器人学习。随着机器人学习算法的发展，越来越多地用于智能汽车和移动机器人的控制，学习算法是一种基于受控对象实时状态的PID控制组合的非建模控制算法。利用离线培训的性能功能，结合简单跟踪与基于受控对象实时状态的PID控制，平滑权重和控制权重，控制智能汽车前轮角度，提高极轴追踪精度。

一种基于战略景深算法控制无人驾驶船舶轨迹的控制器。这意味着它可以从基于密集学习算法的跟踪控制器跟踪到优点，并且与纯跟踪方法相比大大减少了高速过渡。考虑到深度教学算法尚未建模，结合神经网络离线训练可直接用于智能汽车的控制，汽车的非线性特性非常具有补偿性。