基于模糊神经网络的自动驾驶决策系统研究

驾驶决策过程中,驾驶行为常受到人、车、路、环境等多源信息的刺激和影响。由于信息处理能力有限,驾驶员对多源信息无法同时实现知识获取与表示,以致有时不能准确、快速地进行驾驶决策,易引发交通事故。为了解决这一问题,针对驾驶员的控制行为进行了分析,并基于模糊控制和神经网络等理论知识,建立了智能车辆驾驶决策机制的模糊神经网络模型。该模型的建立有助于驾驶人员做出更安全、更有效的控制策略。仿真结果表明,用模糊神经网络推理系统有较高的推理速度,能实时、准确地识别当前的驾驶行为和预测下一时刻的驾驶决策,为智能车辆中自动驾驶系统的仿真和实现提供了理论指导和可行性依据。     

滑翔导弹轨迹跟踪与能量管理模型设计与仿真

针对实际弹道在气动、推力偏差和大风干扰下会偏离规划好的标称弹道,进而造成较大的位置、速度散布并产生额外的控制负担的问题,本文开展滑翔导弹轨迹跟踪与能量管理算法模型研究。首先基于任务预划分手段并结合拉偏情况下的计算结果,将弹道预先划分为跟踪段与控速段。在此基础上,跟踪段与控速段各自建立轨迹跟踪模型和空气刹车+倾侧角反转逻辑模型,实现分段减小末端速度、位置散布的目的。最后分别开展对比仿真和蒙特卡洛打靶,仿真结果表明,本文所提出的模型控制误差小于允许范围内且制导精度优于传统跟踪方案,从而为滑翔导弹轨迹跟踪方案提供潜在的技术途径。