[发明专利]基于神经网络和PID算法的轨迹跟随方法

权利要求书

1.一种基于神经网络和PID算法的轨迹跟随方法，其特征在于，其包括以下步骤：

S1，获取期望的行驶轨迹参数值，所述行驶轨迹参数值包括位置坐标值、航向角、速度和角速度；

S2，获取当前车辆的行驶轨迹参数值，并由车辆运动模型预测车辆之后的行驶轨迹参数值；

所述步骤S2中车辆运动模型公式为，

x--预测轨迹的位置坐标x值

x_r--期望轨迹的位置坐标x值

y--预测轨迹的位置坐标y值

y_r--期望轨迹的位置坐标y值

θ--预测轨迹的航向角

θ_r--期望轨迹的航向角

ν--预测轨迹的速度

ν_r--期望轨迹的速度

ω--预测轨迹的角速度

ω_r--期望轨迹的角速度

k--采样的时刻

T--采样的周期；

S3，由性能函数根据步骤S1获得的期望的行驶轨迹参数值及预测的行驶轨迹参数值得出一个误差值；

S4，将步骤S3得出的误差值输入到PID控制器得出方向盘的转角，并根据该转角控制车辆转向；

S5，重复步骤S2和S3，得到当前时刻的误差值，获取当前时刻的PID输出值以及当前车速，由神经网络控制器PID参数学习算法整定PID控制器的3个系数Kp、Ki、Kd。

2.如权利要求1所述的基于神经网络和PID算法的轨迹跟随方法，其特征在于，所述步骤S3中性能函数如下：

Q--权重矩阵，表示位置坐标值误差和航向角误差的权重，属于预设值

φ--与期望轨迹的误差值

i--预测的第几个采样周期

N--预测域，向前预测多少个采样周期

k+i|k--表示在k时刻预测k+i时刻的预测轨迹与期望轨迹的误差。

3.如权利要求2所述的基于神经网络和PID算法的轨迹跟随方法，其特征在于：所述步骤S4中PID控制器公式为：

△u＝u(k)-u(k-1)＝K_P[e(k)-e(k-1)]+K_ie(k)+K_d[e(k)-2e(k-1)+e(k-2)]，

Δu-控制量的增量

e(k)-第k时刻的误差

e(k-1)-第k-1时刻的误差

e(k-2)-第k-2时刻的误差。