为解决智能汽车循迹控制中建模复杂及不精确问题,提出了一种基于整体逼近的自适应RBF神经网络控制方法。首先,基于智能汽车动力学方程的基本形式,对系统的不确定性进行分析。而后,利用神经网络的逼近特性,对分析结果中的不确定项进行整体逼近。进而,基于自适应RBF神经网络控制方法设计控制律,并通过李雅普诺夫稳定性分析方法设计自适应控制律。最后,进行Simulink/Carsim联合仿真验证,仿真结果表明,在通用双移线道路环境下,所提控制方法能够通过控制方向盘转角使得车辆沿期望轨迹行驶,轨迹跟踪误差较小且控制输出幅值可控,能够满足实际工程需求。

传统的循迹小车采用光电传感器作路面轨道检测,其工作可靠性受环境光线的影响很大,实际运行中经常要根据环境光线的变化对传感器的灵敏度进行调整。提出一种感应式循迹小车的设计方法,用金属铝箔胶带代替黑色轨道线,在小车上设置多只金属感应传感器,基于感应的方法来检测铝箔胶带路线的位置,把检测的结果送单片机处理,再由单片机输出相应控制信号驱动小车运行。所提出的方法能够完全消除环境光线对循迹小车的干扰,提高小车运行的可靠性。样品小车的测试结果表明,基于新方法设计的小车运行平稳,在长时间工作中没有出现脱轨现象,小车的整体性能良好。

循迹控制可实现机器人沿指定线路的自动运行。以环境检测的小型轮式机器人为控制对象,设计搭建了循迹控制系统,研究循迹控制算法,通过实验调试,最终实现机器人快速可靠的循线自动运行。