Kunstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung EPUB

In dem vorliegenden Buch wird der Einsatz eines hybriden Regelungskonzeptes fur die Fahrdynamikregelung eines autonomen Versuchstragers untersucht. Dabei wird ein modellbasierter, kaskadierter Querdynamikregler um ein kunstliches neuronales Netzwerk (KNN) erweitert. Das KNN wird ohne „Vorwissen" implementiert und aktiv im geschlossenen Regelkreis trainiert. Die Untersuchungen werden dabei sowohl in Simulationen, als auch in einem realen Versuchstrager durchgefuhrt. Die Versuche zeigen das Leistungsvermogen des hybriden Regelungskonzeptes. Bei geringer Fahrzeugdynamik ist eine prazise Fahrzeugfuhrung auch ohne KNN moglich. Bei hoher Dynamik resultieren jedoch Abweichungen vom Sollkurs, die durch das iterativ lernende Netzwerk schrittweise reduziert werden. Durch die situationsabhangige Optimierung der Netzwerkgewichte wird der Einfluss des systematischen Fehlers des zu Grunde liegenden Modells kompensiert und die Regelgute verbessert. Dieses Verhalten kann durch geeignete Auswahl derDesignparameter des KNN fur jedes der betrachteten Szenarien aufgezeigt werden. Die Anpassung der Netzwerkgewichte ermoglicht sowohl im Fehlerfall als auch bei hoher Fahrzeugdynamik und ungenauer Systemidentifikation eine Verbesserung der Regelgute im Vergleich zum rein modellbasierten Basisregler.