基于神经网络逼近的自适应巡航控制方法

本申请涉及车辆控制技术领域，尤其涉及一种基于神经网络逼近的自适应巡航控制方法，包括，建立车辆的非线性动力学模型，并对车辆的非线性阻力进行描述；测量车辆间距，定义间距跟踪误差；构建虚拟控制器，以获得实现距离控制所需的车辆速度；计算神经网络参数自适应律，控制系统趋向于设计控制器所在的超平面；计算真实的控制车辆的设计控制器以控制车辆行驶，并在行驶过程中更新车辆信息，并重复上述步骤。本专利基于神经网络逼近的自适应巡航控制在线实时调整控制器输出，实现较强的鲁棒性能。基于车辆的状态信息，并用神经网络在线学习车辆的不确定行驶阻力，对初始误差补偿校正，实现任意初始状态（初始位置）下的车辆自适应巡航控制。