一种基于神经网络建模的无人车异构执行器自适应控制方法及系统

本发明涉及一种基于神经网络建模的无人车异构执行器自适应控制方法及系统，属无人车自适应控制领域，解决了传统控制方法依赖固定参数和手动调整，难以适应不同无人车执行器的动态特性和时变特性的问题。包括获取无人车的执行器离线数据并进行预处理，得到执行器离线数据集；基于执行器离线数据集训练得到执行器基础模型；在无人车运行过程中，当预设周期窗口内的执行器的控制量的平均预测误差超过预设阈值时，则利用实时采集的执行器在线数据对执行器基础模型进行在线增量训练，得到执行器自适应模型；将执行器自适应模型输出的控制量作为前馈控制量，前馈控制量与反馈控制量进行动态加权融合得到执行器的自适应控制控制量，并下发至执行器执行。