USA: Lernbasiertes Steuerungsverfahren für intelligente Fahrzeuge vorgestellt
Ein neu entwickeltes Steuerungsverfahren ermöglicht eine präzisere Pfadverfolgung von intelligenten Fahrzeugen trotz parametrischer Unsicherheiten, unbeobachteter Dynamik und äußerer Störungen. Der Ansatz wurde von Changgui Wu in einem Fachartikel der Fachzeitschrift PLOS ONE vorgestellt.
Hintergrund
Die Regelung von Fahrzeugpfaden steht vor der Herausforderung, dass klassische Verfahren häufig auf persistenter Anregung beruhen, um unbekannte Parameter zuverlässig zu schätzen. In realen Anwendungen fehlen jedoch oft die dafür notwendigen Bedingungen.
Methodik
Der vorgestellte Ansatz kombiniert ein Lernverfahren mit einer endlichen Zeitsteuerung und einem nicht-singulären terminalen Schiebeflächenprinzip (CL-FNTSMC). Ein seriell‑parallel geschaltetes Schätzmodell erzeugt Vorhersagefehler, die zusammen mit den Verfolgungsfehlern einen zusammengesetzten Lerngesetztreiber bilden. Dieses Konzept reduziert die Anforderung von persistenter Anregung auf das wesentlich schwächere Intervall‑Anregungs‑Kriterium.
Stabilitätsanalyse
Durch den Einsatz einer kontinuierlich differenzierbaren nicht‑linearen Funktion wird eine nicht‑singuläre terminale Schiebefläche erzeugt, die eine endliche Konvergenzzeit garantiert und Singularitäten vermeidet. Eine Lyapunov‑basierte Analyse belegt die praktische endliche Zeitstabilität des geschlossenen Regelkreises.
Disturbanzkompensation
Ein nicht‑linearer Störungsbeobachter wird integriert, um gekoppelten Störungen in Echtzeit zu schätzen und zu kompensieren. Diese Ergänzung erhöht die Robustheit des Gesamtsystems erheblich.
Simulationsergebnisse
Umfangreiche Simulationen unter aggressiven Störungen und erheblichen Parameterunsicherheiten zeigen, dass das CL‑FNTSMC‑Verfahren gegenüber herkömmlichen NTSMC‑Varianten, adaptiven schnellen NTSMC‑Ansätzen und PID‑Reglern eine höhere Verfolgungsgenauigkeit, schnellere Konvergenz und deutlich verbesserte Störungsunterdrückung erzielt.
Schlussfolgerungen
Die Ergebnisse belegen, dass das vorgestellte Framework ein ausgewogenes Verhältnis von schneller Transientenantwort, hoher stationärer Präzision und starker Robustheit bietet. Die Autoren sehen darin ein vielversprechendes Fundament für die Weiterentwicklung von Regelungsstrategien in autonomen Fahrzeugsystemen.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung