王贵恩 冯 杨

（广东交通职业技术学院1） 广州 510800） （华南理工大学机械与汽车工程学院2） 广州 510640）

近年来，自主车（autonomous land vehicle，ALV）导向控制，尤其是轨迹控制的精确度问题在机器视觉和智能控制研究领域正受到普遍的关注［1－2］.傅向华等［3］提出了一种基于EPNet模型和负相关理论的异构神经网络集成协同构造算法，既保证了成员网络的精度，又提高了成员网络间的差异度.本文利用异构模糊神经网络集成算法，建立基于固定路径的ALV控制系统.实验结果表明，其轨迹偏差的控制精度获得理想的效果.

1 自主车运动学模型

自主车是沿一条无规则跟踪路径运动的，导向难度较大，本文从自主车的运动学模型入手建立自主车导向控制的数学模型［4－5］.设在任一瞬时，小车的前进方向为直线，则ALV的运动状态和偏差示意图如图1所示.图中，Δt为任一瞬时与下一瞬时的时间间隔；θ为2个驱动轮连线中垂线与路径中心线之间的夹角；Δd为自主车2个驱动轮的连线中点与路径中心线的垂直距离；D为驱动轮间距；vL和vR分别为左右驱动轮速度；vC为轮距中心速度，即车体行驶速度.根据ALV的运动状态，存在如下运动关系：Δθ＝（vL－vR）Δt／D，Δd＝0.5（vL＋vR）Δt sinθ.

图1 运动状态和偏差示意图

由于ALV在行驶过程中其路径是连续的，存在θ＝（vL－vR）t／D，d＝0.5（vL＋vR）t sinθ.对时间t进行拉氏变换可得θ（s）＝1／Ds（vL－vR），d（s）＝1／2s（vL＋vR）sinθ.ALV采用2个直流电机分别驱动2个驱动轮，则其运动过程中，左右轮的轮速是关于时间的函数.设电机转速与轮速相等，两个驱动论直径完全相等（记为r），电机电枢电压为U，时间常数为Tm，则有……