丁鹏， 李林升， 钟成

（南华大学机械工程学院，湖南衡阳 421001）

0 引言

在智能车的控制中，需要较高的控制精度和控制稳定性，尤其是在复杂的跑道环境下，控制的快速响应也至关重要。PID控制由于算法简单，响应速度快，在智能车巡航控制方面获得了广泛的应用[1-6]。PID控制也存在很多不足，在非线性的系统中，稳定性较差。在条件多变的系统中，响应迟缓[7]。但是由于智能车巡航控制具有非线性、时变性和滞后性，若直接采用传统PID控制会影响控制精度和鲁棒性[8]。

引入神经网络控制后，提高了智能车控制系统响应的速度和自适应的能力，提高了控制精度[9]。此外，神经网络有它特有的优势，可以逼近任何一个连续且有界的非线性函数，这样的特性在智能车的非线性和时变性的控制中，能大大提高控制的精度[10]。所以，文中提出一种改进BP神经网络算法，使得控制系统速度（响应）快，效率高和鲁棒性好，在智能车控制这样非线性和难以建立数学模型的环境下，可以进行精确的控制[11]。

1 改进BP神经网络PID算法

要想提高PID控制控制精度和控制稳定性，就必须实时地在线调整P,I,D三个控制参数，使得控制系统根据误差能够实时地做出响应。神经网络的“非线性”特性，能够通过在线的自我学习和自整定来得出最适合的P、I、D控制参数，提高控制精度[12-13]。

下面的两个方面是该改进控制器的重要组成：1）传统的PID控制器，通过P、I、D三个参数对被控对象进行闭环控制。2）神经网络控制器，根据运行反馈，及时调整P、I、D控制参数，让控制精度和稳定性达到最好。……