Resumen

El sistema de dirección es un componente clave del vehículo eléctrico de conducción autónoma con motores en las ruedas (IWM-EV), que está estrechamente relacionado con la seguridad operativa del vehículo. Para caracterizar la estructura no lineal compleja del sistema de dirección del IWM-EV de conducción autónoma, se presenta un enfoque de modelado jerárquico y control de dirección híbrido. En primer lugar, se introduce el modelo de 2 grados de libertad para todo el sistema del vehículo, y luego se analizan secuencialmente los modelos del sistema de dirección y el sistema de tracción en las ruedas. Se estudia el sistema de control de par de dirección basado en diferencial electrónico (ED) y dirección de asistencia diferencial (DAS). Se utiliza una red neuronal de retropropagación (BPNN) para optimizar la estructura de la red, los parámetros y el coeficiente de peso del sistema de dirección híbrido. Se emplea el algoritmo genético (GA) para optimizar el peso inicial de BPNN y realizar una búsqueda dentro de un rango

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Sistema de dirección; Conducción autónoma; Motores en las ruedas; Control híbrido de dirección; Diferencial electrónico; Red neuronal de retropropagación
• Keywords:Steering system; Unmanned driving; In-wheel motors; Hybrid steering control; Electronic differential; Back propagation neural network