Resumen

La conducción autónoma es un tema de investigación atractivo para integrar algoritmos inteligentes avanzados que transformen la industria del automóvil y los desplazamientos humanos. Este artículo se centra en el diseño de un controlador predictivo de modelos (MPC) híbrido para un crucero adaptativo. Los modos de conducción se dividen en seguimiento y crucero, y el algoritmo MPC basado en red neuronal dual simplificada (SDNN) y proporcional-integral-derivativo (PID) basado en neurona única (SN) se aplican al modo de seguimiento y al modo de crucero, respectivamente. La SDNN se utiliza para acelerar la solución del problema de programación cuadrática (QP) del algoritmo MPC propuesto para mejorar la eficiencia computacional, mientras que el PID basado en SN funciona bien en las condiciones no lineales y variables en el tiempo del sistema ACC. Por otra parte, el control de la dinámica lateral se integra en el sistema diseñado para cumplir con el control de crucero en las condiciones de carretera curva. Además, para mejorar la eficiencia energética del vehículo eléctrico, se propone una estrategia de retroalimentación de energía. Los resultados de la simulación muestran que el sistema ACC propuesto es eficaz tanto en carreteras rectas como en carreteras curvas.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:sistema acc, algoritmo mpc, red neuronal dual simplificada, algoritmos inteligentes avanzados, tema de investigación atractivo, condiciones de carreteras curvas, estrategia de retroalimentación de energía, control de dinámica lateral, pid, sdnn
• Keywords:acc system, mpc algorithm, simplified dual neural network, advanced intelligent algorithms, appealing research topic, curved road conditions, energy feedback strategy, lateral dynamics control, pid, sdnn