张守武等：神经网络在无人驾驶车辆运动控制中的应用综述 241. 多执行器协调下的无人车运动控制器时，需要对 [9]Zhang Y Z,Su H S,Liu G H,et al.Parameter adjustment of PID 冗余执行器系统、故障诊断与容错控制等关键技 controller based on BP neural network.Acta Sci Nat Univ 术进行深入研究. Nankaiensis,2018,51(3):26 (张永振，苏寒松，刘高华，等.基于BP神经网络的PD控制器参 (3)为实现无人车运动的精确控制，还需进一 数调整.南开大学学报（自然科学版），2018,51(3)：26) 步考虑路面附着系数、道路坡度、侧向风等因素 [0]Fei JT,Ding H F.Adaptive sliding mode control of dynamic 的影响.获取这些参数需要多个异构传感器和状 system using RBF neural network.Nonlinear Dyn,2012,70(2): 态观测器，因此无人车的多传感器融合，特别是稳 1563 定性的证明，是一大技术难点 [11]Xiong Z G,Liu Z,Wang H Y,et al.Design of automatic steering (4)在实际应用中，神经网络的结构设计、参 control system based on RBF neural network incremental PID.J 数选择、初值设定，目前多通过经验设定，缺乏科 Agric Mech Res,2021,43(4):27 学的流程.稳定性和收敛性的证明缺少系统化工 (熊中刚，刘忠，王寒迎，等.RBF神经网络增量式PD自动转向 控制系统设计.农机化研究，2021,43(4)：27) 具，学习样本的选取等往往根据所要解决的实际 [12]Zhang F J,Wang Y,Zhao WZ.Vehicle state estimation of vehicle 问题具体分析，限制了它更加广泛的应用. under limiting conditions based on deep learning.J Chongging Univ Technol Nat Sci,2018,32(10):64 参考文献 (张凤娇，汪龚，赵万忠.基于深度学习的极限工况下车辆的状 [1]Sun Y,Song L,Wang G Z.A review of the development of 态估计.重庆理工大学学报（自然科学），2018,32(10)：64) foreign ground unmanned autonomous systems in 2019.Aerodyn [13]Song R,Fang Y C.Vehicle state estimation for INS/GPS aided by Missile J,2020(1):30 sensors fusion and SCKF-based algorithm.Mech Syst Signal (孙毅，宋乐，王桂芝.2019年国外地面无人自主系统发展综述 Process,2021,150:107315 飞航导弹，2020(1)：30) [14]Pomerleau D A.Neural networks for intelligent vehicles / [2] LiKQ,Dai YF,LiS B.et al.State-of-the-art and technical trends Proceedings of the Intelligent Vehicle '93 Symposium.Tokyo, of intelligent and connected vehicles.J Automot Saf Energy,2017, 1993:19 8(01):1 [15]Baluja S.Evolution of an artificial neural network based (李克强，戴一凡，李升波，等.智能网联汽车(ICV)技术的发展现 autonomous land vehicle controller.IEEE Trans Syst Man Cybern 状及趋势.汽车安全与节能学报，2017,8(01)：1) B(Cybern),1996,26(3):450 [3]Yang Y M,Gao Z G,Zhang Z L,et al.Research on development [16]Demirli K.Khoshnejad M.Autonomous parallel parking of a car- strategy of unmanned driving technology.Eng Sci,201,20(6): like mobile robot by a neuro-fuzzy sensor-based controller.Fy Sets Syst,.2009,160(19):2876 (杨艳明，高增桂，张子龙，等，无人驾驶技术发展对策研究.中 [17]Zhang W M,Han H B,Yang J,et al.A neural network-based 国工程科学，2018,20(6)：101) autonomous articulated vehicle system considering driver [4]Bauml T,Giuliani H,Simic D,et al.An advanced simulation tool behavior.J South China Univ Technol Nat Sci,2016,44(12):74 based on physical modelling of electric drives in automotive (张文明，韩泓冰，杨珏，等.基于驾驶员行为的神经网络无人驾 applications /2007 IEEE Vehicle Power and Propulsion 驶控制.华南理工大学学报（自然科学版），2016,44(12)：74) Conference.Arlington,2007:736 [18]Hess R A,Moditahedzadeh A.A control theoretic model of driver [5]Cardamone L,Loiacono D,Lanzi P L.On-line neuroevolution steering behavior.IEEE Control Syst Mag,1990,10(5):3 applied to The Open Racing Car Simulator /2009 /EEE Congress [19]Guo K H.Preview follower theory and simulations of large angle on Evolutionary Computation.Trondheim,2009:2622 comering motion of a man-vehicle system.Automot Eng,1992, [6]Hunt K J.Sbarbaro D.Zbikowski R,et al.Neural networks for 14(1):1 control systems-A survey.Automatica,1992,28(6):1083 (郭孔辉，预瞄跟随理论与人车闭环系统大角度操纵运动仿真 [7]Sun FC,LiL,Sun Z Q.Survey on adaptive control of nonlinear 汽车工程，1992,14(1)：1) systems using neural networks.Control TheoryAppl,005,22(2): [20]Yu L M,Wang Z L.Optimal preview compensative tracking 254 control for pilot vehicle systems.Acta Automatica,2001,27(3): (孙富春，李莉，孙增圻.非线性系统神经网络自适应控制的发 421 展现状及展望.控制理论与应用，2005,22(2)：254) (于黎明，王占林.人机系统最优预见补偿跟踪控制研究.自动 [8]Liu J M,Lu X Z,Wang G Q.Application of back propagation 化学报，2001,27(3)：421) neural network to the orientation control of intelligent vehicle [21]LI X Q,HE Y S,XU Z M,et al.Driver Model of Steering Autom Instrum,2007(5):19 Direction Control for Automobiles.J Chongging Univ Technol Nat (柳金梅，鲁学柱，王国权.BP神经网络在智能车辆方向控制中 Sci,2006,29(4):5 的应用.自动化与仪器仪表，2007(5)：19) (李兴泉，贺岩松，徐中明，等.汽车方向控制驾驶员模型.重庆多执行器协调下的无人车运动控制器时，需要对 冗余执行器系统、故障诊断与容错控制等关键技 术进行深入研究. （3）为实现无人车运动的精确控制，还需进一 步考虑路面附着系数、道路坡度、侧向风等因素 的影响. 获取这些参数需要多个异构传感器和状 态观测器，因此无人车的多传感器融合，特别是稳 定性的证明，是一大技术难点. （4）在实际应用中，神经网络的结构设计、参 数选择、初值设定，目前多通过经验设定，缺乏科 学的流程. 稳定性和收敛性的证明缺少系统化工 具，学习样本的选取等往往根据所要解决的实际 问题具体分析，限制了它更加广泛的应用. 参    考    文    献 Sun  Y,  Song  L,  Wang  G  Z.  A  review  of  the  development  of foreign ground unmanned autonomous systems in 2019. Aerodyn Missile J, 2020（1）: 30 （孙毅, 宋乐, 王桂芝. 2019年国外地面无人自主系统发展综述. 飞航导弹, 2020（1）：30） [1] Li K Q, Dai Y F, Li S B, et al. State-of-the-art and technical trends of intelligent and connected vehicles. J Automot Saf Energy, 2017, 8（01）: 1 （李克强, 戴一凡, 李升波, 等. 智能网联汽车(ICV)技术的发展现 状及趋势. 汽车安全与节能学报, 2017, 8（01）：1） [2] Yang Y M, Gao Z G, Zhang Z L, et al. Research on development strategy  of  unmanned  driving  technology. Eng Sci,  2018,  20（6）: 101 （杨艳明, 高增桂, 张子龙, 等. 无人驾驶技术发展对策研究. 中 国工程科学, 2018, 20（6）：101） [3] Bauml T, Giuliani H, Simic D, et al. An advanced simulation tool based  on  physical  modelling  of  electric  drives  in  automotive applications  //  2007 IEEE Vehicle Power and Propulsion Conference. Arlington, 2007: 736 [4] Cardamone  L,  Loiacono  D,  Lanzi  P  L.  On-line  neuroevolution applied to The Open Racing Car Simulator // 2009 IEEE Congress on Evolutionary Computation. Trondheim, 2009: 2622 [5] Hunt  K  J,  Sbarbaro  D,  Żbikowski  R,  et  al.  Neural  networks  for control systems—A survey. Automatica, 1992, 28（6）: 1083 [6] Sun F C, Li L, Sun Z Q. Survey on adaptive control of nonlinear systems using neural networks. Control Theory Appl, 2005, 22（2）: 254 （孙富春, 李莉, 孙增圻. 非线性系统神经网络自适应控制的发 展现状及展望. 控制理论与应用, 2005, 22（2）：254） [7] Liu  J  M,  Lu  X  Z,  Wang  G  Q.  Application  of  back  propagation neural  network  to  the  orientation  control  of  intelligent  vehicle. Autom Instrum, 2007（5）: 19 （柳金梅, 鲁学柱, 王国权. BP神经网络在智能车辆方向控制中 的应用. 自动化与仪器仪表, 2007（5）：19） [8] Zhang Y Z, Su H S, Liu G H, et al. Parameter adjustment of PID controller  based  on  BP  neural  network. Acta Sci Nat Univ Nankaiensis, 2018, 51（3）: 26 （张永振, 苏寒松, 刘高华, 等. 基于BP神经网络的PID控制器参 数调整. 南开大学学报(自然科学版), 2018, 51（3）：26） [9] Fei  J  T,  Ding  H  F.  Adaptive  sliding  mode  control  of  dynamic system  using  RBF  neural  network. Nonlinear Dyn,  2012,  70（2）: 1563 [10] Xiong Z G, Liu Z, Wang H Y, et al. Design of automatic steering control  system  based  on  RBF  neural  network  incremental  PID. J Agric Mech Res, 2021, 43（4）: 27 （熊中刚, 刘忠, 王寒迎, 等. RBF神经网络增量式PID自动转向 控制系统设计. 农机化研究, 2021, 43（4）：27） [11] Zhang F J, Wang Y, Zhao W Z. Vehicle state estimation of vehicle under  limiting  conditions  based  on  deep  learning. J Chongqing Univ Technol Nat Sci, 2018, 32（10）: 64 （张凤娇, 汪, 赵万忠. 基于深度学习的极限工况下车辆的状 态估计. 重庆理工大学学报(自然科学), 2018, 32（10）：64） [12] Song R, Fang Y C. Vehicle state estimation for INS/GPS aided by sensors  fusion  and  SCKF-based  algorithm. Mech Syst Signal Process, 2021, 150: 107315 [13] Pomerleau  D  A.  Neural  networks  for  intelligent  vehicles  // Proceedings of the Intelligent Vehicle ' 93 Symposium.  Tokyo, 1993: 19 [14] Baluja  S.  Evolution  of  an  artificial  neural  network  based autonomous land vehicle controller. IEEE Trans Syst Man Cybern B (Cybern), 1996, 26（3）: 450 [15] Demirli K, Khoshnejad M. Autonomous parallel parking of a car￾like mobile robot by a neuro-fuzzy sensor-based controller. Fuzzy Sets Syst, 2009, 160（19）: 2876 [16] Zhang  W  M,  Han  H  B,  Yang  J,  et  al.  A  neural  network-based autonomous  articulated  vehicle  system  considering  driver behavior. J South China Univ Technol Nat Sci, 2016, 44（12）: 74 （张文明, 韩泓冰, 杨珏, 等. 基于驾驶员行为的神经网络无人驾 驶控制. 华南理工大学学报(自然科学版), 2016, 44（12）：74） [17] Hess R A, Modjtahedzadeh A. A control theoretic model of driver steering behavior. IEEE Control Syst Mag, 1990, 10（5）: 3 [18] Guo K H. Preview follower theory and simulations of large angle cornering  motion  of  a  man-vehicle  system. Automot Eng,  1992, 14（1）: 1 （郭孔辉. 预瞄跟随理论与人-车闭环系统大角度操纵运动仿真. 汽车工程, 1992, 14（1）：1） [19] Yu  L  M,  Wang  Z  L.  Optimal  preview  compensative  tracking control  for  pilot  vehicle  systems. Acta Automatica,  2001,  27（3）: 421 （于黎明, 王占林. 人机系统最优预见补偿跟踪控制研究. 自动 化学报, 2001, 27（3）：421） [20] LI  X  Q,  HE  Y  S,  XU  Z  M,  et  al.  Driver  Model  of  Steering Direction Control for Automobiles. J Chongqing Univ Technol Nat Sci, 2006, 29（4）: 5 （李兴泉, 贺岩松, 徐中明, 等. 汽车方向控制驾驶员模型. 重庆 [21] 张守武等： 神经网络在无人驾驶车辆运动控制中的应用综述 · 241 ·