《表2 各曲率阶跃点控制误差波动幅度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于轮胎力预判与拟合的轨迹跟踪控制》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

统计两类算法在各阶跃点的误差波动幅度如表2所示。相比于收敛性上的改善，特性拟合法对比神经网络算法在鲁棒性上的提升更为明显，在各阶跃点的改善程度均达到50%以上。而由阶跃点c的试验结果可得，两类算法对曲率阶跃的方向并不敏感。此外，特性拟合法的控制精度波动幅度与曲率阶跃量存在较大的相关度，神经网络算法的误差波动量则具有不确定性，在误差值的可预测性上特性拟合算法具备优势。在误差波动的收敛速度上，特性拟合算法也有明显提升，且在试验过程的整体控制精度上，特性拟合法较神经网络算法提高了33.4%，具备稳健的控制性能。进一步展开多变曲率工况试验，记录控制效果如图11所示。