论文部分内容阅读
当前,汽车产业在飞速的发展,车载网络控制技术日益成熟,出现了先进的无人驾驶汽车以及智能的网联汽车,所以汽车内部的车载控制单元的数量势必也需要增加。利用传统的CAN总线、LIN总线等来实现车载网络中大数据量的接收、发送和处理已经很难满足目前汽车发展的要求,所以具有传输速率更高、容错性能更强、拓扑结构选择更灵活、而且具备事件触发和时间触发特性的新型协议总线FlexRay总线应运而生,很好的满足了当下车载总线的发展要求。FlexRay总线网络可以在电气单元与机械电子部件之间实现可靠、实时、高效的信息传输任务,确保满足将来新的汽车网络技术的发展需求,已经成为下一代车载网络系统的通信标准,在以后的很长时间内都将引领车载网络系统的发展航向,因此研究FlexRay总线网络符合时代发展的潮流。FlexRay车载网络控制系统是由多个传感器、控制器、执行器以及一些电气设备构成的相当复杂的一种分布式控制系统。复杂多变的控制任务以分时复用的方式共享网络带宽资源,但由于网络中数据流量变化的不规则性和网络带宽资源的有限性,会造成数据传输的不稳定性和数据的延时,使得FlexRay网络在传输数据时系统的控制性能和稳定性下降,不能保证车载网络控制系统安全稳定的工作。本文综合考虑控制与调度对车载网络工作的可靠性和稳定性的影响,从提高汽车FlexRay车载网络控制系统工作的稳定性和可靠性的角度出发设计一个基于神经网络的自适应控制系统模型,利用当前时刻汽车车载网络的工作状态,预测下一时刻网络的运行状态,在线自适应调节任务工作量的方式来适应车载网络中动态变化的负载,主要做了如下研究:首先分析FlexRay协议的传输机制,对FlexRay车载网络的网络资源利用率进行数学建模,并对模型中的非线性运算符进行特殊处理简化有效数据长度最优解的求解过程。接着对车载网络的网络资源利用率建立神经网络预测模型,利用实际数据进行训练并测试,确定最佳的隐含层神经元个数;分析比较了常见的几种自适应训练算法的性能,选取trainlm算法对神经网络预测控制模型进行训练,继而设计一个基于FlexRay网络带宽利用率模型的神经网络预测控制系统;最后,运用Matlab\simulink仿真工具建立FlexRay车载网络控制系统的实验仿真模型。通过仿真验证自适应控制系统模型的有效性和可用性。