Логика управления прогностического типа для транспортного средства

Стремительное развитие систем активной безопасности транспортных средств требует создания более совершенной логики управления, учитывающей время запаздывания механических систем, время обработки сигнала контроллером, различные варианты получения количественных данных выходных параметров внутри широкого диапазона значений с возможностью прогнозирования характеристик реализуемого программного цикла. Наиболее используемым методом оптимизации логики управления транспортным средством является увеличение точности интеллектуальной оценки ситуации, т. е. увеличение числа датчиков, позволяющих отслеживать по основным параметрам положение автомобиля. Однако это сопровождается накоплением ошибок и погрешностей вследствие несовершенства управляющих элементов и зависимости от управляющих действий водителя транспортного средства. Для обеспечения соответствия логики управления в текущий момент времени действиям механических систем, а также оптимизации накопления ошибок предложена прогностическая модель. Модель позволяет синхронизировать количественные показатели выходных данных и информации, возвращаемой на управляемый элемент в текущий момент времени, тем самым сокращая несоответствие времени начала обработки информации и времени выполнения определенных действий управляющим элементом.

Литература

[1] Ragesh R. Vehicle Dynamics and Control. New York, Springer, 2006. 121 с.

[2] Pacejka H.B. Tire and Vehicle Dynamics. Elsevier, Society of Automotive Engineers Inc., 2002. 627 p.

[3] Bakker E., Nyborgi L., Pacejka H.B. Tyre modeling for use in vehicle dynamics studies. SAE Technical Paper, 1987, no. 870421.

[4] Гусейн-Заде С.М. Задача о разборчивой невесте. Москва, Изд-во МЦНМО, 2003. 24 с.

[5] Goldberg D.E. Genetic Algorithms in Search, Optimization, and Machine Learning. Reading, MA, Addison-Wesley, 1989. 432 p.

[6] Li Z. Measure-valued branching Markov processes. Probability and its Applications. New York, Heidelberg, Springer, 2011. 362 с.

[7] Shiryaev A.N. A remark on the quickest detection problems. Statistics and Risk Modeling, 2004, vol. 22, pp. 79–82.

[8] Ширяев А.Н. Об оптимальных методах в задачах скорейшего обнаружения. Теория вероятностей и ее применения, 1963, т. 8, вып. 1, с. 26–51.

[9] Бадалбаев И.С., Зубков A.M. Предельные теоремы для последовательности ветвящихся процессов с иммиграцией. Теория вероятностей и ее применения, 1983, т. 28, вып. 2, с. 382–388.

[10] Березовский Б.А., Борзенко В.И., Кемпнер Л.М. Бинарные отношения в многокритериальной оптимизации. Москва, Наука, 1981. 150 с.

[11] Пугачев B.C. Теория вероятностей и математическая статистика. Москва, Физматлит, 2002. 496 с.

[12] Ватутин В.А., Топчий В.А. Предельная теорема для критических каталитических ветвящихся случайных блужданий. Теория вероятности и ее применения, 2004, т. 49, вып. 3, с. 463–484.

[13] Воловик М.А. Многокритериальный выбор технологии управления восстановлением работоспособности космических аппаратов связи и ретрансляции на стационарных орбитах. Дис. … канд. техн. наук, Красноярск, 1989. 153 с.

[14] Goldberg D.E. Genetic Algorithms in Search, Optimization, and Machine Learning. Reading, MA, Addison-Wesley, 1989. 432 p.