论文部分内容阅读
考虑到模糊控制算法在自主避障上的缺陷，设计了一种改进的模糊C MA C神经网络车辆自主避障算法。采用模糊 CMAC 神经网络（FC-MA C ）的各层节点来实现模糊控制器变量的输入、模糊化、模糊逻辑的前提条件匹配运算、模糊量的归一化、控制量的输出和控制规则的调整，借助神经网络的自学习能力来完成模糊控制。通过仿真实验，验证了改进的模糊C MA C 神经网络算法的可行性和有效性。