摘要：在汽车的巡航控制中，想要对车距进行有效的控制，就应当以汽车的模型和工作原理为基础，建立以模糊控制理论作为基本的控制策略方案，并在这个过程中用神经元进行修正的工作。而且还应该设计一种模糊控制与单神经元的控制策略，这样才能组成一个车距控制器。根据实际情况来调整各项参数，如目标距离、实际距离的偏差与速度大小，都是应该考虑的因素。使用加权修正的方法得出结果，这样就可以表明设计的智能控制策略的可行性与有效性。

    0 引言
    减轻驾驶者的疲劳程度，提高驾车的安全性与舒适程度越来越受到人们的重视。因此，一种新型的汽车电子巡航控制系统就应运而生了。该系统能够有效地实现对车距的精确、自动控制，通过利用激光测距仪和相应软件解决对运动目标的追踪问题。在路况较为正常的情况下，巡航控制系统往往能够正常地工作，但在特殊路段则不如驾驶员的经验和应变能力。本文通过模糊控制和神经网络控制技术设计了一个智能控制算法，根据各项参数对车距进行控制。这种方法对可能的不确定性进行了控制，减小了其他因素的影响。

    1 系统的控制方案和控制策略
    1.1控制的总体结构
    为了实现对车速的控制，在汽车的巡航控制系统中，可设计一个车距智能控制器，通过安装在车上的激光测距器测量出与前车之间的车距和速度差。通过与人工的测量相比较，再使用一系列的控制算法对控制器的输出量进行调整，比如更改油门开度等。在这种控制车距的模式下，系统能够使行驶中的两车始终保持安全距离。车距控制器能够根据司机的设置来对距离进行控制。
    1.2系统的控制策略
    因为控制过程＋分复杂，使用单一且简单的控制策略并不能满足其需要，因此车距智能控制器采用基本模糊控制及神经元修正方法。基本的控制往往是通过模糊推理来完成的，就是指不需要精确的数学模型，通过对人工经验分析与处理，设计出一个控制规则。由于模糊控制本身的特点，导致控制精度并不高，而且只要模糊控制规则一旦进行确立之后，实际运行过程中的自适应性就会得到限制。所以，需要通过神经元进行直接修正，所谓神经元修正就是具有自学习、自组织功能的加权修正过程，能够根据其所反映的各种变化来进行及时的在线调整。

    2 模糊控制策略设计
    当车距处于控制模式下时，汽车的巡航系统被设计为基本的模糊处理系统，数值经过模糊化的处理后，由原来的信号模式转变为模糊量，通过一定的规则与函数模型来对这些数值量进行模糊的推理与断绝，得出一个相对精确的数值变量。通过对油门输出量、前后车距离偏差、变化率的计算、控制器的输出变量及模糊量的大小等级之间的关系，运用比例因子计算方法，对一定数域内的变量进行分析研究。当系统初期的负载变化较大时，控制器的输出功率必须达到最大值，汽车行驶的速度也要达到最大值，汽车油门的开度保持在最大，这样系统才能消除对数值的误差，处在稳定的工作状态下。

    3 神经元的控制策略设计
    神经元是一个非线性的单元，其拥有逼近任意非线性函数的能力。神经元构成比较简单，其中涉及到的算法也都比较明确，是一种比较方便研究的对象。通过对神经元比例系数的研究可以发现，在对软件流程的设计中，应该对误差的变化率与积分进行模糊化的处理，并使用增量式控制算法来求取模糊变量。

    4 结束语
    通过使用模糊控制和神经网络控制的方法，就能够确立智能控制车距的相关策略。再通过一系列的处理，就能够使模糊控制提升精确度，使智能的告知策略具备更高的可行性与适用性。该系统能够让汽车的形势更加安全，对于未来的智能化汽车意义重大。