Efficient Controller Design Using Bayesian Optimization for Low-Speed Motorcycles Stabilization

Kyohei MUTO

doi:10.1541/ieejjia.20250101

Efficient Controller Design Using Bayesian Optimization for Low-Speed Motorcycles Stabilization

2026-03-01

0

PRE

AI

Pusanisa Mankhongphithakkul

Y

Yasuo Sasaki

DOI：10.1541/ieejjia.20250101

原文链接

原文求助

摘要

En 中文

本文探讨了基于贝叶斯优化的摩托车自动调谐控制。摩托车在高速时因陀螺效应表现出高稳定性，但在低速时该效应减弱，迫使骑手依赖重心转移或转向输入来维持平衡。为提升低速场景下的安全性，摩托车的自主稳定性调节成为关键。现有自平衡方法包括应用线性二次调节器（LQR），该方案通过SPACAR（一种基于有限元方法的程序）构建低速区域专用模型，并施加LQR控制实现稳定化。然而，在实际摩托车应用中，未建模动态特性（如轮胎摩擦）可能阻碍控制效果。因此，增益参数需通过实际摩托车的反复试验进行微调。本文提出一种利用贝叶斯优化调整控制器增益的高效方法。通过仿真与实验，我们证明贝叶斯优化能探索更广的参数范围并找到优于手动调谐的参数。

Keyword:

Autonomous vehicle

Bayesian optimization

Linear Quadratic Regulator

Motorcycle

Efficient Controller Design Using Bayesian Optimization for Low-Speed Motorcycles Stabilization

摘要

期刊

机构

引用论文