[發明專利]一種基于駕駛意圖識別的NAR神經網絡車速預測方法

有效

• 申請號: 201610389825.6
• 申請日: 2016-06-02
• 公開（公告）號: CN105946861B
• 公開（公告）日: 2018-05-01
• 發明（設計）人: 連靜;劉爽;周雅夫;袁魯山;郭烈;孫延秋
• 申請（專利權）人: 大連理工大學
• 主分類號: B60W40/09
• 分類號: B60W40/09;B60W40/107;B60W40/105
• 代理公司: 大連東方專利代理有限責任公司21212
• 代理人: 李洪福

1.一種基于駕駛意圖識別的NAR神經網絡車速預測方法，其特征在于：包括以下步驟：

A、駕駛意圖模糊識別

A1、駕駛意圖分類及識別參數選取

將駕駛意圖分為加速意圖和制動意圖；加速意圖按加速的緊急程度分為平緩加速、較平緩加速、一般加速、較緊急加速和緊急加速；制動意圖按有無對制動踏板的操作分為常規制動和滑行制動，常規制動按制動緊急程度分為平緩制動、較平緩制動、一般制動、較緊急制動和緊急制動；

在車輛行駛過程中，駕駛員根據行車環境及車輛運行狀態，直接對加速踏板和制動踏板進行操作來實現其駕駛意圖，因此加速踏板開度和制動踏板開度是進行意圖識別的主要參數；為充分反映加速和制動的緊急程度，在此基礎上，分別增加加速踏板開度變化率和制動踏板開度變化率作為識別參數；

A2、模糊推理識別駕駛意圖

A21、對識別參數進行模糊化，即分別制定加速踏板開度、制動踏板開度、加速踏板開度變化率和制動踏板開度變化率的隸屬度函數；

A22、建立模糊推理規則，采用模糊條件語句，形式為“若A且B則C”；A和B為網絡輸入參數所屬的模糊集合，踏板開度的模糊集合包括小、較小，中、較大和大，踏板開度變化率的模糊集合包括負大、負、小、中和大，C為輸出識別結果的所屬模糊集合，包括平緩、較平緩、一般、較緊急和緊急；模糊推理規則即根據不同的踏板開度和踏板開度變化率的模糊集合的組合判斷出其駕駛意圖所屬的模糊集合；

A23、將模糊推理得到的結果清晰化，選取重心法進行清晰化計算；加速意圖識別結果范圍在(0,1)內，其值越接近1代表其加速意圖越強烈，制動意圖識別結果范圍在(-1,0)內，其值越接近-1代表其制動意圖越強烈；加速踏板和制動踏板均無操作時，默認為滑行制動，其意圖識別結果為0；這樣取值保證其駕駛意圖與車速軌跡一致，是在時間上連續的序列，且能區別每一時刻是加速意圖還是制動意圖及其意圖的緊急程度，以方便作為NAR神經網絡的輸入；

B、NAR神經網絡車速預測

B1、NAR神經網絡離線訓練

采用NAR神經網絡進行車速預測，并引入駕駛意圖時間序列這一能夠反映車速未來變化趨勢的因素與車速共同作為網絡輸入；

NAR神經網絡預測模型如下式所示：

y(t)＝f(y(t-1)+y(t-2)+...+y(t-d_y+1))

式中,y(t)是t時刻的預測輸出值，f是網絡非線性函數，d_y為輸出延遲時長，即預測輸出值y(t)取決于前d_y個時刻的輸出；

NAR神經網絡結構主要由隱含層、輸出層和輸出反饋組成，從而使神經網絡閉合，形成一個周期性循環的動態神經網絡；選取隱含層神經元個數為m個，輸出層神經元個數為1個，輸出反饋時延階數為n；在確定神經網絡的結構后，選取訓練函數以及隱含層和輸出層的激勵函數；神經網絡訓練樣本數據即為車速和駕駛意圖時間序列，將訓練樣本數據按比例分配，分別用于訓練、驗證和測試；

用訓練神經網絡的均方誤差MSE來評價神經網絡預測的精確度，MSE的值越小，預測的精確度越高；當MSE值小于設定的誤差目標值δ，即完成對神經網絡的訓練，若MSE值大于設定的誤差目標值δ，需重新調整神經網絡參數，再進行訓練；

B2、NAR神經網絡在線預測車速

將駕駛意圖識別與離線訓練好的NAR神經網絡車速預測系統嵌入到整車控制器中；通過車載傳感器實時獲取車速及踏板信號，首先進行駕駛意圖識別，然后將識別得到的駕駛意圖與車速時間序列共同輸入到NAR神經網絡，從而實現車輛未來一段時間的車速預測。