[發明專利]CACC駕駛員肢體肌電信號表征的操縱意圖預測方法有效
| 申請號: | 201610766844.6 | 申請日: | 2016-08-29 |
| 公開(公告)號: | CN106326873B | 公開(公告)日: | 2019-04-16 |
| 發明(設計)人: | 張晉東;賈曉燕;欒婧;張冠華;李想;黃聚;尹雪龍;許彥平;吳興剛;朱琳瑤 | 申請(專利權)人: | 吉林大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62;G06N3/08;G06F3/01 |
| 代理公司: | 北京科億知識產權代理事務所(普通合伙) 11350 | 代理人: | 黃浩威 |
| 地址: | 130000 吉*** | 國省代碼: | 吉林;22 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 肢體 肌電信號 動作模式 特征數據 意圖預測 在線自學習 傳遞函數 特征參數 誤差反饋 行駛狀態 學習算法 映射關系 增益因子 構建 肌電 預測 汽車 | ||
1.CACC駕駛員肢體肌電信號表征的操縱意圖預測方法,其特征在于,包括如下步驟:
S1將CACC駕駛員肢體肌電信號特征數據作為稀疏自動編碼機的輸入,稀疏自動編碼機的隱層與輸出層的轉換函數使用tan-sigmoid轉換函數,訓練得到CACC駕駛員肌體肌電信號的特征模板;
S2將步驟S1中得到的特征模板經過卷積后作為Pool ing層的輸入,通過特征提取層,使每個神經元的輸入與前一層的局部接受域相連,并提取該局部的特征,一旦該局部特征被提取后,它與其它特征之間的位置關系也隨之確定下來;通過Logistic回歸模型得到隱層,由此得到神經網絡的每個單元,將多個單元組合起來構成完整的卷積神經網絡,最終輸出得到CACC駕駛員下一時刻肢體的操縱動作模式Ai,i=1,2,...,I,I為CACC駕駛員操縱動作模式的輸出單元數;
S3通過增益因子K的線性拉普拉斯傳遞函數G得到表征CACC汽車下一時刻行駛狀態的量:位置p、速度v和加速度a:
分別計算CACC駕駛員操縱動作模式Ai與位置p、速度v和加速度a的傳遞函數,在得到傳遞函數后,根據輸入的CACC駕駛員操縱動作模式Ai的量,求出輸出量位置p、速度v和加速度a,從而達到預測CACC下一時刻行駛狀態的目的。
2.根據權利要求1所述的CACC駕駛員肢體肌電信號表征的操縱意圖預測方法,其特征在于,步驟S2中,CACC駕駛員操縱動作模式包括駕駛員肢體對方向盤左右轉向,以及加速踏板和制動踏板的不同量級操控程度下的編隊行為、換道行為和超車行為,所述編隊行為即為自車將編入CACC隊列,換道行為即為自車將脫離CACC隊列,超車行為即為繼續切入CACC隊列。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于吉林大學,未經吉林大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201610766844.6/1.html,轉載請聲明來源鉆瓜專利網。





