[發(fā)明專利]一種基于高階相關(guān)學(xué)習(xí)的機(jī)車節(jié)能優(yōu)化自動(dòng)駕駛方法

有效

• 申請?zhí)枺?/td>: 201710038010.8
• 申請日: 2017-01-18
• 公開（公告）號: CN106844947B
• 公開（公告）日: 2019-11-26
• 發(fā)明（設(shè)計(jì)）人: 盧莎;黃晉;高躍;夏雅楠;楊英;趙曦濱;顧明
• 申請（專利權(quán)）人: 清華大學(xué);中車信息技術(shù)有限公司;中車大連機(jī)車研究所有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/62;G06Q10/04;B61C17/00
• 代理公司: 11457 北京律譜知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)
• 代理人: 羅建書<國際申請>=<國際公布>=<進(jìn)入

本發(fā)明提供了一種基于高階相關(guān)學(xué)習(xí)的機(jī)車節(jié)能優(yōu)化自動(dòng)駕駛方法，本發(fā)明首先對司機(jī)的實(shí)際駕駛數(shù)據(jù)進(jìn)行經(jīng)驗(yàn)梳理以及預(yù)處理，然后構(gòu)建一個(gè)特征組來描述機(jī)車的駕駛狀態(tài)，再基于由構(gòu)建的特征組描述的司機(jī)實(shí)際駕駛數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)構(gòu)建超圖，并通過歸納學(xué)習(xí)過程獲取超圖模型，所構(gòu)建的超圖模型可用于實(shí)時(shí)生成駕駛操作，最后通過不斷的強(qiáng)化更新，即通過迭代訓(xùn)練的方式使得通過學(xué)習(xí)獲得的超圖模型更加準(zhǔn)確。由于超圖模型的訓(xùn)練不受到時(shí)間因素的限制，因此超圖模型的學(xué)習(xí)擁有更好的優(yōu)化空間，且機(jī)車運(yùn)行過程中應(yīng)用超圖模型獲取機(jī)車運(yùn)行操縱檔位時(shí)能夠取得較好的節(jié)能效果。同時(shí)，將機(jī)車在線操縱運(yùn)行結(jié)果作為數(shù)據(jù)輸入，使得超圖模型能夠不斷進(jìn)行調(diào)整和優(yōu)化。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)車運(yùn)行優(yōu)化操縱技術(shù)，尤其涉及一種基于高階相關(guān)學(xué)習(xí)的機(jī)車節(jié)能優(yōu)化自動(dòng)駕駛方法。

背景技術(shù)

鐵路機(jī)車運(yùn)行控制是一個(gè)典型的多目標(biāo)、多約束、非線性的復(fù)雜實(shí)時(shí)變化過程。因此針對鐵路機(jī)車的運(yùn)行操縱問題是一個(gè)非線性有約束的動(dòng)態(tài)優(yōu)化問題。

現(xiàn)有工程領(lǐng)域應(yīng)用中，復(fù)雜操縱序列優(yōu)化的解決方案主要有數(shù)值搜索，解析求解和啟發(fā)式策略設(shè)計(jì)三大類。

上述數(shù)值搜索方法即通過數(shù)值搜索算法對操縱序列進(jìn)行尋優(yōu)搜索從而得到優(yōu)化的操縱序列。常見的算法有遺傳算法、群搜索算法、動(dòng)態(tài)規(guī)劃等，這種方式耗時(shí)長，且短時(shí)間內(nèi)無法收斂到最優(yōu)結(jié)果，不適合在線控制系統(tǒng)優(yōu)化。

上述解析求解方法即基于領(lǐng)域知識對操縱控制過程中不同狀況下的關(guān)鍵轉(zhuǎn)換點(diǎn)根據(jù)解析公式求解來得到最終的優(yōu)化操縱序列。這種方式主要缺陷是轉(zhuǎn)換點(diǎn)的解析公式推導(dǎo)過程復(fù)雜，較難處理多約束條件。

上述啟發(fā)式策略設(shè)計(jì)即考慮諸多復(fù)雜因素，人工通過現(xiàn)有領(lǐng)域的一些操縱規(guī)范等啟發(fā)式的進(jìn)行策略設(shè)計(jì)。該種方式過多的引入人工的分析與設(shè)計(jì)，極大的降低了策略設(shè)計(jì)的效率，同時(shí)由于人思考范圍有限，無法覆蓋所有可能的情況，這勢必會(huì)導(dǎo)致部分優(yōu)化解遺漏。

通過上述分析可以看出，上述幾種解決方案較難同時(shí)滿足復(fù)雜操縱序列優(yōu)化問題對計(jì)算效率和優(yōu)化效果的需求。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于高階相關(guān)學(xué)習(xí)的機(jī)車節(jié)能優(yōu)化自動(dòng)駕駛方法，以便獲得更好地控制和節(jié)能效果。

本發(fā)明通過如下技術(shù)方案實(shí)現(xiàn)：

一種基于高階相關(guān)學(xué)習(xí)的機(jī)車節(jié)能優(yōu)化自動(dòng)駕駛方法，其特征在于，所述的方法包括：

步驟1)、獲取司機(jī)對機(jī)車的實(shí)際駕駛數(shù)據(jù)和運(yùn)行數(shù)據(jù)，并對實(shí)際駕駛數(shù)據(jù)和運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理；

步驟2)、確定影響機(jī)車油耗的因素，基于各因素的重要性提取與機(jī)車運(yùn)行相關(guān)的特征組；

步驟3)、基于由構(gòu)建的特征組描述的司機(jī)實(shí)際駕駛數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)構(gòu)建超圖，并基于構(gòu)建的超圖訓(xùn)練學(xué)習(xí)模型，在訓(xùn)練過程中對訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，調(diào)整所述特征組中至少部分特征的參數(shù)，同時(shí)通過迭代更新的方式訓(xùn)練學(xué)習(xí)模型；

步驟4)、將當(dāng)前運(yùn)行狀態(tài)下的由特征組描述的機(jī)車數(shù)據(jù)輸入訓(xùn)練好的學(xué)習(xí)模型，基于所述學(xué)習(xí)模型獲得相應(yīng)駕駛策略。

在一種優(yōu)選實(shí)現(xiàn)方式中，所述預(yù)處理包括將機(jī)車運(yùn)行數(shù)據(jù)中的坡度值進(jìn)行分類合并。

在另一種優(yōu)選實(shí)現(xiàn)方式中，影響機(jī)車油耗的因素至少包括：機(jī)車屬性、線路特征和機(jī)車運(yùn)行信息。

在一種優(yōu)選實(shí)現(xiàn)方式中，所構(gòu)建的超圖定義為g＝(V,ε,w)，其中V是超圖中頂點(diǎn)的集合，ε是超圖中邊的集合，w是超圖中所有邊的權(quán)重的集合，

構(gòu)建超圖的過程包括：將每一條訓(xùn)練數(shù)據(jù)視為一個(gè)頂點(diǎn)，通過對所有的訓(xùn)練數(shù)據(jù)進(jìn)行聚類，每一個(gè)聚類為一條邊。

在一種優(yōu)選實(shí)現(xiàn)方式中，所述方法還包括，將超圖表示成|V|×|ε|的關(guān)聯(lián)矩陣。