[發明專利]一種自適應巡航系統控制參數的標定方法及裝置

有效

• 申請號: 201711458101.3
• 申請日: 2017-12-28
• 公開（公告）號: CN108216233B
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 張海強
• 申請（專利權）人: 北京經緯恒潤科技有限公司
• 主分類號: B60W30/14
• 分類號: B60W30/14;B60W40/107
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種自適應巡航系統控制參數的標定方法，其特征在于，包括：

獲取本車行駛數據與前方車輛行駛數據，其中，所述本車行駛數據包括本車的速度、時距值、目標距離、加速度、橫擺角速度、方向盤轉角、方向盤力矩、轉向燈信號、油門踏板行程和剎車踏板行程，所述前方車輛行駛數據包括前方車輛的距離、速度、加速度、車輛類型、車輛寬度和車輛橫向位置；

將所述本車行駛數據與所述前方車輛行駛數據輸入到深度神經網絡模型，獲得自適應巡航系統控制參數，所述深度神經網絡模型預先訓練生成；

所述深度神經網絡模型的訓練過程包括：

按照第一預設時間間隔，采集預設時間段內第一組數的初始訓練數據，每一組所述初始訓練數據包括本車行駛訓練數據和前方車輛行駛訓練數據，所述本車行駛訓練數據包括本車的速度、時距值、加速度、橫擺角速度、方向盤轉角、方向盤力矩、轉向燈信號、油門踏板行程和剎車踏板行程，所述前方車輛行駛訓練數據包括前方車輛的距離、速度、加速度、車輛類型、車輛寬度和車輛橫向位置；

對采集到的所述第一組數的初始訓練數據進行數據篩選，獲得第二組數的篩選訓練數據，所述第二組數小于或等于所述第一組數；

計算每一組所述篩選訓練數據的自適應巡航系統控制參數，并將每一組所述篩選訓練數據與對應的自適應巡航系統控制參數作為一組配對數據；

將所述配對數據輸入到初始神經網絡模型進行訓練，獲得所述深度神經網絡模型。

2.根據權利要求1所述的標定方法，其特征在于，所述計算每一組所述篩選訓練數據的自適應巡航系統控制參數，包括：

依據每一組所述篩選訓練數據中本車的時距值和前方車輛的速度，計算每一組所述篩選訓練數據對應的本車的目標距離；

將每一組所述篩選訓練數據中本車的速度、加速度，前方車輛的距離、速度，以及對應的本車的目標距離代入加速度計算公式，獲得對應的訓練方程，所述加速度計算公式為：

AX＝k₁×(d-G(V_tgt,HW_SET))+k₂×(V_tgt-V_ego)

其中，AX為本車的加速度，V_ego為本車的速度，G(V_tgt,HW_SET)為本車的目標距離，d為前方車輛的距離，V_tgt為前方車輛的速度，k₁與k₂為未知的自適應巡航系統控制參數；

按照第二預設時間間隔，將所述第二組數的篩選訓練數據的訓練方程分組，獲得第三組數的訓練方程組，其中，所述第二預設時間間隔包括至少一個所述第一預設時間間隔，所述第三組數小于所述第二組數；

對每一組所述訓練方程組進行求解運算，獲得每一組所述訓練方程組的解，作為所述訓練方程組中每一個訓練方程對應的所述篩選訓練數據的自適應巡航系統控制參數。

3.根據權利要求1所述的標定方法，其特征在于，所述將所述配對數據輸入到初始神經網絡模型進行訓練，獲得所述深度神經網絡模型，包括：

將所述配對數據作為數據選取組，并從所述數據選取組中選取一組配對數據作為待訓練數據；

將所述待訓練數據輸入到初始神經網絡模型進行訓練，獲得控制參數輸出量；

判斷所述控制參數輸出量與所述待訓練數據中的自適應巡航系統控制參數是否相同；

若所述控制參數輸出量與所述待訓練數據中的自適應巡航系統控制參數不同，計算損失函數，所述損失函數為所述控制參數輸出量與所述待訓練數據中的自適應巡航系統控制參數的差的平方和；

利用Adam算法和所述損失函數，更新所述初始神經網絡模型的隱藏層參數，并返回執行所述將所述待訓練數據輸入到初始神經網絡模型進行訓練，獲得控制參數輸出量，直到所述控制參數輸出量與所述待訓練數據中的自適應巡航系統控制參數相同，獲得當前神經網絡模型；

判斷所述數據選取組中的配對數據的個數是否等于零；

若所述數據選取組中的配對數據的個數大于零，將所述當前神經網絡模型作為所述初始神經網絡模型，從所述數據選取組中剔除所述待訓練數據，并返回執行所述從所述數據選取組中選取一組配對數據作為待訓練數據；

若所述數據選取組中的配對數據的個數等于零，將所述當前神經網絡模型作為所述深度神經網絡模型。