[發明專利]基于RNN序列模型的轉向管柱螺母調節角度預測方法

有效

• 申請號: 201911304044.2
• 申請日: 2019-12-17
• 公開（公告）號: CN111008503B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 趙穎;羅鳳;徐雅琦;謝慧萱;周芳芳
• 申請（專利權）人: 中南大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/15;G06N3/04
• 代理公司: 長沙新裕知識產權代理有限公司 43210
• 代理人: 劉熙

本發明公開了一種基于RNN序列模型的轉向管柱螺母調節角度預測方法，通過獲取并構建樣本數據，清洗和過濾樣本數據，數據格式化預處理，特征的提取與選擇，序列化和歸一化數據，根據模型預測調節角度和真實調節角度計算損失函數值，優化網絡參數，最后基于優化后的網絡對測試數據進行調節角度預測，并給出精確度和效率相對更優的樣本數據結構和特征輸入方案。本發明實現了將RNN序列模型應用于工業數據，有效地預測出轉向管柱螺母的調節角度，提高了轉向管柱螺母調節角度的精確度，從而提高工作效率。

技術領域

本發明涉及計算機信息處理技術領域，特別涉及一種基于RNN序列模型的轉向管柱螺母調節角度預測方法。

背景技術

汽車轉向管柱是汽車轉向系統的重要組成部分，通常安裝在汽車方向盤與轉向器之間的連接部件，管柱成品在出廠前，必須對扳動管柱上手柄的力大小進行測試，如果力的大小不滿足要求，則需要調節，調節扳動手柄所需力的大小是通過調節手柄上螺母的松緊來實現的，當螺母過緊時，扳動手柄所需的力會過大，用戶難以實現輕松調節，影響用戶體驗；反之如果螺母過松，扳動手柄所需的力會過小，使得管柱不夠穩固，容易松動，造成安全事故。

目前，用于計算螺母調節角度的傳統模型算法存在一些不足，比如成品從有偏差到無偏差的調節次數過多，對偏差的把控能力不足，調節依據不夠系統及功能局限性大，從而忽略了產品差異性；同時，產品日均生產量龐大，生產數據也數以萬計，憑借專家經驗很難快速從大量的數據中提取相關規律，因此導致調節過程精確度低，效率低，由鑒于此，需要提供一種效果好、精確度高、可以提高效率的螺母調節角度預測的方法。

發明內容

為了解決現有技術的問題，本發明實施例提供了一種基于RNN序列模型的轉向管柱螺母調節角度預測方法，所述技術方案如下：

首先，步驟1：從數據庫中提取并構建汽車轉向管柱螺母調節測試數據的樣本集合S；

步驟2：根據所述樣本集合S中的每個樣本集進行異常值和冗余值的清洗和過濾，得到清洗后的新樣本集合S_n；

步驟3：對所述新樣本集合S_n進行格式化預處理，得到不同結構的樣本數據集合S_n1，S_n2，S_n3；

步驟4：從所述樣本數據集合S_n1，S_n2，S_n3中進行特征的提取與選擇，得到兩種特征方案，將所述兩種特征方案輸入方案input₁，input₂；

步驟5：設定序列化窗口值，利用所述窗口值對所述樣本數據集合S_n1，S_n2，S_n3的數據進行序列化處理，得到序列化后的樣本數據集合SS_n1，SS_n2，SS_n3；

步驟6：對所述樣本數據集合SS_n1，SS_n2，SS_n3分別進行訓練集與測試集的拆分，利用最大最小值歸一化方法對拆分后的訓練集與測試集進行處理；

步驟7：將所述方案input₁與所述方案input₂應用到基于RNN序列模型的神經網絡模型；

步驟8：根據所述訓練集的螺母真實調節角度與模型預測的調節角度計算損失函數值，根據所述損失函數值的結果更新所述神經網絡模型的參數；

步驟9：重復步驟8，直到滿足訓練結束條件，得到優化后的神經網絡模型參數；

步驟10：將預測的測試集，應用于優化后的神經網絡模型，預測螺母調節角度；