[發明專利]一種基于LSTM神經網絡的駕駛員制動強度預測方法

在審

• 申請號: 202010518920.8
• 申請日: 2020-06-09
• 公開（公告）號: CN111783943A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 劉利鋒;王春燕;曹銘純;趙萬忠;張自宇;何鵬;王一松;吳子涵
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

1.一種基于LSTM神經網絡的駕駛員制動強度預測方法，其特征在于，步驟如下：

步驟1)：采集車速信息、加速度信息、行駛路程信息、制動踏板位移信息以及踏板速度信息，并對采集到的數據進行預處理；

步驟2)：根據步驟1)中處理得到的數據，訓練LSTM神經網絡，得到訓練模型；

步驟3)：根據步驟2)得到的訓練模型，實時對駕駛員需求的制動強度進行預測，以提前預測到駕駛員的制動需求。

2.根據權利要求1所述的基于LSTM神經網絡的駕駛員制動強度預測方法，其特征在于，所述步驟1)中數據預處理過程，具體步驟如下：

步驟1.1)對采集到的數據進行處理，得到制動時的初始車速、前3s內的平均車速、前3s內的踏板位移、踏板速度、已行駛的路程以及制動強度；

步驟1.2)對上述步驟1.1)得到的數據進行平滑性處理，消除奇異值；對訓練數據進行歸一化處理：

式中，X_i為歸一化后的數據，x_max為特征向量的最大值，x_min為特征向量的最小值。

3.根據權利要求2所述的基于LSTM神經網絡的駕駛員制動強度預測方法，其特征在于，所述步驟1.1)中數據處理步驟如下：

制動時的初始車速V_b0：

V_b0＝V₀ (2)

式中，V₀為制動時的車輛速度；

前3s內的平均車速

式中，a為車輛加速度；t為當前時刻；

前3s內的踏板位移X_T：

X_T＝X_t-X_t-3 (4)

式中，X_t為t時刻的踏板位移；X_t-3為t-3時刻的踏板位移；

踏板速度u_b從采集到的踏板速度信息得到；

已行駛的路程S：

式中，V為車輛速度；

制動強度Z_b：

式中，g為重力加速度。

4.根據權利要求3所述的基于LSTM神經網絡的駕駛員制動強度預測方法，其特征在于，所述步驟2)中LSTM神經網絡訓練過程的具體步驟如下：

2.1)設置LSTM神經網絡輸入：

將步驟1.1)得到的制動時初始車速V_b0、前3s內平均車速前3s內制動踏板位移X_T、踏板速度u_b，以及已行駛的路程S作為LSTM神經網絡輸入；

2.2)設置LSTM神經網絡輸出：

將步驟1.1)中得到的制動強度Z_b作為LSTM神經網絡輸出；

2.3)將總數據量的70％用于訓練LSTM神經網絡，15％用于LSTM神經網絡的測試，15％用于LSTM神經網絡的驗證；

2.4)將數據輸入到LSTM神經網絡，進行離線LSTM神經網絡訓練，得到訓練模型。

5.根據權利要求4所述的基于LSTM神經網絡的駕駛員制動強度預測方法，其特征在于，所述步驟3)中駕駛員需求的制動強度預測過程具體步驟如下：

LSTM神經網絡輸入為輸出為h＝Z_b；

步驟3.1)計算遺忘門：

f_t＝σ(W_f·[h_t-1,X_t])+b_f) (7)

式中，f_t為當前時刻的遺忘門，取值范圍為0到1；W_f為遺忘門權重值；X_t為當前時刻的輸入值；h_t-1為上一時刻的輸出值；b_f為遺忘門偏置；σ為sigmoid函數；

步驟3.2)計算輸入門：

i_t＝σ(W_i·[h_t-1,X_t])+b_i) (8)

式中，i_t為當前時刻的輸入門，取值范圍為0到1；W_i為輸入門權重值；b_i為輸入門偏置；

步驟3.3)計算候選記憶單元信息：

式中，為當前時刻的將被更新到記憶單元的候選信息；W_C為候選信息權重值；b_C為候選信息偏置；

步驟3.4)計算新的記憶單元信息：

式中，C_t為當前時刻的新的記憶單元信息；C_t-1為前一時刻的記憶單元信息；

步驟3.5)計算LSTM神經網絡輸出：

o_t＝σ(W_o·[h_t-1,X_t])+b_o) (11)

h_t＝o_t·tanh(C_t) (12)

式中，o_t為當前時刻的初始輸出；W_o為初始輸出權重值；b_o為初始偏置；h_t為當前時刻的輸出，即為駕駛員需求的制動強度。