[發明專利]一種基于K-Means和BP神經網絡的路感模擬方法

有效

• 申請號: 202011570757.6
• 申請日: 2020-12-26
• 公開（公告）號: CN112528568B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 趙蕊;蔡錦康;鄧偉文;丁娟
• 申請（專利權）人: 浙江天行健智能科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州根號專利代理事務所(普通合伙) 32276
• 代理人: 仇波

1.一種基于K-Means和BP神經網絡的路感模擬方法，其特征在于，包括以下步驟：

步驟一、采集試驗數據：駕駛員進行實車試驗，車輛在試驗道路中行駛，采集的試驗數據包括車速、車輛側向加速度、車輛橫擺角速度、車輛垂向載荷、駕駛員方向盤轉角、方向盤角速度和方向盤力矩；

步驟二、處理試驗數據：對試驗數據去除異常點后進行歸一化處理，得到歸一化試驗數據集；

步驟三、進行歸一化試驗數據分類：使用K-Means聚類算法對歸一化試驗數據進行聚類，聚類后將歸一化試驗數據分成多個數據類，并將聚類后的試驗數據劃分為聚類后訓練數據集和聚類后測試數據集；

步驟四、訓練基于K-Means和BP神經網絡的路感模型：使用聚類后訓練數據集和BP神經網絡算法訓練基于K-Means和BP神經網絡的路感模擬模型時，BP神經網絡模型的輸入變量為車速、車輛側向加速度、車輛橫擺角速度、車輛垂向載荷、駕駛員方向盤轉角、方向盤角速度，輸出變量為方向盤力矩，訓練得到與數據類相同數量的基于K-Means和BP神經網絡的路感模擬模型；

步驟五、測試基于K-Means和BP神經網絡的路感模型；使用聚類后測試數據集測試得到的基于K-Means和BP神經網絡的路感模擬模型，并判斷是否需要重新進行試驗；測試所述基于K-Means和BP神經網絡的路感模擬模型時，步驟為：

1）取出測試數據集中的測試數據點，將測試數據點對應的輸入變量的數值輸入與該測試數據點所屬類對應的路感模擬模型，得到預測的方向盤力矩值；

2）迭代進行步驟1），直到使用路感模擬模型進行了所有測試數據點的預測；

3）計算得到整個測試數據集的測試數據點經過模型計算預測方向盤力矩值與真實方向盤力矩值之間的MSE值；

4）若MSE值小于預設的閾值α，則認為訓練所得到的基于數據驅動的路感模擬模型可接受，建模成功；

步驟六、根據所得的基于K-Means和BP神經網絡的路感模擬模型進行路感模擬。

2.根據權利要求1所述基于K-Means和BP神經網絡的路感模擬方法，其特征在于，其特征在于，在步驟一的實車試驗中：

試驗道路類型包括城市道路、高速道路、市郊道路和鄉村公路；

車輛行駛工況包括直行、倒車、轉彎、原地轉向、上坡和下坡工況。

3.根據權利要求1所述基于K-Means和BP神經網絡的路感模擬方法，其特征在于，在步驟二中，被去除的異常點包括超出正常取值范圍的數據點、分布嚴重偏離的數據點和變化幅度超出正常范圍的數據點。

4.根據權利要求1所述基于K-Means和BP神經網絡的路感模擬方法，其特征在于，在步驟二中，使用濾波器進行試驗數據異常點的過濾，使用濾波器刪除異常點的方法為：將試驗數據按照原始采集順序一次輸入低通濾波器、高通濾波器或帶通濾波器，得到過濾后試驗數據。

5.根據權利要求1所述的基于K-Means和BP神經網絡的路感模擬方法，其特征在于，在步驟二中，對試驗數據按照下式進行歸一化處理：

式中，i為數據編號，j為變量編號，x_i,j表示未歸一化的第i組數據中的第j個變量，X_j表示所有j對應的變量數據值組成的集合，min表示最小值，max表示最大值。

6.根據權利要求1所述基于K-Means和BP神經網絡的路感模擬方法，其特征在于，在步驟二中，從歸一化試驗數據集中隨機選擇一定比例的數據點作為訓練數據集，其他數據點作為測試數據集。