[發(fā)明專利]基于LSTM的井下無(wú)軌膠輪車車速預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110488042.4
• 申請(qǐng)日: 2021-05-06
• 公開（公告）號(hào): CN113327430B
• 公開（公告）日: 2022-11-01
• 發(fā)明（設(shè)計(jì)）人: 沈科;周李兵;鄒盛;王天宇;季亮;陳曉晶;王曉波;于政乾
• 申請(qǐng)（專利權(quán)）人: 天地（常州）自動(dòng)化股份有限公司;中煤科工集團(tuán)常州研究院有限公司
• 主分類號(hào): G08G1/052
• 分類號(hào): G08G1/052;G06N3/08;G06N3/04
• 代理公司: 常州至善至誠(chéng)專利代理事務(wù)所(普通合伙) 32409
• 代理人: 趙旭

1.一種基于LSTM的井下無(wú)軌膠輪車車速預(yù)測(cè)方法，其特征在于，包括以下步驟：

S101：采集同一型號(hào)所述無(wú)軌膠輪車從駛?cè)刖孪锏乐榴偝鏊鼍孪锏赖牟煌啻蔚男旭倲?shù)據(jù)；

所述行駛數(shù)據(jù)包括車輛工況數(shù)據(jù)、道路環(huán)境數(shù)據(jù)及交通行為數(shù)據(jù)；

所述車輛工況數(shù)據(jù)包括車輛載重、變速箱檔位、車輛速度、車輛轉(zhuǎn)速、車輛轉(zhuǎn)向角度、車輛加速度、油門踏板行程、剎車踏板壓力及輪胎壓力；

所述道路環(huán)境數(shù)據(jù)包括車輛實(shí)時(shí)位置、當(dāng)前位置的道路曲率、當(dāng)前位置的道路坡度及車輛當(dāng)前行駛前方預(yù)設(shè)距離內(nèi)最近一個(gè)路口的距離；

所述交通行為數(shù)據(jù)包括車輛當(dāng)前行駛前方預(yù)設(shè)距離內(nèi)巷道中的動(dòng)態(tài)目標(biāo)的數(shù)量、所述動(dòng)態(tài)目標(biāo)與車輛的距離、所述動(dòng)態(tài)目標(biāo)的移動(dòng)速度和方向、車輛當(dāng)前行駛前方預(yù)設(shè)距離內(nèi)最近一個(gè)路口信號(hào)燈的信號(hào)狀態(tài)；

S102：對(duì)所述行駛數(shù)據(jù)進(jìn)行篩選，剔除無(wú)效的所述行駛數(shù)據(jù)，將剩余有效的所述行駛數(shù)據(jù)進(jìn)行歸一化處理，得到訓(xùn)練數(shù)據(jù)；

S103：根據(jù)車輛載重指標(biāo)將所述訓(xùn)練數(shù)據(jù)劃分為M個(gè)樣本集；

所述車輛載重指標(biāo)包括空載、輕載、中載、重載及滿載；

S104：構(gòu)建基于LSTM的車速預(yù)測(cè)模型，確定所述車速預(yù)測(cè)模型的損失函數(shù)、梯度優(yōu)化器及學(xué)習(xí)率；

S105：通過(guò)所述M個(gè)樣本集對(duì)所述車速預(yù)測(cè)模型分別進(jìn)行訓(xùn)練，得到同一型號(hào)所述無(wú)軌膠輪車的M個(gè)所述車速預(yù)測(cè)模型；

S106：根據(jù)目標(biāo)車輛在最近一次停止?fàn)顟B(tài)時(shí)的車輛載重指標(biāo)，選取相應(yīng)的所述車速預(yù)測(cè)模型，將m個(gè)實(shí)時(shí)采集的特征指標(biāo)數(shù)據(jù)輸入所述車速預(yù)測(cè)模型中，得到所述目標(biāo)車輛的車速預(yù)測(cè)數(shù)據(jù)。

2.如權(quán)利要求1所述的基于LSTM的井下無(wú)軌膠輪車車速預(yù)測(cè)方法，其特征在于，所述構(gòu)建基于LSTM的車速預(yù)測(cè)模型具體包括：

在t時(shí)刻輸入矩陣其中，所述表示在t時(shí)刻由m個(gè)特征指標(biāo)數(shù)據(jù)構(gòu)成的列向量，W表示在時(shí)間維度上的長(zhǎng)度，t時(shí)刻輸出的數(shù)據(jù)為Y_t＝[y_t]，其中，y_t表示t時(shí)刻的車速數(shù)據(jù)，設(shè)置LSTM神經(jīng)網(wǎng)絡(luò)模型的隱藏層層數(shù)。

3.如權(quán)利要求1所述的基于LSTM的井下無(wú)軌膠輪車車速預(yù)測(cè)方法，其特征在于，所述特征指標(biāo)數(shù)據(jù)包括車輛轉(zhuǎn)速、車輛轉(zhuǎn)向角度、車輛加速度、油門踏板行程、剎車踏板壓力、輪胎壓力、車輛實(shí)時(shí)位置、當(dāng)前位置的道路曲率、當(dāng)前位置的道路坡度、車輛當(dāng)前行駛前方最近一個(gè)路口的距離、車輛當(dāng)前行駛前方的動(dòng)態(tài)目標(biāo)的數(shù)量、所述動(dòng)態(tài)目標(biāo)與車輛的距離、所述動(dòng)態(tài)目標(biāo)的移動(dòng)速度和方向及車輛當(dāng)前行駛前方預(yù)設(shè)距離內(nèi)最近一個(gè)路口信號(hào)燈的信號(hào)狀態(tài)。

4.一種基于LSTM的井下無(wú)軌膠輪車車速預(yù)測(cè)系統(tǒng)，采用如權(quán)利要求1-3任一項(xiàng)所述的基于LSTM的井下無(wú)軌膠輪車車速預(yù)測(cè)方法，其特征在于，包括：

采集模塊，其被配置為采集同一型號(hào)所述無(wú)軌膠輪車從駛?cè)刖孪锏乐榴偝鏊鼍孪锏赖牟煌啻蔚男旭倲?shù)據(jù)；

處理模塊，其被配置為對(duì)所述行駛數(shù)據(jù)進(jìn)行篩選，剔除無(wú)效的所述行駛數(shù)據(jù)，將剩余有效的所述行駛數(shù)據(jù)進(jìn)行歸一化處理，得到訓(xùn)練數(shù)據(jù)；

數(shù)據(jù)劃分模塊，其被配置為根據(jù)車輛載重指標(biāo)將所述訓(xùn)練數(shù)據(jù)劃分為M個(gè)樣本集；

模型構(gòu)建模塊，其被配置為構(gòu)建基于LSTM的車速預(yù)測(cè)模型，確定所述車速預(yù)測(cè)模型的損失函數(shù)、梯度優(yōu)化器及學(xué)習(xí)率；

訓(xùn)練模塊，其被配置為通過(guò)所述M個(gè)樣本集對(duì)所述車速預(yù)測(cè)模型分別進(jìn)行訓(xùn)練，得到同一型號(hào)所述無(wú)軌膠輪車的M個(gè)所述車速預(yù)測(cè)模型；

預(yù)測(cè)模塊，其被配置為根據(jù)目標(biāo)車輛在最近一次停止?fàn)顟B(tài)時(shí)的車輛載重指標(biāo)，選取相應(yīng)的所述車速預(yù)測(cè)模型，將m個(gè)實(shí)時(shí)采集的特征指標(biāo)數(shù)據(jù)輸入所述車速預(yù)測(cè)模型中，得到所述目標(biāo)車輛的車速預(yù)測(cè)數(shù)據(jù)。