[發(fā)明專利]一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)識別車輛行駛工況的方法

在審

• 申請?zhí)枺?/td>: 202110693313.X
• 申請日: 2021-06-22
• 公開（公告）號: CN113485102A
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 李博;嚴(yán)鑒鉑;劉義;聶幸福;羅光濤;孔盼;孫艷茹;李尊
• 申請（專利權(quán)）人: 西安法士特汽車傳動有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 姚詠華

1.一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)識別車輛行駛工況的方法，其特征在于，包括以下步驟：

S1、采集車輛在不同路面的行駛數(shù)據(jù)，對采集的行駛數(shù)據(jù)進(jìn)行分析篩選；

S2、將分析篩選后的數(shù)據(jù)分為兩組，一組作為訓(xùn)練數(shù)據(jù)集，另一組作為校驗(yàn)數(shù)據(jù)集；

S3、根據(jù)篩選的數(shù)據(jù)，構(gòu)建長短期記憶神經(jīng)網(wǎng)絡(luò)模型；

S4、使用訓(xùn)練數(shù)據(jù)集訓(xùn)練長短期記憶神經(jīng)網(wǎng)絡(luò)模型，得到訓(xùn)練好的長短期記憶神經(jīng)網(wǎng)絡(luò)模型；

S5、使用校驗(yàn)數(shù)據(jù)集評價訓(xùn)練好的長短期記憶神經(jīng)網(wǎng)絡(luò)模型；

S6、將通過校驗(yàn)的長短期記憶神經(jīng)網(wǎng)絡(luò)模型的參數(shù)提取出來；

S7、根據(jù)提取的參數(shù)數(shù)據(jù)建立行駛工況分類器；

S8、將行駛工況分類器集成到AMT控制程序中，利用行駛工況分類器在線識別車輛的行駛工況。

2.根據(jù)權(quán)利要求1所述的一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)識別車輛行駛工況的方法，其特征在于，S8中，工況分類包括堵車工況、低速工況、中速工況和高速工況，根據(jù)行駛工況建立對應(yīng)的工況控制策略，對應(yīng)的工況控制策略分別為堵車工況控制策略、低速工況控制策略、中速工況控制策略、高速工況控制策略和通用的普通控制策略。

3.根據(jù)權(quán)利要求2所述的一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)識別車輛行駛工況的方法，其特征在于，利用行駛工況分類器在線識別車輛的行駛工況，根據(jù)行駛工況建立對應(yīng)的工況控制策略的過程為：

首先判斷是否是高速工況，如果是高速工況，則執(zhí)行高速工況換檔控制策略，否則繼續(xù)判斷；

其次判斷是否是中速工況，如果是中速工況，則執(zhí)行中速工況換檔控制策略，否則繼續(xù)判斷；

再次判斷是否是低速工況，如果是低速工況，則執(zhí)行低速工況換檔控制策略，否則繼續(xù)判斷；

再次判斷是否是低速工況，如果是低速工況，則執(zhí)行低速工況換檔控制策略，否則繼續(xù)判斷；

最后判斷是否是堵車工況，如果是堵車工況，則執(zhí)行堵車工況換檔控制策略，否則執(zhí)行通用工況換檔策略。

4.根據(jù)權(quán)利要求1所述的一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)識別車輛行駛工況的方法，其特征在于，S1中，行駛數(shù)據(jù)包括車速、加速踏板開度、制動踏板開度和轉(zhuǎn)向半徑。

5.根據(jù)權(quán)利要求1所述的一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)識別車輛行駛工況的方法，其特征在于，S1中，不同路面包括市區(qū)路面、省道、國道和高速路面。

6.根據(jù)權(quán)利要求1所述的一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)識別車輛行駛工況的方法，其特征在于，S2中，將分析篩選后的數(shù)據(jù)按照70％和30％的比例隨機(jī)分為兩組，將70％的一組作為訓(xùn)練數(shù)據(jù)集，將30％的一組作為校驗(yàn)數(shù)據(jù)集。

7.根據(jù)權(quán)利要求1所述的一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)識別車輛行駛工況的方法，其特征在于，長短期記憶神經(jīng)網(wǎng)絡(luò)模型包括輸入層，Lstm層，全連接層，softmax層和分類層；

S7中，提取的長短期記憶神經(jīng)網(wǎng)絡(luò)模型的參數(shù)包括Lstm層的輸入權(quán)重IW、Lstm層的周期權(quán)重RW、Lstm層的偏移量B、全連接層的權(quán)重FW和全連接層的偏移量FB。