[發明專利]一種基于地理信息與機器學習的彎道預見性換擋控制策略

有效

• 申請號: 202210127566.5
• 申請日: 2022-02-11
• 公開（公告）號: CN114427600B
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 付堯;王杰;雷雨龍;李興忠;陰曉峰
• 申請（專利權）人: 吉林大學
• 主分類號: F16H61/02
• 分類號: F16H61/02;F16H61/18;F16H63/40;G06Q10/04;G06Q50/30;G06N20/10;G06V10/764;G06N3/0499;G06V10/82;G06N3/084
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 王雪嬌

1.一種基于地理信息與機器學習的彎道預見性換擋控制策略，其特征在于，包括：

在汽車行進過程中，當地理信息系統判斷前方存在彎道時：

通過BP神經網絡和SVM算法對駕駛員操作行為習慣進行預判，獲得預見性換擋控制開始的預測距離：

當汽車距離彎道入口的實際距離≤預測距離時，開始預見性換擋，包括：

獲取汽車進入彎道前水平行駛的距離、彎道半徑、道路附著系數、車速，計算汽車安全通過前方彎道的側向加速度閾值和彎道通過最大車速，并根據每擋位下的理論最大車速，計算通過彎道的預測擋位；

設定滿足每擋位下的理論最大車速≤彎道通過最大車速時對應的最大擋位為預測擋位；

設定當前擋位為i₀，預測擋位為i_p；

當i₀-i_p0時，當前擋位大于預測擋位，則首先限制升擋；

當i₀-i_p1時，需要執行越級降擋，隨著車速的降低，降擋至相應預測擋位，并在彎道內固定擋位；

當i₀-i_p≤0時，當前擋位不大于預測擋位，則設置預測擋位為彎道通過過程中的最高擋位，限制當前擋位不得超過該擋位，并在彎道內固定擋位；

所述側向加速度閾值為：

a_ys＝min{a_yl,a_yt,a_yd}；

其中，a_ys為最終側向加速度閾值；a_yl為操縱穩定性加速度閾值；a_yt為側翻閾值；a_yd為駕駛員主觀選擇習慣側向加速度值閾值；

根據當前車速與彎道半徑確定操縱穩定性加速度閾值a_yl：

a_yl1＝p₁v³+p₂v²+p₃v+p₄

a_yl2＝q₁R³+q₂R²+q₃R+q₄；

a_yl＝min{a_yl1,a_yl2}

其中，a_yl1為與車速有關的操縱穩定性加速度閾值，p₁、p₂、p₃、p₄為擬合系數，v為車速；a_yl2為與彎道半徑有關的操縱穩定性加速度閾值，q₁、q₂、q₃、q₄為擬合系數，R為彎道半徑；

所述側翻閾值a_yt為：

式中，B為輪距；R_φ為側傾率；h_r為側傾重心高度；h_g為質心高度；β為側向坡度角，g為重力加速度。

2.根據權利要求1所述的基于地理信息與機器學習的彎道預見性換擋控制策略，其特征在于，所述駕駛員主觀選擇習慣側向加速度值閾值a_yd為：

a_yd＝c₁R³+c₂R²+c₃R+c₄；

式中，c₁、c₂、c₃、c₄為擬合系數，R為彎道半徑。

3.根據權利要求2所述的基于地理信息與機器學習的彎道預見性換擋控制策略，其特征在于，所述彎道通過最大車速為：

式中，V_smax為彎道通過最大車速，R為彎道半徑。

4.根據權利要求1所述的基于地理信息與機器學習的彎道預見性換擋控制策略，其特征在于，通過BP神經網絡和SVM算法獲得預見性換擋控制開始的預測距離包括：

當SVM算法預測結果大于BP神經網絡預測結果時，將SVM算法的預測結果作為最終預測結果；

當SVM算法預測結果不大于BP神經網絡預測結果時，將BP神經網絡預測結果與修正距離相加得到最終預測結果。