[發(fā)明專利]一種基于IMU傳感器與機器學習的車輛行駛狀態(tài)檢測方法

在審

• 申請?zhí)枺?/td>: 202211261029.6
• 申請日: 2022-10-14
• 公開（公告）號: CN115784093A
• 公開（公告）日: 2023-03-14
• 發(fā)明（設計）人: 曹喜樂;王利強
• 申請（專利權）人: 愛動超越人工智能科技（北京）有限責任公司
• 主分類號: B66F9/075
• 分類號: B66F9/075;G06F18/214
• 代理公司: 南京匯業(yè)佳知識產權代理事務所(普通合伙) 32708
• 代理人: 汪立雪

1.一種基于IMU傳感器與機器學習的車輛行駛狀態(tài)檢測方法，其特征在于：包括以下步驟；

步驟一：特征值提取，具體包括以下方式：

(1)將IMU進行姿態(tài)矯正；

(2)進行時域、頻域分析，并就分析結果進行篩選，篩出能夠代表碰撞發(fā)生的特征；

(3)設定大小為100的時間窗口，并分別從窗口提取各軸的加速度與角速度數值；

(4)將時間窗口再分為10個子窗口，分別提取均值與最大值；

(5)提取時間窗口中的重心頻率、平均頻率、均方根頻率、頻率標準差；

(6)對叉車的運行狀態(tài)進行分類，并將分類好的狀態(tài)設定為訓練的標簽；

步驟二：機器學習中的XGboost算法進行訓練，具體包括以下方式：

(1)將特征值數據集放入算法進行訓練，進行參數調整，生成算法模型；

(2)使用模型進行推理，并設計一個長度為5的隊列，將推理結果與對應的速度、貨叉升降信息放入隊列；

(3)當隊列滿時判斷第三個隊列元素的狀態(tài)值；

(4)根據狀態(tài)值判斷結果是否為碰撞；

(5)輸出結果，輸出隊列第三個元素的狀態(tài)值，刪除隊列第一個元素，保持隊列長度不變，并進行下一次判斷。

2.根據權利要求1所述的基于IMU傳感器與機器學習的車輛行駛狀態(tài)檢測方法，其特征在于：所述步驟一過程中，叉車的運行狀態(tài)具體分類為四種，分別為：靜止、正常行駛、顛簸、碰撞，并將這四種狀態(tài)作為訓練標簽的同時，把提取的特征信息與4種標簽相對應；其中，顛簸是指叉車運行在顛簸路面上的運動狀態(tài)。

3.根據權利要求2所述的基于IMU傳感器與機器學習的車輛行駛狀態(tài)檢測方法，其特征在于：所述步驟二過程中，當隊列滿時判斷第三隊列狀態(tài)至是碰撞，則計算隊列中5個元素速度的標準差，并同時判斷叉車的貨叉狀態(tài)是否為升叉，當速度標準差大于閾值1000且為降叉狀態(tài)時，認定此次碰撞為真實碰撞。

4.根據權利要求3所述的基于IMU傳感器與機器學習的車輛行駛狀態(tài)檢測方法，其特征在于：所述步驟二過程中，當隊列滿時判斷第三隊列狀態(tài)至是碰撞，若計算隊列中5個元素速度的標準差小于閾值，則將碰撞狀態(tài)調整為顛簸狀態(tài)后進行結果輸出。

5.根據權利要求1～4任一所述的基于IMU傳感器與機器學習的車輛行駛狀態(tài)檢測方法，其特征在于：所述步驟一過程中時域、頻域分析的具體方式為小波變換、傅里葉變換。

6.根據權利要求1所述的基于IMU傳感器與機器學習的車輛行駛狀態(tài)檢測方法，其特征在于：所述步驟一過程中，時間窗口以30為步長依次過濾IMU數據，再在窗口中提取行駛狀態(tài)特征。

7.根據權利要求1所述的基于IMU傳感器與機器學習的車輛行駛狀態(tài)檢測方法，其特征在于：所述步驟一過程中IMU進行姿態(tài)矯正具體是依據傳感器采集叉車的加速度、角速度、叉車速度信息。