申请/专利权人：浙江加力仓储设备股份有限公司

申请日：2023-07-12

公开（公告）日：2024-03-26

公开（公告）号：CN116767204B

主分类号：B60W30/14

分类号：B60W30/14;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2023.10.17#实质审查的生效;2023.09.19#公开

摘要：公开了一种基于车辆载荷的车速控制方法及其系统。该控制方法包括：获取预定时间段内多个预定时间点的车辆载荷值、道路坡度值和车辆车速值；基于深度卷积神经网络模型对所述多个预定时间点的车辆载荷值、道路坡度值和车辆车速值进行分析和处理以得到参数关联特征向量；以及，基于所述参数关联特征向量，确定车速控制策略。这样，可以智能化地对车速进行调整和控制，提高车辆在复杂行驶工况下的可靠性和安全性。

主权项：1.一种基于车辆载荷的车速控制方法，其特征在于，包括：获取预定时间段内多个预定时间点的车辆载荷值、道路坡度值和车辆车速值；基于深度卷积神经网络模型对所述多个预定时间点的车辆载荷值、道路坡度值和车辆车速值进行分析和处理以得到参数关联特征向量；以及基于所述参数关联特征向量，确定车速控制策略；其中，所述基于车辆载荷的车速控制方法，还包括训练步骤：对基于一维卷积神经网络模型的时序特征提取器、自注意力机制和分类器进行训练；其中，所述训练步骤，包括：获取训练数据，所述训练数据包括预定时间段内多个预定时间点的训练车辆载荷值、训练道路坡度值和训练车辆车速值；将所述多个预定时间点的训练车辆载荷值、训练道路坡度值和训练车辆车速值分别按照时间维度排列为训练车辆载荷时序输入向量、训练道路坡度时序输入向量和训练车辆车速时序输入向量；将所述训练车辆载荷时序输入向量、训练道路坡度时序输入向量和训练车辆车速时序输入向量分别通过所述基于一维卷积神经网络模型的时序特征提取器以得到训练车辆载荷时序特征向量、训练道路坡度时序特征向量和训练车辆车速时序特征向量；以所述训练车辆车速时序特征向量作为查询特征向量、所述训练车辆载荷时序特征向量作为键特征向量和所述训练道路坡度时序特征向量为值特征向量，通过自注意力机制来融合所述训练车辆载荷时序特征向量、所述训练道路坡度时序特征向量和所述训练车辆车速时序特征向量以得到训练参数关联特征向量；将所述训练参数关联特征向量通过分类器以得到分类损失函数值；以及基于所述分类损失函数值并通过梯度下降的方向传播来对所述基于一维卷积神经网络模型的时序特征提取器、所述自注意力机制和所述分类器进行训练，其中，在所述训练的每一轮迭代中，对所述分类器的权重矩阵进行权重本征支持的半空间结构化约束；其中，在所述训练的每一轮迭代中，对所述分类器的权重矩阵进行权重本征支持的半空间结构化约束，包括：在所述训练的每一轮迭代中，以如下优化公式对所述分类器的权重矩阵进行权重本征支持的半空间结构化约束；其中，所述优化公式为： 其中，V是所述训练参数关联特征向量，M是所述分类器的权重矩阵，Ve是矩阵MTM的本征值组成的本征集合向量，·T表示矩阵的转置矩阵，和分别表示矩阵乘法和加法，M′表示迭代后的所述分类器的权重矩阵。

全文数据：

权利要求：

百度查询： 浙江加力仓储设备股份有限公司 基于车辆载荷的车速控制方法及其系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD