申请/专利权人：徐州徐工传动科技有限公司;重庆大学

申请日：2023-07-11

公开（公告）日：2024-04-09

公开（公告）号：CN116906556B

主分类号：F16H61/02

分类号：F16H61/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.11.07#实质审查的生效;2023.10.20#公开

摘要：本发明公开了一种自动变速器转弯换道工况智能挡位决策方法，包括步骤S1：采集手动挡车辆的行车数据；S2：对行驶数据进行预处理；S3：对行车数据进行特征拓展，获得信号的一阶与二阶导数特征；S4：计算车辆的行车轨迹，并提取转弯换道信息；S5：选择转弯换道的识别特征，构建车辆转弯换道的识别模型；S6：对行车数据进行相关性分析，提取候选决策参数；S7：评价候选决策参数的重要性，作为换挡决策参数，构建行驶数据集，并去除数据集中的离群点；S8：利用数据集训练网络分类模型，构建换挡规则曲面。本发明建立的转弯换道工况挡位决策策略能够根据驾驶员的转弯换道情况进行智能的挡位决策，从而适应驾驶员的转弯换道意图和行驶环境的变化。

主权项：1.一种自动变速器转弯换道工况智能挡位决策方法，其特征在于，包括以下步骤进行：S1：采集优秀驾驶员驾驶手动挡车辆在各种行驶工况下的海量行车数据；S2：对采集的行驶数据进行预处理，包括数据对齐、重采样、去噪、异常值剔除；S3：对预处理过的部分信号进行特征拓展，获得这部分信号的一阶导数与二阶导数特征；S4：计算车辆的行车轨迹，并从中提取出车辆的转弯换道信息；S5:选择转弯换道的识别参数，构建基于支持向量机的车辆转弯换道的识别模型；构建转弯换道识别模型步骤如下：列举出所有的特征参数，按1,2,3…,N进行编号，设置N种优化变量分别代表每一种特征参数，每个变量的取值只能为0或者1，0代表不选择这种参数，1代表选择这种参数；利用选择的特征参数构建基于支持向量机的转弯换道识别模型，并利用多目标遗传算法优化变量，得到pareto前沿，选择的识别特征为横摆角、侧向加速度、横向位移以及纵向位移；利用选择的识别特征参数构建数据集，优化SVM的参数获得最终的转弯换道识别模型；S6：对清洗后的行车数据中的各信号进行相关性分析，提取出相关性较低的信号作为挡位决策的候选决策参数；对采集的信号相关性分析步骤如下：首先计算各行车数据信号的Spearman相关性系数矩阵；Spearman相关性系数用来评价两个变量之间的相关性，用单调函数来表示相关性，如果两个变量取值的两个集合中不存在相同的元素，当其中一个变量用一个单调函数很好的表达另一个变量时，两个变量之间的相关性达到+1或-1，相关性系数的计算公式如下： 其中，xi、yi分别代表两个变量集合中的元素，分别代表两个变量集合的平均值，N代表集合的元素个数；相关性系数大于0.5的两个信号认为是相关的，保留其中一个即可，由此去除一部分相关性比较高的信号；S7：利用随机森林算法分别评价各候选决策参数的重要性，选取重要性最高的三个特征参数作为换挡决策参数，以此构建行驶数据集，并利用DBSCAN算法去除数据集中的离群点；具体步骤如下：7-1首先利用Python中随机森林算法的feature_importances子模块计算各候选参数的重要性，选取其中重要性最高的三个特征信号作为挡位决策参数，并以此构建挡位决策数据集；7-2利用基于DBSCAN的聚类算法将挡位决策数据集中低密度区域内的数据点视为离群点并去除，数据集中离群点的存在会影响后续神经网络的训练；S8：利用获得的目标工况下的数据集训练长短期记忆神经网络分类模型，构建各个挡位下的换挡规则曲面。

全文数据：

权利要求：

百度查询： 徐州徐工传动科技有限公司;重庆大学 一种自动变速器转弯换道工况智能挡位决策方法

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