申请/专利权人:南京航空航天大学
申请日:2020-12-11
公开(公告)日:2024-04-12
公开(公告)号:CN112507620B
主分类号:G06F30/27
分类号:G06F30/27;G06F119/02
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2021.04.02#实质审查的生效;2021.03.16#公开
摘要:本发明公开了一人机共驾过程中驾驶员肌肉状态估计方法,步骤如下:采集驾驶员正常驾驶时输出转矩信号与车辆响应的车速信号、方向盘转角信号、方向盘角速度信号、横摆角速度信号和侧向加速度信号,并对采集到的数据进行滤波处理;训练RBF神经网络,得到训练模型;根据得到的训练模型实时对当前时刻下驾驶员正常状态时能够输出的转矩进行估计;得到驾驶员输出的转矩匹配度;采用S函数估计驾驶员的肌肉状态。本发明提出的方法能够提高人机共驾过程中驾驶员肌肉状态估计的准确性、实时性,能够近似代替精度高的EMG方法,消除该方法的弊端的同时能够集成此方法的优点。
主权项:1.一种人机共驾过程中驾驶员肌肉状态估计方法,其特征在于,步骤如下:1采集驾驶员正常驾驶时输出转矩信号与车辆响应的车速信号、方向盘转角信号、方向盘角速度信号、横摆角速度信号和侧向加速度信号,并对采集到的数据进行滤波处理;2根据步骤1中处理得到的数据,训练RBF神经网络,得到训练模型;3在驾驶员接管过程中,实时采集驾驶员接管车辆时输出的转矩信号以及车辆响应的车速信号、方向盘转角信号、方向盘角速度信号、横摆角速度信号和侧向加速度信号,进行实时滤波,并根据步骤2得到的训练模型实时对当前时刻下驾驶员正常状态时能够输出的转矩进行估计;4根据步骤3得到的驾驶员接管车辆时实际输出的转矩和当前时刻对应的驾驶员正常状态时能够输出的转矩,对两者进行对比转换,得到驾驶员输出的转矩匹配度;5根据步骤4得到的转矩匹配度,采用S函数估计驾驶员的肌肉状态;所述步骤3的接管过程中,驾驶员正常状态时的输出转矩估计步骤如下:31将采集到的车辆速度V、方向盘转角θw、方向盘角速度车辆横摆角速度wr和车辆侧向加速度ay数据输入到步骤2中训练模型中;32计算出输入数据X与每个数据中心Cp的偏差,将各偏差代入相应的基函数中,从而得到隐藏层所有基函数的输出;33采用下式5将各隐藏层的输出与对应的权值相乘并求和,得到驾驶员正常状态时的输出转矩的估计值Tgu: 所述步骤4中驾驶员输出的转矩匹配度Tm的计算过程如下:将步骤3采集的驾驶员接管车辆时实际输出的转矩Treal和当前时刻下驾驶员正常状态时能够输出的转矩的估计值Tgu代入到转矩匹配度计算公式: 式中,Treal为实际接管过程中驾驶员实时输出的转矩;所述步骤5中驾驶员的肌肉状态Ms的估计步骤如下:51将步骤4中计算得到的转矩匹配度Tm代入到肌肉状态估计公式中: 式中,a和b为调整参数,e为自然对数;52根据步骤51的计算结果对驾驶员的肌肉状态进行划分,当Ms0.8时,认为此时驾驶员的肌肉状态恢复至正常驾驶状态,可拥有全部的操控车辆的权限;当Ms0.2时,认为此时驾驶员的肌肉状态处于低水平,不能进行车辆的接管,车辆完全由智能车控制系统操控;当0.2=Ms=0.8时,认为此时驾驶员的肌肉状态正在逐渐恢复,可将对车辆的操控权限逐步释放给驾驶员。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种人机共驾过程中驾驶员肌肉状态估计方法
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。