申请/专利权人:南京航空航天大学
申请日:2020-06-09
公开(公告)日:2024-04-16
公开(公告)号:CN111783943B
主分类号:G06N3/0442
分类号:G06N3/0442;G06N3/048;G06F18/15;G06F18/213
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2020.11.03#实质审查的生效;2020.10.16#公开
摘要:本发明公开了一种基于LSTM神经网络的驾驶员制动强度预测方法,步骤如下:采集车速信息、加速度信息、行驶路程信息、制动踏板位移信息以及踏板速度信息,并对采集到的数据进行预处理;训练LSTM神经网络,得到训练模型;得到的训练模型,实时对驾驶员需求的制动强度进行预测,以提前预测到驾驶员的制动需求。本发明的方法可以针对特定驾驶员在某一段固定路程中的制动行为进行预测,将驾驶员和道路状况等历史因素加入到制动强度的预测中,更好地实现驾驶员制动强度的预测。
主权项:1.一种基于LSTM神经网络的驾驶员制动强度预测方法,其特征在于,步骤如下:步骤1:采集车速信息、加速度信息、行驶路程信息、制动踏板位移信息以及踏板速度信息,并对采集到的数据进行预处理;步骤2:根据步骤1中处理得到的数据,训练LSTM神经网络,得到训练模型;步骤3:根据步骤2得到的训练模型,实时对驾驶员需求的制动强度进行预测,以提前预测到驾驶员的制动需求;所述步骤1中数据预处理过程,具体步骤如下:步骤1.1对采集到的数据进行处理,得到制动时的初始车速、前3s内的平均车速、前3s内的踏板位移、踏板速度、已行驶的路程以及制动强度;步骤1.2对上述步骤1.1得到的数据进行平滑性处理,消除奇异值;对训练数据进行归一化处理: 式中,Xi为归一化后的数据,xmax为特征向量的最大值,xmin为特征向量的最小值;所述步骤1.1中数据处理步骤如下:制动时的初始车速Vb0:Vb0=V02式中,V0为制动时的车辆速度;前3s内的平均车速 式中,a为车辆加速度;t为当前时刻;前3s内的踏板位移XT:XT=Xt-Xt-34式中,Xt为t时刻的踏板位移;Xt-3为t-3时刻的踏板位移;踏板速度ub从采集到的踏板速度信息得到;已行驶的路程S: 式中,V为车辆速度;制动强度Zb: 式中,g为重力加速度。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种基于LSTM神经网络的驾驶员制动强度预测方法
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。