一种自适应巡航系统控制参数的标定方法及装置制造方法及图纸

本发明专利技术提供了一种自适应巡航系统控制参数的标定方法及装置，所述方法通过获取本车行驶数据与前方车辆行驶数据，并将本车行驶数据与前方车辆行驶数据作为输入变量，输入到预先训练生成的深度神经网络模型中，可以快速、准确的获得自适应巡航系统控制参数；可见，利用预先训练生成的深度神经网络模型，能够将从多方面反映本车行驶情况的本车行驶数据，以及从多方面反映前方车辆行驶情况的前方车辆行驶数据作为输入变量，进而自动输出与之对应的自适应巡航系统控制参数，以便用其精准计算出令本车与前方车辆进入稳定状态所需的本车加速度值，有效提高了自适应巡航系统控制参数的标定速度与准确度。

A calibration method and device for control parameters of adaptive cruise control system

The present invention provides a calibration method and device for the control parameters of an adaptive cruise system. By obtaining the driving data of the vehicle and the driving data in front of the vehicle, and putting the driving data of the vehicle and the driving data in front of the vehicle as input variables, the method can be input into the advanced neural network model which is generated in advance, and the method can be fast. We can get the control parameters of the adaptive cruise system quickly and accurately. It can be seen that using the advanced neural network model generated by pre training, it can reflect the driving data of the vehicle from many aspects, and the driving data in front of the vehicle driving in many respects as the input variable, and then automatically. The corresponding control parameters of the adaptive cruise system are output in order to accurately calculate the acceleration value for the vehicle to enter the stable state of the vehicle and the vehicle ahead, and effectively improve the calibration speed and accuracy of the control parameters of the adaptive cruise system.

【技术实现步骤摘要】
一种自适应巡航系统控制参数的标定方法及装置
本专利技术涉及汽车电子
，更具体的说，是涉及一种自适应巡航系统控制参数的标定方法及装置。
技术介绍
自适应巡航系统是一种智能化的自动控制系统，主要安装在车辆前部的车距传感器或雷达，用于在车辆行驶过程中，检测在本车前进道路上是否存在速度更慢的车辆，若存在速度更慢的车辆，自适应巡航系统会降低本车车速，控制本车与前方车辆的间隙达到预设目标距离，进而令本车与前方车辆均处于稳定状态，以避免发生车辆碰撞，与前车保持预设距离行驶。自适应巡航系统为了令本车与前方车辆处于稳定状态，需要根据当前状态下本车与前方车辆的距离差、本车速度、前方车辆速度，稳定状态下的预设目标距离，以及自适应巡航系统控制参数，计算得到本车的加速度值，进而令本车按照计算出的加速度值行驶，以达到稳定状态。由此可知，自适应巡航系统控制参数的合理与否，直接影响着自适应巡航系统的性能。然而，目前往往是基于采集到的本车及前方车辆各自的行驶数据，采用人工标定的方法来获得自适应巡航系统控制参数，因而降低了自适应巡航系统控制参数的标定速度及准确度。
技术实现思路
有鉴于此，本专利技术提供了一种自适应巡本文档来自技高网...

【技术保护点】
1.一种自适应巡航系统控制参数的标定方法，其特征在于，包括：获取本车行驶数据与前方车辆行驶数据，其中，所述本车行驶数据包括本车的速度、时距值、目标距离、加速度、横摆角速度、方向盘转角、方向盘力矩、转向灯信号、油门踏板行程和刹车踏板行程，所述前方车辆行驶数据包括前方车辆的距离、速度、加速度、车辆类型、车辆宽度和车辆横向位置；将所述本车行驶数据与所述前方车辆行驶数据输入到深度神经网络模型，获得自适应巡航系统控制参数，所述深度神经网络模型预先训练生成。

【技术特征摘要】
1.一种自适应巡航系统控制参数的标定方法，其特征在于，包括：获取本车行驶数据与前方车辆行驶数据，其中，所述本车行驶数据包括本车的速度、时距值、目标距离、加速度、横摆角速度、方向盘转角、方向盘力矩、转向灯信号、油门踏板行程和刹车踏板行程，所述前方车辆行驶数据包括前方车辆的距离、速度、加速度、车辆类型、车辆宽度和车辆横向位置；将所述本车行驶数据与所述前方车辆行驶数据输入到深度神经网络模型，获得自适应巡航系统控制参数，所述深度神经网络模型预先训练生成。2.根据权利要求1所述的标定方法，其特征在于，所述深度神经网络模型的训练过程包括：按照第一预设时间间隔，采集预设时间段内第一组数的初始训练数据，每一组所述初始训练数据包括本车行驶训练数据和前方车辆行驶训练数据，所述本车行驶训练数据包括本车的速度、时距值、加速度、横摆角速度、方向盘转角、方向盘力矩、转向灯信号、油门踏板行程和刹车踏板行程，所述前方车辆行驶训练数据包括前方车辆的距离、速度、加速度、车辆类型、车辆宽度和车辆横向位置；对采集到的所述第一组数的初始训练数据进行数据筛选，获得第二组数的筛选训练数据，所述第二组数小于或等于所述第一组数；计算每一组所述筛选训练数据的自适应巡航系统控制参数，并将每一组所述筛选训练数据与对应的自适应巡航系统控制参数作为一组配对数据；将所述配对数据输入到初始神经网络模型进行训练，获得所述深度神经网络模型。3.根据权利要求2所述的标定方法，其特征在于，所述计算每一组所述筛选训练数据的自适应巡航系统控制参数，包括：依据每一组所述筛选训练数据中本车的时距值和前方车辆的速度，计算每一组所述筛选训练数据对应的本车的目标距离；将每一组所述筛选训练数据中本车的速度、加速度，前方车辆的距离、速度，以及对应的本车的目标距离代入加速度计算公式，获得对应的训练方程，所述加速度计算公式为：AX＝k1×(d-G(Vtgt,HWSET))+k2×(Vtgt-Vego)其中，AX为本车的加速度，Vego为本车的速度，G(Vtgt,HWSET)为本车的目标距离，d为前方车辆的距离，Vtgt为前方车辆的速度，k1与k2为未知的自适应巡航系统控制参数；按照第二预设时间间隔，将所述第二组数的筛选训练数据的训练方程分组，获得第三组数的训练方程组，其中，所述第二预设时间间隔包括至少一个所述第一预设时间间隔，所述第三组数小于所述第二组数；对每一组所述训练方程组进行求解运算，获得每一组所述训练方程组的解，作为所述训练方程组中每一个训练方程对应的所述筛选训练数据的自适应巡航系统控制参数。4.根据权利要求2所述的标定方法，其特征在于，所述将所述配对数据输入到初始神经网络模型进行训练，获得所述深度神经网络模型，包括：将所述配对数据作为数据选取组，并从所述数据选取组中选取一组配对数据作为待训练数据；将所述待训练数据输入到初始神经网络模型进行训练，获得控制参数输出量；判断所述控制参数输出量与所述待训练数据中的自适应巡航系统控制参数是否相同；若所述控制参数输出量与所述待训练数据中的自适应巡航系统控制参数不同，计算损失函数，所述损失函数为所述控制参数输出量与所述待训练数据中的自适应巡航系统控制参数的差的平方和；利用Adam算法和所述损失函数，更新所述初始神经网络模型的隐藏层参数，并返回执行所述将所述待训练数据输入到初始神经网络模型进行训练，获得控制参数输出量，直到所述控制参数输出量与所述待训练数据中的自适应巡航系统控制参数相同，获得当前神经网络模型；判断所述数据选取组中的配对数据的个数是否等于零；若所述数据选取组中的配对数据的个数大于零，将所述当前神经网络模型作为所述初始神经网络模型，从所述数据选取组中剔除所述待训练数据，并返回执行所述从所述数据选取组中选取一组配对数据作为待训练数据；若所述数据选取组中的配对数据的个数等于零，将所述当前神经网络模型作为所述深度神经网络模型。5.一种自适应巡航系统控制参数的标定装置，其特征在于，包括：获取模块，用于获取本车行驶数据与前方车辆行驶数据，其中，所述本车行驶数据包括本车的速度、时距值、目标距离、加速度、横摆角速度、方向盘转角、方向盘力矩、转向灯信号、油门...

【专利技术属性】
技术研发人员：张海强，
申请(专利权)人：北京经纬恒润科技有限公司，
类型：发明
国别省市：北京,11