The invention discloses a method, device, storage medium and automobile for determining pavement grade. The method includes: obtaining the current road information of the current road where the vehicle to be controlled is located; based on the current road information, online identification of the current road surface of the current road in the set pavement grades 1 to N+1 is achieved by using the off-line training of the grade 1 to N sub-neural network. Rank; N is a natural number. The scheme of the invention can solve the problem of cumbersome operation process in identifying the road grade in the course of driving, and achieve the effect of simplifying the operation process.
【技术实现步骤摘要】
一种路面等级确定方法、装置、存储介质及汽车
本专利技术属于汽车
，具体涉及一种路面等级确定方法、装置、存储介质及汽车，尤其涉及一种基于多神经子网络的路面等级识别方法、与该方法对应的装置、具有该装置的汽车、存储有该方法对应的指令的计算机可读存储介质、以及能够执行该方法对应的指令的汽车。
技术介绍
可调悬架，主要是指电子控制悬架，主要包括电子控制空气悬架和电子控制油气悬架(可以简称电控悬架)两类。其中，电控悬架，可通过调节悬架的高度、刚度和阻尼获得最佳的舒适性和操纵稳定性。然而，路面不平度是引起车辆振动的主要因素之一，限制电控悬架车辆进一步改善车辆舒适性的主要因素是缺乏足够的道路信息。通过对路面信息的有效辨识，可为电控悬架系统调节其弹簧刚度和减振器的阻尼、控制车身高度提供有力依据，达到进一步改善电控悬架行驶平顺性的目的。车辆运动过程中的悬架位移数据不仅受路面等级的影响，同时也受车辆行驶速度和轮胎等因素的影响。国标GT/T70312005《机械振动道路路面谱测量数据报告》中将道路根据路面不平度分为8个等级。在不同路面等级的道路上，车辆以相同速度行驶，悬架的动行程(...
【技术保护点】
1.一种路面等级确定方法，其特征在于，包括：获取待控汽车所在当前道路的当前道路信息；基于所述当前道路信息，利用离线训练得到的第1至第N等级路面子神经网络，在线识别所述当前道路在设定的第1至第N+1路面等级中的当前路面等级；N为自然数。
【技术特征摘要】
1.一种路面等级确定方法，其特征在于，包括：获取待控汽车所在当前道路的当前道路信息；基于所述当前道路信息，利用离线训练得到的第1至第N等级路面子神经网络，在线识别所述当前道路在设定的第1至第N+1路面等级中的当前路面等级；N为自然数。2.根据权利要求1所述的方法，其特征在于，获取待控汽车所在当前道路的当前道路信息，包括：获取待控汽车的车速信息、以及所述汽车的悬架系统自身的高度传感器的检测数据；其中，所述车速信息，包括：设定时长或设定距离内的平均车速；和/或，所述检测数据，包括：所述高度传感器输出的高度数据或位移数据。3.根据权利要求1或2所述的方法，其特征在于，还包括：离线训练得到所述第1至第N等级路面子神经网络；其中，离线训练得到所述第1至第N等级路面子神经网络，包括：基于设定的子网络结构、设定的学习速率、设定的惯性系数和设定的加权系数，确定第1至第N子神经网络；基于收集的第1至第N道路信息样本集分别对所述第1至第N子神经网络进行训练，得到满足设定的BP神经网络训练目标的第1至第N等级路面子神经网络。4.根据权利要求3所述的方法，其特征在于，在基于收集的第1至第N道路信息样本集分别对所述第1至第N子神经网络进行训练中，基于收集的第1道路信息样本集对第1子神经网络进行训练，包括：以第1等级路面为样本时第1等级路面的道路信息作为第1子神经网络中输入层的输入信息，并以第1等级路面的目标为第1子神经网络中输出层的目标信息，通过第1子神经网络中隐含层对第1子神经网络进行离线训练；确定第1子神经网络中输出层的输出信息与所述目标信息之间的误差是否在设定范围内；若所述误差在所述设定范围内，则退出对第1子神经网络的离线训练；或者，若所述误差不在所述设定范围内，则调整所述第1子神经网络中输出层和隐含层的加权系数后重新进行离线训练，直至重新进行离线训练后的误差在所述设定范围内、或重新进行离线训练的次数达到设定总循环次数后退出对第1子神经网络的离线训练。5.根据权利要求4所述的方法，其特征在于，调整所述第1子神经网络中输出层和隐含层的加权系数，包括：以第1等级路面为样本，收集第1等级路面的道路信息为训练集和目标，并根据该训练集和该目标确定第1等级路面的BP神经网络中输出层和隐含层的加权系数。6.根据权利要求3-5之一所述的方法，其特征在于，其中，所述BP神经网络训练目标，包括：路面不平度的几何平均值；和/或，在所述第1至第N子神经网络中，每个神经网络的输入层、隐含层和输出层中两层BP网络的激活函数都是sigmoid函数；和/或，在所述第1至第N子神经网络中，每个神经网络的隐含层的节点数为6-10个。7.根据权利要求1-6之一所述的方法，其特征在于，所述第1至第N+1路面等级，包括：与所述第1至第N等级路面子神经网络匹配的第1至第N路面等级，以及与所述第1至第N等级路面子神经网络均不匹配的第N+1路面等级；其中，在线识别所述当前道路在设定的第1至第N+1路面等级中的当前路面等级，包括：利用第1至第N等级路面子神经网络中任一等级路面子神经网络的当前设定权值矩阵判断所述当前道路的路面等级；当第1至第N等级路面子神经网络中任一等级路面子神经网络输入的当前道路信息与该等级路面子神经网络训练好的加权系数矩阵输出的结果信息，不满足对应等级神经网络设定的路面目标范围时，依次用第1至第N等级路面子神经网络中其它等级路面子神经网络的其它设定权值矩阵来判断所述当前道路的路面等级；当第1至第N等级路面子神经网络中任一等级路面子神经网络输入的当前道路信息与该等级路面子神经网络训练好的加权系数矩阵输出的结果信息，满足对应等级神经网络设定的路面目标范围时，确定所述当前道路的路面等级为与该任一等级路面子神经网络对应的第1至第N路面等级中任一路面等级；或者，当第1至第N等级路面子神经网络中所有等级路面子神经网络输入的当前道路信息与所有等级路面子神经网络训练好的加权系数矩阵输出的结果信息，均不满足对应等级神经网络设定的路面目标范围时，确定所述当前道路的路面等级为第N+1路面等级。8.一种路面等级确定装置，其特征在于，包括：实时获取单元，用于获取待控汽车所在当前道路的当前道路信息；在线识别单元，用于基于所述当前道路信息，利用离线训练得到的第1至第N等级路面子神经网络，在线识别所述当前道路在设定的第1至第N+1路面等级中的当前路面等级；N为自然数。9.根据权利要求8所述的...
【专利技术属性】
技术研发人员：魏恒，刘壬生，潘高强，程海松，宋爱，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。