【技术实现步骤摘要】
一种基于神经网络的车速估计方法及系统
本专利技术涉及车速估计
，特别是涉及一种基于神经网络的车速估计方法及系统。
技术介绍
基于加速度传感器的采集值，通过无迹卡尔曼方法进行滤波预测，将加速度值进行积分得到对应的横向速度及纵向速度，其缺点是无迹卡尔曼方法计算量大且无法有效的解决后期积分过程中的累计误差问题。基于采集的四轮轮速信号，结合车辆四轮模型，进行纵向速度及横向速度的计算，具备较好的实时性，但其缺点是该模型建立在车辆无滑移的条件下，不适用于车辆打滑的极限工况。
技术实现思路
为解决
技术介绍
存在的技术问题，本专利技术提供了一种基于神经网络的车速估计方法及系统。为实现上述目的，本专利技术提供了如下方案：一种基于神经网络的车速估计方法，所述车速估计方法包括：获取训练样本；所述训练样本中的数据为前提测试中的车辆实时数据；所述车辆实时数据包括四轮轮速、方向盘转角、横摆加速度、纵向加速度、侧向加速度；将所述训练样本中的训练输入量拓展为8*8的对称车辆实时数据矩阵；确定训练输出量；所述训练输出量为车辆对地的横向速度和纵向速度；根据所述对称车辆实时数据矩阵和所述训练输出量，对...
【技术保护点】
1.一种基于神经网络的车速估计方法，其特征在于，所述车速估计方法包括：获取训练样本；所述训练样本中的数据为前提测试中的车辆实时数据；所述车辆实时数据包括四轮轮速、方向盘转角、横摆加速度、纵向加速度、侧向加速度；将所述训练样本中的训练输入量拓展为8*8的对称车辆实时数据矩阵；确定训练输出量；所述训练输出量为车辆对地的横向速度和纵向速度；根据所述对称车辆实时数据矩阵和所述训练输出量，对卷积神经网络进行训练，得到训练后的卷积神经网络模型；获取当前车辆的实时数据；所述当前车辆的实时数据包括当前车辆的四轮轮速、当前车辆的方向盘转角、当前车辆的横摆加速度、当前车辆的纵向加速度以及当前车...
【技术特征摘要】
1.一种基于神经网络的车速估计方法，其特征在于，所述车速估计方法包括：获取训练样本；所述训练样本中的数据为前提测试中的车辆实时数据；所述车辆实时数据包括四轮轮速、方向盘转角、横摆加速度、纵向加速度、侧向加速度；将所述训练样本中的训练输入量拓展为8*8的对称车辆实时数据矩阵；确定训练输出量；所述训练输出量为车辆对地的横向速度和纵向速度；根据所述对称车辆实时数据矩阵和所述训练输出量，对卷积神经网络进行训练，得到训练后的卷积神经网络模型；获取当前车辆的实时数据；所述当前车辆的实时数据包括当前车辆的四轮轮速、当前车辆的方向盘转角、当前车辆的横摆加速度、当前车辆的纵向加速度以及当前车辆的侧向加速度；将所述当前车辆的实时数据输入到所述训练后的卷积神经网络模型，估计当前车辆对地的横向速度和纵向速度。2.根据权利要求1所述的基于神经网络的车速估计方法，其特征在于，所述将所述当前车辆的实时数据输入到所述训练后的卷积神经网络模型，估计当前车辆对地的横向速度和纵向速度，具体包括：将所述当前车辆的实时数据按照所述训练输入量形式进行转换；将转换后的当前车辆的实时数据输入到所述训练后的卷积神经网络模型，估计当前车辆对地的横向速度和纵向速度。3.根据权利要求1所述的基于神经网络的车速估计方法，其特征在于，所述四轮轮速、所述方向盘转角、所述横摆加速度、所述纵向加速度、所述侧向加速度的数值以向量形式的作为所述训练样本的所述训练输入量。4.根据权利要求3所述的基于神经网络的车速估计方法，其特征在于，所述训练输入量为【wh1wh2wh3wh4stryawloglat】；其中，wh1wh2wh3wh4分别表示第一车轮轮速、第二车轮轮速、第三车轮轮速以及第四车轮轮速；Str表示方向盘转角；Yaw表示横摆加速度；Log表示纵向加速度；lat表示侧向加速度。5.根据权利要求4所述的基于神经网络的车速估计方法，其特征在于，所述对称...
【专利技术属性】
技术研发人员：张照生，王震坡，李桐，刘鹏，
申请(专利权)人：北京理工大学，北京理工新源信息科技有限公司，
类型：发明
国别省市：北京,11
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。