【技术实现步骤摘要】
一种基于K-Means和BP神经网络的路感模拟方法
本专利技术涉及汽车
，具体涉及一种基于K-Means和BP神经网络的路感模拟方法。
技术介绍
转向路感，又称转向力感、方向盘反馈力矩，是指驾驶员通过方向盘反馈力矩感受到的反向阻力矩。这种路感可以让驾驶员实时了解路面情况，从而做出相应的决策。因此，对于使用线控转向系统的车辆或驾驶模拟器而言，使用电机等装置产生与传统转向系统相似的路感是至关重要的。然而，现有技术可实现的路感模拟系统存在精度低，实时性差等缺点。申请号为CN201420478919.7、名称为“基于C-EPS结构的力感模拟系统”的技术专利，其主要通过机理建模方法对路感进行模拟，需要调节的参数众多，且精度难以保证。
技术实现思路
为了解决上述技术问题，本专利技术的目的在于提供一种计算速度快、建模成本较低的基于数据驱动的路感模拟方法，以实车试验数据和数据驱动算法建立路感模拟模型，解决传统机理建模存在的模型结构复杂、精度不高、应用过程中实时性难以保证等问题。为了达到上述目的，本专...
【技术保护点】
1.一种基于K-Means和BP神经网络的路感模拟方法，其特征在于，包括以下步骤：/n步骤一、采集试验数据：驾驶员进行实车试验，车辆在试验道路中行驶，采集的试验数据包括车速、车辆侧向加速度、车辆横摆角速度、车辆垂向载荷、驾驶员方向盘转角、方向盘角速度和方向盘力矩；/n步骤二、处理试验数据：对试验数据去除异常点后进行归一化处理，得到归一化试验数据集；/n步骤三、进行归一化试验数据分类：使用K-Means聚类算法对归一化试验数据进行聚类，聚类后将归一化试验数据分成多个数据类，并将聚类后的试验数据划分为聚类后训练数据集和聚类后测试数据集；/n步骤四、训练基于K-Means和BP神...
【技术特征摘要】
1.一种基于K-Means和BP神经网络的路感模拟方法，其特征在于，包括以下步骤：
步骤一、采集试验数据：驾驶员进行实车试验，车辆在试验道路中行驶，采集的试验数据包括车速、车辆侧向加速度、车辆横摆角速度、车辆垂向载荷、驾驶员方向盘转角、方向盘角速度和方向盘力矩；
步骤二、处理试验数据：对试验数据去除异常点后进行归一化处理，得到归一化试验数据集；
步骤三、进行归一化试验数据分类：使用K-Means聚类算法对归一化试验数据进行聚类，聚类后将归一化试验数据分成多个数据类，并将聚类后的试验数据划分为聚类后训练数据集和聚类后测试数据集；
步骤四、训练基于K-Means和BP神经网络的路感模型：使用聚类后训练数据集和BP神经网络算法训练基于K-Means和BP神经网络的路感模拟模型时，BP神经网络模型的输入变量为车速、车辆侧向加速度、车辆横摆角速度、车辆垂向载荷、驾驶员方向盘转角、方向盘角速度，输出变量为方向盘力矩，训练得到与数据类相同数量的基于K-Means和BP神经网络的路感模拟模型；
步骤五、测试基于K-Means和BP神经网络的路感模型；使用聚类后测试数据集测试得到的基于K-Means和BP神经网络的路感模拟模型，并判断是否需要重新进行试验；
步骤六、根据所得的基于K-Means和BP神经网络的路感模拟模型进行路感模拟。
2.根据权利要求1所述基于K-Means和BP神经网络的路感模拟方法，其特征在于，其特征在于，在步骤一的实车试验中：
试验道路类型包括城市道路、高速道路、市郊道路和乡村公路；
车辆行驶工况包括直行、倒车、转弯、原地转向、上坡和下坡工况。
3.根据权利要求1所述基于K-Means和BP神经网络的路感模拟方法，其特征在于，在步骤二中，被去除的异常点包括超出正常取值范围的数据点、分布严重偏离的数据点和变化幅度超出正常范围的数据点。
4.根据权利要求1所述基于K-Means和BP神经网络的路感模拟方法，其特征在于，在步骤二中，使用滤波器进行试验数据异常点的过滤，使用滤波器删除异常点的方法为：将试验数据按照原始采集顺序一次输入低通滤波器、高通滤波器或带通滤波器，得到过滤后试验数据。
...
【专利技术属性】
技术研发人员：赵蕊，蔡锦康，邓伟文，丁娟，
申请(专利权)人：浙江天行健智能科技有限公司，
类型：发明
国别省市：浙江;33
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。