一种基于神经网络算法实现的汽车防抱死制动控制方法、装置、车辆、存储介质制造方法及图纸

本发明专利技术提出一种基于神经网络算法实现的汽车防抱死制动控制方法，该方法包括如下步骤：获取车辆刹车/制动过程中的车辆观测数据；将预处理的观测数据输入神经网络算法模型中得到制动压力值；根据制动压力值，对车辆进行防抱死制动控制。本专利通过使用神经网络从汽车制动数据中自动学习防抱死制动策略，能够明显降低手动编码的防抱死制动/刹车系统的设计时间，且自动学习的方式，比起手动编码能够考虑的更全面，学习出来的防抱死制动策略能够实现比手动编码更优的效果。另外，本专利算法输出的控制量为制动压力目标值，相对于传统的防抱死制动系统的

【技术实现步骤摘要】
一种基于神经网络算法实现的汽车防抱死制动控制方法、装置、车辆、存储介质


[0001]本专利技术属于汽车控制领域，尤其涉及一种基于神经网络算法实现的汽车防抱死制动控制方法、装置、车辆、存储介质。

技术介绍

[0002]随着社会的发展，汽车等已经融入到人们的日常生活的方方面面，为人类的生产、生活提供了极大的便利。在汽车行驶的道路中，积水路面、冰雪路面等湿滑路面是非常常见，汽车在这种路面上进行紧急刹车时，容易发生侧滑，某些极限情况下会出现猛烈偏转的情况。当刹车系统给出的刹车/制动力过大时，车轮会出现抱死现象，导致驾驶员失去对汽车方向的控制，此时就有可能驶出车道或驶入逆向车道，躲避障碍物的能力会大大降低。车轮在制动过程中产生抱死时，车轮相对于路面的运动不再是滚动，而是滑动，路面作用在轮胎上的侧滑摩擦力和纵向制动力变得很小，路面越滑，对方向的控制就越难。车轮抱死将导致制动效率下降、制动距离变长、轮胎寿命降低以及车身不稳定。
[0003]为了防止紧急制动时轮胎出现抱死，研发人员设计了防抱死刹车系统(antilock brake system，常见简写ABS)，如今已经是汽车中一项必不可少的安全配置，该系统能防止汽车在紧急制动中车轮抱死，在紧急制动中能够保持车身稳定、缩短刹车距离、降低轮胎磨损，防止车辆侧滑、甩尾，进而降低车祸发生的概率。
[0004]从20世纪70年代防抱死制动系统应用于汽车上开始算起，汽车使用的防抱死制动系统已经经过至少50年的发展，如今该技术日益成熟。传统的防抱死制动系统通常是通过实车采集刹车数据、手动编码设计制动规则来实现防抱死功能，需要耗费大量的人力物力来实现功能。如今主流的防抱死制动系统的公司的产品都是不断积累下设计出来的，对于汽车厂商而言，采购该系统的成本较高，需要较长的时间进行调试，无法快速应用到新车型上。
[0005]近年来人工智能技术出现了飞跃的发展，部分技术已经应用到日常生活中，例如汽车智能语音控制系统，车主能够直接通过语音控制车载设备，辅助驾驶系统中车道保持，能够识别车道线、辅助车主进行车道矫正。人工智能技术在汽车中应用，能够提高行车安全性，所以将人工智能技术应用于防抱死制动系统，也是潜在的发展方向，借助于人工智能算法的强大优势，理论上可以获取比传统算法更优异的性能。
[0006]人工智能包含很多的技术，其中使用模仿人类神经网络的人工神经网络，为人工智能技术的发展带来很大的帮助，神经网络具有强大的学习能力，能够通过拟合复杂的数学公式来解决问题。
[0007]传统的防抱死制动系统已经经过很多年的发展，目前已经成为汽车必备的安全配置，但其基于手动编码设计刹车规则方式耗费了大量的人力物力，且不容易适配新的车辆，且传统的手动编码技术的改进也越来越小。随着人工智能技术的发展，人工智能技术也逐步应用到汽车行业中。
[0008]传统的防抱死制动系统通常是通过实车采集刹车数据、手动编码设计制动规则来实现功能，需要耗费大量的人力物力来实现功能，且不具有自学习的能力。如今的主流的提供防抱死制动系统的公司的产品都是逐年累月不断积累下设计出来的，对于汽车厂商而言，采购该系统的成本较高，需要较长的时间进行调试，无法快速应用到新车型上。
[0009]传统的防抱死刹车系统通过“刹车
‑
松开
‑
刹车
‑
松开......”循环进行的“点刹”模式来进行刹车，控制的是当前刹车、松开刹车的时间长度，但实际作用在车轮上的刹车力是由轮缸上的刹车压力决定的，而刹车压力则是通过时间变相控制，这样操作的一个后果是实际的轮缸压力控制精度不高，导致实际刹车过程中会出现轮胎抱死的情况。

技术实现思路

[0010]专利技术目的：本专利通过使用神经网络从汽车制动数据中自动学习防抱死制动策略，能够明显降低手动编码的防抱死制动/刹车系统的设计时间，且自动学习的方式，比起手动编码能够考虑的更全面，学习出来的防抱死制动策略能够实现比手动编码更优的效果。另外，本专利算法输出的控制量为制动压力目标值，相对于传统的防抱死制动系统的
‘
点刹
’
控制方式，能够提高控制的精确度，实现更优的控制。本专利实现防抱死制动系统为汽车制动系统提供一种更好的选择。
[0011]技术方案：本专利技术提出一种基于神经网络算法实现的汽车防抱死制动控制方法，该方法包括如下步骤：
[0012]获取车辆刹车/制动过程中的车辆观测数据；
[0013]将预处理的观测数据输入神经网络算法模型中得到制动压力值；
[0014]根据制动压力值对车辆进行防抱死制动控制。
[0015]优选的，所述观测数据为车身速度、车轮速度、加速度、车辆前进方向角度、车辆前进方向角速度、车辆前进方向角加速度的一种或多种。
[0016]优选的，所述观测数据的预处理方法为：观测数据单位统一转换和/或观测数据归一化处理和/或观测数据校正。
[0017]优选的，所述神经网络算法模型通过下述方法训练得到的：
[0018]根据获取的制动过程车辆的观测数据计算对应的防抱死的制动力值，将观测数据以及对应的防抱死的制动力值输入到神经网络算法模型进行训练得到最终的神经网络算法模型。
[0019]此外，本专利技术还提出一种基于神经网络算法实现的汽车防抱死制动控制装置，该装置包括如下模块：
[0020]数据获取模块：获取车辆刹车/制动过程中的车辆观测数据；
[0021]制动压力值计算模块：将预处理的观测数据输入神经网络算法模型中得到制动压力值；
[0022]制动执行模块：根据制动压力值对车辆进行防抱死制动控制。
[0023]优选的，所述观测数据为车身速度、车轮速度、加速度、车辆前进方向角度、车辆前进方向角速度、车辆前进方向角加速度的一种或多种。
[0024]优选的，所述观测数据的预处理方法为：观测数据单位统一转换和/或观测数据归一化处理和/或观测数据校正。
[0025]优选的，所述神经网络算法模型通过下述方法训练得到的：
[0026]根据获取的制动过程车辆的观测数据计算对应的防抱死的制动力值，将车辆观测数据作为输入，防抱死的制动力值作为输出进行神经网络算法训练得到最终的神经网络算法模型。
[0027]此外，本专利技术提出一种车辆，该车辆包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现所述的一种基于神经网络算法实现的汽车防抱死制动控制方法的步骤。
[0028]此外，本专利技术提出一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种基于神经网络算法实现的汽车防抱死制动控制方法的步骤。
[0029]综上所述，本专利技术技术方案的主要专利技术点如下：
[0030]1)神经网络自动学习防抱死制动策略，代替手动编码，效率更高、效果更好；
[0031]2)基于神经网络的算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络算法实现的汽车防抱死制动控制方法，其特征在于，该方法包括如下步骤：获取车辆刹车/制动过程中的车辆观测数据；将预处理的观测数据输入神经网络算法模型中得到制动压力值；根据制动压力值对车辆进行防抱死制动控制。2.根据权利要求1所述的一种基于神经网络算法实现的汽车防抱死制动控制方法，其特征在于，所述观测数据为车身速度、车轮速度、加速度、车辆前进方向角度、车辆前进方向角速度、车辆前进方向角加速度的一种或多种。3.根据权利要求1或2所述的一种基于神经网络算法实现的汽车防抱死制动控制方法，其特征在于，观测数据的预处理方法为：对观测数据单位统一转换和/或对观测数据归一化处理和/或观测数据校正。4.根据权利要求1或2所述的一种基于神经网络算法实现的汽车防抱死制动控制方法，其特征在于，所述神经网络算法模型通过下述方法训练得到的：根据获取的制动过程车辆的观测数据计算对应的防抱死的制动力值，将车辆观测数据作为输入，防抱死的制动力值作为输出进行神经网络算法训练得到最终的神经网络算法模型。5.一种基于神经网络算法实现的汽车防抱死制动控制装置，其特征在于，该装置包括如下模块：数据获取模块：获取车辆刹车/制动过程中的车辆观测数据；制动压力值计算模块：将预处理的观测数据输入神经网络算法模型中得到制动压力值；制动执行模块：根据制动压力值对车辆进行防抱死制...

【专利技术属性】
技术研发人员：董舒，
申请(专利权)人：的卢技术有限公司，
类型：发明
国别省市：