一种车辆控制方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种车辆控制方法、装置、电子设备及存储介质，其中方法包括：获取目标车辆在当前行驶工况下的多个行驶参数值；将所述多个行驶参数值输入预先构建的档位确定模型，得到与所述目标车辆在当前行驶状况下对应的目标档位；控制所述目标车辆按照所述目标档位进行行驶。相较于现有技术，通过本方案，可以根据具体的行驶工况决策出当前工况下的最优挡位，车辆以最优挡位行驶可以更好的兼顾整车经济性、动力性和舒适性。动力性和舒适性。动力性和舒适性。

【技术实现步骤摘要】
一种车辆控制方法、装置、电子设备及存储介质


[0001]本申请涉及车辆控制
，具体涉及一种车辆控制方法、装置、电子 设备以及存储介质。

技术介绍

[0002]车辆在不同工况的道路中行驶的过程中，合适的档位将直接影响车辆的动 力性、经济性和乘坐舒适性。
[0003]因此，在半自动或者自动驾驶车辆中，如何能够选择合理的档位为亟需解 决的技术问题。

技术实现思路

[0004]本申请的目的是提供一种车辆控制方法、装置、电子设备及存储介质。
[0005]本申请第一方面提供一种车辆控制方法，包括：
[0006]获取目标车辆在当前行驶工况下的多个行驶参数值；
[0007]将所述多个行驶参数值输入预先构建的档位确定模型，得到与所述目标车 辆在当前行驶状况下对应的目标档位；
[0008]控制所述目标车辆按照所述目标档位进行行驶。
[0009]在一种可能的实现方式中，在本申请提供的上述车辆控制方法中，所述档 位确定模型按照以下方式训练得到：
[0010]获取样本车辆在不同工况下行驶时的多个样本行驶参数值，以及在每种工 况下行驶时对应的最优档位；
[0011]将所述样本车辆在每种工况下行驶时对应的多个样本行驶参数值输入神经 网络，得到所述样本车辆在该工况下行驶时对应的预测档位；
[0012]基于所述样本车辆在每种工况下行驶时的最优档位和预测档位，确定所述 神经网络的预测误差量；
[0013]基于所述预测误差量调整所述神经网络的参数值后，返回执行将所述样本 车辆在每种工况下行驶时对应的多个样本行驶参数值输入神经网络的步骤，直 至所述神经网络的预测误差量小于预设误差量，或者训练次数达到预设次数后， 得到所述档位确定模型。
[0014]在一种可能的实现方式中，在本申请提供的上述车辆控制方法中，所述神 经网络包含输入层、隐含层和输出层；
[0015]所述将所述样本车辆在每种工况下行驶时对应的多个样本行驶参数值输入 神经网络，得到所述样本车辆在该工况下行驶时对应的预测档位，包括：
[0016]将所述多个样本行驶参数值输入所述神经网络的输入层，通过所述神经网 络中输入层和隐含层之间的神经元的传递函数，得到所述隐含层输出的中间值；
[0017]基于所述隐含层输出的中间值，和所述神经网络中隐含层和输出层之间的 神经
元的传递函数，得到所述输出层输出的预测档位。
[0018]在一种可能的实现方式中，在本申请提供的上述车辆控制方法中，所述基 于所述预测误差量调整所述神经网络的参数值，包括：
[0019]基于所述预测误差量，对所述神经网络的输出层和隐含层的参数值进行反 向修正。
[0020]在一种可能的实现方式中，在本申请提供的上述车辆控制方法中，所述车 辆控制方法还包括：
[0021]获取验证车辆在不同工况下行驶时的多个验证行驶参数值，以及在每种工 况下行驶时对应的最优档位；
[0022]将所述验证车辆在每种工况下行驶时对应的多个验证行驶参数值输入神经 网络，得到所述验证车辆在该工况下行驶时对应的预测档位；
[0023]基于所述验证车辆在每种工况下行驶时的最优档位和预测档位，确定所述 神经网络的预测误差量小于预设误差量的情况下，得到所述档位确定模型。
[0024]在一种可能的实现方式中，在本申请提供的上述车辆控制方法中，所述行 驶参数值包括：整车传感器的测量值、整车模拟信号的输入值、变速箱控制信 息、发动机控制信息以及换挡杆控制信息。
[0025]在一种可能的实现方式中，在本申请提供的上述车辆控制方法中，所述整 车传感器包括：弯道角度传感器、车速传感器、坡度传感器、温度传感器、压 力传感器以及重力传感器。
[0026]本申请第二方面提供一种车辆控制装置，包括：
[0027]获取模块，用于获取目标车辆在当前行驶工况下的多个行驶参数值；
[0028]确定模块，用于将所述多个行驶参数值输入预先构建的档位确定模型，得 到与所述目标车辆在当前行驶状况下对应的目标档位；
[0029]控制模块，用于控制所述目标车辆按照所述目标档位进行行驶。
[0030]在一种可能的实现方式中，在本申请提供的上述车辆控制装置中，还包括： 模型训练模块，用于按照以下方式训练得到所述档位确定模型：
[0031]获取样本车辆在不同工况下行驶时的多个样本行驶参数值，以及在每种工 况下行驶时对应的最优档位；
[0032]将所述样本车辆在每种工况下行驶时对应的多个样本行驶参数值输入神经 网络，得到所述样本车辆在该工况下行驶时对应的预测档位；
[0033]基于所述样本车辆在每种工况下行驶时的最优档位和预测档位，确定所述 神经网络的预测误差量；
[0034]基于所述预测误差量调整所述神经网络的参数值后，返回执行将所述样本 车辆在每种工况下行驶时对应的多个样本行驶参数值输入神经网络的步骤，直 至所述神经网络的预测误差量小于预设误差量，或者训练次数达到预设次数后， 得到所述档位确定模型。
[0035]在一种可能的实现方式中，在本申请提供的上述车辆控制装置中，所述神 经网络包含输入层、隐含层和输出层；
[0036]所述将所述样本车辆在每种工况下行驶时对应的多个样本行驶参数值输入 神经
网络，得到所述样本车辆在该工况下行驶时对应的预测档位，包括：
[0037]将所述多个样本行驶参数值输入所述神经网络的输入层，通过所述神经网 络中输入层和隐含层之间的神经元的传递函数，得到所述隐含层输出的中间值；
[0038]基于所述隐含层输出的中间值，和所述神经网络中隐含层和输出层之间的 神经元的传递函数，得到所述输出层输出的预测档位。
[0039]在一种可能的实现方式中，在本申请提供的上述车辆控制装置中，所述模 型训练模块，具体用于：
[0040]基于所述预测误差量，对所述神经网络的输出层和隐含层的参数值进行反 向修正。
[0041]在一种可能的实现方式中，在本申请提供的上述车辆控制装置中，所述模 型训练模块，还具体用于：
[0042]获取验证车辆在不同工况下行驶时的多个验证行驶参数值，以及在每种工 况下行驶时对应的最优档位；
[0043]将所述验证车辆在每种工况下行驶时对应的多个验证行驶参数值输入神经 网络，得到所述验证车辆在该工况下行驶时对应的预测档位；
[0044]基于所述验证车辆在每种工况下行驶时的最优档位和预测档位，确定所述 神经网络的预测误差量小于预设误差量的情况下，得到所述档位确定模型。
[0045]在一种可能的实现方式中，在本申请提供的上述车辆控制装置中，所述行 驶参数值包括：整车传感器的测量值、整车模拟信号的输入值、变速箱控制信 息、发动机控制信息以及换挡杆控制信息。
[0046]在一种可能的实现方式中，在本申请提供的上述车辆控制装置中，所述整 车传感器包括：弯道角度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆控制方法，其特征在于，包括：获取目标车辆在当前行驶工况下的多个行驶参数值；将所述多个行驶参数值输入预先构建的档位确定模型，得到与所述目标车辆在当前行驶状况下对应的目标档位；控制所述目标车辆按照所述目标档位进行行驶。2.根据权利要求1所述的车辆控制方法，其特征在于，所述档位确定模型按照以下方式训练得到：获取样本车辆在不同工况下行驶时的多个样本行驶参数值，以及在每种工况下行驶时对应的最优档位；将所述样本车辆在每种工况下行驶时对应的多个样本行驶参数值输入神经网络，得到所述样本车辆在该工况下行驶时对应的预测档位；基于所述样本车辆在每种工况下行驶时的最优档位和预测档位，确定所述神经网络的预测误差量；基于所述预测误差量调整所述神经网络的参数值后，返回执行将所述样本车辆在每种工况下行驶时对应的多个样本行驶参数值输入神经网络的步骤，直至所述神经网络的预测误差量小于预设误差量，或者训练次数达到预设次数后，得到所述档位确定模型。3.根据权利要求2所述的车辆控制方法，其特征在于，所述神经网络包含输入层、隐含层和输出层；所述将所述样本车辆在每种工况下行驶时对应的多个样本行驶参数值输入神经网络，得到所述样本车辆在该工况下行驶时对应的预测档位，包括：将所述多个样本行驶参数值输入所述神经网络的输入层，通过所述神经网络中输入层和隐含层之间的神经元的传递函数，得到所述隐含层输出的中间值；基于所述隐含层输出的中间值，和所述神经网络中隐含层和输出层之间的神经元的传递函数，得到所述输出层输出的预测档位。4.根据权利要求3所述的车辆控制方法，其特征在于，所述基于所述预测误差量调整所述神经网络的参数值，包括：基于所述...

【专利技术属性】
技术研发人员：王臣，邓金涛，连凤霞，
申请(专利权)人：潍坊潍柴动力科技有限责任公司，
类型：发明
国别省市：