动力学模型构建方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了动力学模型构建方法、装置、存储介质及电子设备，用于构建交通工具的动力学模型。在进行模型构建时，可基于交通工具历史上运行时的控制数据，确定交通工具产生的实际状态数据以及动力学模型所产生的仿真状态数据。之后，根据该实际状态数据与仿真状态数据之间的状态误差，通过前馈神经网络，预测动力学模型中各模型参数的补偿值。最后，基于各模型参数的补偿值，对动力学模型中的各模型参数进行调整。通过前馈神经网络预测模型参数的补偿值，进而对动力学模型进行参数调整，实现了动力学模型参数的自动化调整，缩短了动力学模型的拟合时长，提高了动力学模型的拟合效率。效率。效率。

【技术实现步骤摘要】
动力学模型构建方法、装置、存储介质及电子设备


[0001]本申请涉及仿真测试
，尤其涉及动力学模型构建方法、装置、存储介质及电子设备。

技术介绍

[0002]无人设备的实际应用场景复杂多变，为保障无人设备的安全行驶，在无人设备上线之前，需要对其各项性能进行测试。
[0003]以无人设备是无人车为例，由于实车测试的成本较高，目前常采用仿真测试的方法，通过构建无人车的动力学模型，在仿真环境下进行各项算法的测试验证。而动力学模型能否真实的反映无人车的运动特性，对仿真测试的准确度有较大影响。
[0004]现有技术在搭建无人车的车辆动力学模型时，可先采集实体无人车在不同行驶条件下的实车数据。其中，实车数据包括控制数据(油门开度、方向盘转向等)以及实车状态数据(实际速度、实际加速度、行驶方向等)。之后，将该实车数据中的控制数据输入车辆动力学模型中，得到仿真状态数据。
[0005]最后，基于人为经验，通过比较实车状态数据与仿真状态数据之间的差异，人为手动对车辆动力学模型中的模型参数进行调整。其中，模型参数至少包括动力系统中的节气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动力学模型构建方法，其特征在于，包括：获取交通工具历史上运行时的控制数据以及实际状态数据；将所述控制数据输入所述交通工具的动力学模型中，确定所述动力学模型产生的仿真状态数据；确定所述仿真状态数据与所述实际状态数据之间的状态误差，并将所述状态误差输入前馈神经网络中，预测所述动力学模型中各模型参数的补偿值；根据各模型参数的补偿值，对所述动力学模型中的各模型参数进行调整。2.如权利要求1所述的方法，其特征在于，将所述状态误差输入前馈神经网络中，预测所述动力学模型中各模型参数的补偿值，具体包括：判断所述状态误差是否小于预设阈值；若是，确定前馈神经网络训练完成，并根据所述状态误差以及训练完成的所述前馈神经网络，预测所述动力学模型中各模型参数的补偿值；若否，以最小化输入的状态误差为目标，通过梯度下降法，调整所述前馈神经网络中的网络参数，并根据所述状态误差以及调整后的所述前馈神经网络，预测所述动力学模型中各模型参数的补偿值。3.如权利要求2所述的方法，其特征在于，当所述状态误差大于预设阈值时，所述方法还包括：根据各模型参数的补偿值，对所述动力学模型中的各模型参数进行调整；重新获取所述交通工具历史上运行时的控制数据以及实际状态数据；将重新获取的控制数据输入调整后的动力学模型中，得到仿真状态数据，确定所述仿真状态数据与所述实际状态数据之间的状态误差，直至所述状态误差小于预设阈值为止。4.如权利要求3所述的方法，其特征在于，以最小化输入的状态误差为目标，通过梯度下降法，调整所述前馈神经网络中的网络参数，具体包括：确定历史上各调整周期对应的状态误差；根据各调整周期对应的状态误差的变化，以最小化输入...

【专利技术属性】
技术研发人员：张永龙，谭亮，虞航仲，陈梦圆，吕华龙，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：