基于长短期记忆网络的转向机中位偏差自学习方法技术

本发明专利技术涉及一种基于长短期记忆网络的转向机中位偏差自学习方法，包括如下步骤：1）横向控制系统启动，获取初始数据；2）偏差计算模型根据初始数据进行偏差计算；3）更新存储器中初始的转角中位偏差r；4）更新偏差计算模型。本发明专利技术可在非直线行驶时对转角中位偏差进行更新，先获取横向控制系统启动基于当前转角中位偏差进行转向控制时的相关数据，然后利用偏差计算模型根据相关数据计算出新的转角中位偏差，从而不断更新转角中位偏差；另外，当车辆直线行驶时，基于车辆直线行驶的数据来对转角中位偏差进行更新，使更新更为可靠；可有效解决目前车辆转向机的转角中位重新标定困难的问题，取得适用性好、标定更准确的效果。标定更准确的效果。标定更准确的效果。

【技术实现步骤摘要】
基于长短期记忆网络的转向机中位偏差自学习方法


[0001]本专利技术属于汽车智能化的
，具体涉及一种基于长短期记忆网络的转向机中位偏差自学习方法。

技术介绍

[0002]随着汽车智能化的高速发展，现在很多车辆上都搭载有一些智能化的驾驶辅助功能，如车道保持功能、全自动代客泊车功能等。全自动代客泊车功能主要依赖汽车的横向控制系统，横向控制系统通过输出转向角度来控制车辆转向，横向控制系统输出转向角度的基准是转向机的转角中位；因此，为提高相关功能的可靠性，需要保证转向机的转角中位的准确性。
[0003]但受加工精度、装配工艺、以及使用磨损的影响，汽车转向系统中各零部件的配合与设计有一定出入，使得由方向盘转角传感器获取的转向机的转角中位与实际的转角中位出现偏差，即转角中位偏差，进而导致横向控制系统在控制车辆时出现轨迹偏移的问题。对于转角中位偏差，现有的技术通常是由专业技术人员对车辆转向机的转角中位进行重新标定，这对于用户而言不仅耗时较长而且费用较高；中国专利CN109733477A电动转向系统的中位检测方法、系统及车辆，该专利采用汽车直行的回正中位和方向盘中位中的较优值作为转向机的转角中位，若回正中位优于方向盘中位，则采用回正中位作为转向机的转角中位，并且利用学习模块更新转角中位偏差；但如果汽车长时间不能够进入直行条件，则此方法不能够获取方向盘中位，也不能够更新中位偏差。

技术实现思路

[0004]针对现有技术的上述不足，本专利技术要解决的技术问题是提供一种基于长短期记忆网络的转向机中位偏差自学习方法，解决目前车辆转向机的转角中位重新标定困难的问题，取得适用性好、标定更准确的效果。
[0005]为解决上述技术问题，本专利技术采用如下技术方案：
[0006]基于长短期记忆网络的转向机中位偏差自学习方法，包括如下步骤：
[0007]1)横向控制系统启动，获取初始数据；
[0008]2)偏差计算模型根据初始数据进行偏差计算；
[0009]3)更新存储器中初始的转角中位偏差r；
[0010]4)更新偏差计算模型。
[0011]进一步地，初始数据包括转向机初始的转角中位k1和转角中位偏差r。
[0012]进一步地，步骤2)包括如下子步骤：
[0013]21)记录横向控制系统基于转角中位偏差r进行方向控制时，方向盘的相对位置和转动扭矩；
[0014]22)将步骤21)得到的方向盘的相对位置、转动扭矩以及转角中位k1作为偏差计算模型的输入参数，偏差计算模型的输出参数为转角中位偏差c。
[0015]进一步地，步骤3)包括如下子步骤：
[0016]31)检测横向控制系统启动后在预设时间内车辆是否进入直线行驶，是，则执行步骤32)；否，则执行步骤33)；
[0017]32)基于车辆直线行驶的数据更新存储器中初始的转角中位偏差r；
[0018]33)基于车辆非直线行驶的数据更新存储器中初始的转角中位偏差r。
[0019]进一步地，步骤32)包括如下子步骤：
[0020]321)记录车辆直线行驶时，转向机的转角中位k2、方向盘的相对位置和转动扭矩；
[0021]322)将步骤321)得到的转向机的转角中位k2、方向盘的相对位置和转动扭矩作为偏差计算模型的输入参数，偏差计算模型计算得到转角中位偏差re；
[0022]323)判断选择转角中位偏差c或转角中位偏差re作为覆盖转角中位偏差r的数据。
[0023]进一步地，步骤323)中根据如下不等式进行判断：
[0024][0025]当不等式成立时，选择转角中位偏差c作为覆盖转角中位偏差r的数据；当不等式不成立时，选择转角中位偏差re作为覆盖转角中位偏差r的数据。
[0026]进一步地，步骤33)包括如下子步骤：
[0027]331)判断选择转角中位偏差c作为覆盖转角中位偏差r的数据或保留转角中位偏差r。
[0028]进一步地，步骤331)中根据如下不等式进行判断：
[0029][0030]当不等式成立时，选择转角中位偏差c作为覆盖转角中位偏差r的数据；当不等式不成立时，保留转角中位偏差r。
[0031]进一步地，偏差计算模型为基于长短期记忆网络训练的神经网络模型。
[0032]进一步地，步骤4)包括如下子步骤：
[0033]41)将步骤22)中偏差计算模型的输入参数和对应的输出参数作为一组训练数据；
[0034]42)获取多组训练数据组成训练数据集；
[0035]43)当连续三次及以上在步骤323)中选择转角中位偏差re作为覆盖转角中位偏差r的数据时，利用训练数据集对偏差计算模型进行训练。
[0036]相比现有技术，本专利技术的有益效果如下：
[0037]1、本专利技术所述基于长短期记忆网络的转向机中位偏差自学习方法，首先获取横向控制系统启动基于当前转角中位偏差进行转向控制时的相关数据，然后利用偏差计算模型根据所述相关数据对转角中位偏差进行再计算，从而不断对转角中位偏差进行更新；对于转角中位偏差的更新可在车辆非直线行驶时进行；另外，偏差计算模型采用基于长短期记忆网络训练的神经网络模型，转角中位偏差的计算更加准确可靠，可有效解决目前车辆转向机的转角中位重新标定困难的问题，取得适用性好、标定更准确的效果。
[0038]2、本专利技术所述基于长短期记忆网络的转向机中位偏差自学习方法，对车辆是否进行直线行驶进行判断，当车辆直线行驶时，基于车辆直线行驶的数据来对转角中位偏差进行更新，使更新后的转角中位偏差更为可靠。
[0039]3、本专利技术所述基于长短期记忆网络的转向机中位偏差自学习方法，在不断对转角中位偏差进行更新的同时，收集训练数据，当偏差计算模型的计算结果连续出现较大偏差时，则利用训练数据对偏差计算模型进行训练，以不断优化和完善偏差计算模型，使转角中位重新标定更加可靠。
附图说明
[0040]图1为实施例的基于长短期记忆网络的转向机中位偏差自学习方法的流程图；
具体实施方式
[0041]下面结合附图对本专利技术的具体实施方式作进一步的详细说明。
[0042]实施例：
[0043]请参见图1，基于长短期记忆网络的转向机中位偏差自学习方法，包括如下步骤：
[0044]1)横向功能激活标志位，横向控制系统启动，然后获取初始数据；其中，初始数据包括转向机初始的转角中位k1和转角中位偏差r，本实施例中，转向机初始的转角中位偏差r存储在横向控制系统的存储器中，以便调用。
[0045]2)偏差计算模型根据初始数据进行偏差计算，偏差计算模型为基于长短期记忆网络训练的神经网络模型；偏差计算包括如下子步骤：
[0046]21)记录横向控制系统基于转角中位偏差r进行方向控制时，方向盘的相对位置和转动扭矩；其中，方向盘的相对位置即为转向机的相对转角；
[0047]22)将步骤21)得到的方向盘的相对位置、转动扭矩以及转角中位k本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于长短期记忆网络的转向机中位偏差自学习方法，其特征在于：包括如下步骤：1)横向控制系统启动，获取初始数据；2)偏差计算模型根据初始数据进行偏差计算；3)更新存储器中初始的转角中位偏差r；4)更新偏差计算模型。2.根据权利要求1所述基于长短期记忆网络的转向机中位偏差自学习方法，其特征在于：初始数据包括转向机初始的转角中位k1和转角中位偏差r。3.根据权利要求2所述基于长短期记忆网络的转向机中位偏差自学习方法，其特征在于：步骤2)包括如下子步骤：21)记录横向控制系统基于转角中位偏差r进行方向控制时，方向盘的相对位置和转动扭矩；22)将步骤21)得到的方向盘的相对位置、转动扭矩以及转角中位k1作为偏差计算模型的输入参数，偏差计算模型的输出参数为转角中位偏差c。4.根据权利要求3所述基于长短期记忆网络的转向机中位偏差自学习方法，其特征在于：步骤3)包括如下子步骤：31)检测横向控制系统启动后在预设时间内车辆是否进入直线行驶，是，则执行步骤32)；否，则执行步骤33)；32)基于车辆直线行驶的数据更新存储器中初始的转角中位偏差r；33)基于车辆非直线行驶的数据更新存储器中初始的转角中位偏差r。5.根据权利要求4所述基于长短期记忆网络的转向机中位偏差自学习方法，其特征在于：步骤32)包括如下子步骤：321)记录车辆直线行驶时，转向机的转角中位k2、方向盘的相对位置和转动扭矩；322)将步骤321)得到的转向机的转角中位k2、方向盘的相对位置和转动扭矩作为偏差计算模型的输...

【专利技术属性】
技术研发人员：王良，任凡，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：