自动驾驶车辆瞬态节能控制方法、装置、设备和存储介质制造方法及图纸

技术编号:37167316 阅读:22 留言:0更新日期:2023-04-20 22:40
本申请公开了一种自动驾驶车辆瞬态节能控制方法、装置、设备和存储介质,方法包括:通过自动驾驶车辆的历史行驶数据和历史能耗数据构建瞬态能耗模型;以行驶距离和行驶时间为边界条件,以未来预置时间段的瞬时能耗总值最小为目标函数,基于瞬态能耗模型计算未来预置时间段的最优能耗值;通过瞬态能耗模型计算未来预置时间段内所有可能行驶规划对应的能耗值,并根据未来预置时间段内的各能耗值与最优能耗值的偏差计算各行驶规划对应的能耗惩罚因子;基于所有可能行驶规划对应的能耗惩罚因子决策未来预置时间段内的速度分布和加速度分布,改善了现有自动驾驶系统未能充分考虑能源消耗问题,影响自动驾驶车辆能效和续航能力的技术问题。的技术问题。的技术问题。

【技术实现步骤摘要】
自动驾驶车辆瞬态节能控制方法、装置、设备和存储介质


[0001]本申请涉及自动驾驶
,尤其涉及一种自动驾驶车辆瞬态节能控制方法、装置、设备和存储介质。

技术介绍

[0002]随着近年来全球环境保护对于节能减耗措施的要求以及日益显现的能源消耗问题导致的车辆续航里程不足,减少因自动驾驶系统带来的能源消耗变得十分重要。对将新能源车辆作为载体的高级别自动驾驶车辆来说,提高车辆能效、提高车辆续航能力对增加自动驾驶车辆运营效率有比较大的意义。
[0003]目前,自动驾驶规划及决策尚未充分考虑能耗的影响。

技术实现思路

[0004]本申请提供了一种自动驾驶车辆瞬态节能控制方法、装置、设备和存储介质,用于改善现有自动驾驶系统未能充分考虑能源消耗问题,影响自动驾驶车辆能效和续航能力的技术问题。
[0005]有鉴于此,本申请第一方面提供了一种自动驾驶车辆瞬态节能控制方法,包括:
[0006]通过自动驾驶车辆的历史行驶数据和历史能耗数据构建自动驾驶车辆的瞬态能耗模型;
[0007]以行驶距离和行驶时间为边界条件,以未来预置时间段的瞬时能耗总值最小为目标函数,基于所述瞬态能耗模型计算未来预置时间段的最优能耗值;
[0008]通过所述瞬态能耗模型计算未来预置时间段内所有可能行驶规划对应的能耗值,并根据未来预置时间段内的各能耗值与最优能耗值的偏差计算未来预置时间段内所有可能行驶规划对应的能耗惩罚因子,未来预置时间段内所有可能行驶规划包括未来预置时间段内的速度分布和加速度分布;
>[0009]基于未来预置时间段内所有可能行驶规划对应的能耗惩罚因子决策未来预置时间段内的速度分布和加速度分布。
[0010]可选的,所述通过自动驾驶车辆的历史行驶数据和历史能耗数据构建自动驾驶车辆的瞬态能耗模型,包括:
[0011]通过自动驾驶车辆的历史行驶数据和历史能耗数据获取自动驾驶车辆在各历史时刻的速度、加速度和瞬时能耗值;
[0012]以各历史时刻的速度和加速度为输入数据,以各历史时刻的瞬时能耗值为训练目标对卷积神经网络进行训练,得到自动驾驶车辆的瞬态能耗模型。
[0013]可选的,瞬时能耗值的获取过程为:
[0014]通过自动驾驶车辆的传感器获取自动驾驶车辆的历史能耗数据,所述历史能耗数据包括各历史时刻的用电消耗、动力输出、散热损失和低压系统消耗;
[0015]根据自动驾驶车辆在各历史时刻的用电消耗、动力输出、散热损失和低压系统消
耗计算自动驾驶车辆在各历史时刻的总输出能量,得到自动驾驶车辆在各历史时刻的瞬时能耗值。
[0016]可选的,所述以行驶距离和行驶时间为边界条件,以未来预置时间段的瞬时能耗总值最小为目标函数,基于所述瞬态能耗模型计算未来预置时间段的最优能耗值,包括:
[0017]以行驶距离和行驶时间为边界条件,以未来预置时间段的瞬时能耗总值最小为目标函数,基于所述瞬态能耗模型计算未来预置时间段内的最优速度分布和最优加速度分布;
[0018]通过未来预置时间段内的最优速度分布和最优加速度分布计算未来预置时间段的最优能耗值。
[0019]可选的,所述方法还包括:
[0020]计算未来预置时间段内所有可能行驶规划对应的安全性惩罚因子、通行效率惩罚因子和舒适性惩罚因子;
[0021]所述基于未来预置时间段内所有可能行驶规划对应的能耗惩罚因子决策未来预置时间段内的速度分布和加速度分布,包括:
[0022]根据未来预置时间段内所有可能行驶规划对应的能耗惩罚因子、安全性惩罚因子、通行效率惩罚因子和舒适性惩罚因子决策未来预置时间段内的速度分布和加速度分布。
[0023]可选的,计算未来预置时间段内所有可能行驶规划对应的安全性惩罚因子,包括:
[0024]根据未来预置时间段所有可能行驶规划对应的预计行驶轨迹和未来预置时间段的障碍物预测轨迹的交叉程度计算未来预置时间段内所有可能行驶规划对应的安全性惩罚因子。
[0025]可选的,计算未来预置时间段内所有可能行驶规划对应的舒适性惩罚因子,包括:
[0026]根据未来预置时间段内所有可能行驶规划对应的加速度分布计算未来预置时间段内所有可能行驶规划对应的舒适性惩罚因子。
[0027]可选的,计算未来预置时间段内所有可能行驶规划对应的通行效率惩罚因子,包括:
[0028]根据未来预置时间段内所有可能行驶规划对应的预计行驶距离计算未来预置时间段内所有可能行驶规划对应的通行效率惩罚因子。
[0029]可选的,所述根据未来预置时间段内所有可能行驶规划对应的能耗惩罚因子、安全性惩罚因子、通行效率惩罚因子和舒适性惩罚因子决策未来预置时间段内的速度分布和加速度分布,包括:
[0030]计算未来预置时间段内所有可能行驶规划对应的能耗惩罚因子、安全性惩罚因子、通行效率惩罚因子和舒适性惩罚因子之和,得到未来预置时间段内所有可能行驶规划对应的惩罚因子总量;
[0031]选择未来预置时间段内的惩罚因子总量最小值对应的行驶规划中的速度分布和加速度分布作为最终的速度分布和加速度分布。
[0032]本申请第二方面提供了一种自动驾驶车辆瞬态节能控制装置,包括:
[0033]构建单元,用于通过自动驾驶车辆的历史行驶数据和历史能耗数据构建自动驾驶车辆的瞬态能耗模型;
[0034]第一计算单元,用于以行驶距离和行驶时间为边界条件,以未来预置时间段的瞬时能耗总值最小为目标函数,基于所述瞬态能耗模型计算未来预置时间段的最优能耗值;
[0035]第二计算单元,用于通过所述瞬态能耗模型计算未来预置时间段内所有可能行驶规划对应的能耗值,并根据未来预置时间段内的各能耗值与最优能耗值的偏差计算未来预置时间段内所有可能行驶规划对应的能耗惩罚因子,未来预置时间段内所有可能行驶规划包括未来预置时间段内的速度分布和加速度分布;
[0036]决策单元,用于基于未来预置时间段内所有可能行驶规划对应的能耗惩罚因子决策未来预置时间段内的速度分布和加速度分布。
[0037]本申请第三方面提供了一种自动驾驶车辆瞬态节能控制设备,所述设备包括处理器以及存储器;
[0038]所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
[0039]所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的自动驾驶车辆瞬态节能控制方法。
[0040]本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码被处理器执行时实现第一方面任一种所述的自动驾驶车辆瞬态节能控制方法。
[0041]从以上技术方案可以看出,本申请具有以下优点:
[0042]本申请提供了一种自动驾驶车辆瞬态节能控制方法,包括:通过自动驾驶车辆的历史行驶数据和历史能耗数据构建自动驾驶车辆的瞬态能耗模型;以行驶距离和行驶时间为边界条件,以未来预置时间段的瞬时能耗总值最小为目标函数,基于瞬态能耗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆瞬态节能控制方法,其特征在于,包括:通过自动驾驶车辆的历史行驶数据和历史能耗数据构建自动驾驶车辆的瞬态能耗模型;以行驶距离和行驶时间为边界条件,以未来预置时间段的瞬时能耗总值最小为目标函数,基于所述瞬态能耗模型计算未来预置时间段的最优能耗值;通过所述瞬态能耗模型计算未来预置时间段内所有可能行驶规划对应的能耗值,并根据未来预置时间段内的各能耗值与最优能耗值的偏差计算未来预置时间段内所有可能行驶规划对应的能耗惩罚因子,未来预置时间段内所有可能行驶规划包括未来预置时间段内的速度分布和加速度分布;基于未来预置时间段内所有可能行驶规划对应的能耗惩罚因子决策未来预置时间段内的速度分布和加速度分布。2.根据权利要求1所述的自动驾驶车辆瞬态节能控制方法,其特征在于,所述通过自动驾驶车辆的历史行驶数据和历史能耗数据构建自动驾驶车辆的瞬态能耗模型,包括:通过自动驾驶车辆的历史行驶数据和历史能耗数据获取自动驾驶车辆在各历史时刻的速度、加速度和瞬时能耗值;以各历史时刻的速度和加速度为输入数据,以各历史时刻的瞬时能耗值为训练目标对卷积神经网络进行训练,得到自动驾驶车辆的瞬态能耗模型。3.根据权利要求2所述的自动驾驶车辆瞬态节能控制方法,其特征在于,瞬时能耗值的获取过程为:通过自动驾驶车辆的传感器获取自动驾驶车辆的历史能耗数据,所述历史能耗数据包括各历史时刻的用电消耗、动力输出、散热损失和低压系统消耗;根据自动驾驶车辆在各历史时刻的用电消耗、动力输出、散热损失和低压系统消耗计算自动驾驶车辆在各历史时刻的总输出能量,得到自动驾驶车辆在各历史时刻的瞬时能耗值。4.根据权利要求1所述的自动驾驶车辆瞬态节能控制方法,其特征在于,所述以行驶距离和行驶时间为边界条件,以未来预置时间段的瞬时能耗总值最小为目标函数,基于所述瞬态能耗模型计算未来预置时间段的最优能耗值,包括:以行驶距离和行驶时间为边界条件,以未来预置时间段的瞬时能耗总值最小为目标函数,基于所述瞬态能耗模型计算未来预置时间段内的最优速度分布和最优加速度分布;通过未来预置时间段内的最优速度分布和最优加速度分布计算未来预置时间段的最优能耗值。5.根据权利要求1所述的自动驾驶车辆瞬态节能控制方法,其特征在于,所述方法还包括:计算未来预置时间段内所有可能行驶规划对应的安全性惩罚因子、通行效率惩罚因子和舒适性惩罚因子;所述基于未来预置时间段内所有可能行驶规划对应的能耗惩罚因子决策未来预置时间段内的速度分布和加速度分布,包括:根据未来预置时间段内所有可能行驶规划对应的能耗惩罚因子、安全性惩罚因子、通行效率惩罚因子和舒适性惩罚因子决策未来预置时间段内的速度分布和加速度分布。
6.根据权利要求5所述的自动驾驶车辆瞬态节能控制方法,其特征在于,计算未来预置时间段内所有可能...

【专利技术属性】
技术研发人员:付东祺
申请(专利权)人:南京文远知行智能科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1