一种自动变速器转弯换道工况智能挡位决策方法技术

本发明专利技术公开了一种自动变速器转弯换道工况智能挡位决策方法，包括步骤S1：采集手动挡车辆的行车数据；S2：对行驶数据进行预处理；S3：对行车数据进行特征拓展，获得信号的一阶与二阶导数特征；S4：计算车辆的行车轨迹，并提取转弯换道信息；S5：选择转弯换道的识别特征，构建车辆转弯换道的识别模型；S6：对行车数据进行相关性分析，提取候选决策参数；S7：评价候选决策参数的重要性，作为换挡决策参数，构建行驶数据集，并去除数据集中的离群点；S8：利用数据集训练网络分类模型，构建换挡规则曲面。本发明专利技术建立的转弯换道工况挡位决策策略能够根据驾驶员的转弯换道情况进行智能的挡位决策，从而适应驾驶员的转弯换道意图和行驶环境的变化。的变化。的变化。

【技术实现步骤摘要】
一种自动变速器转弯换道工况智能挡位决策方法


[0001]本专利技术属于自动变速器控制领域，具体涉及一种自动变速器转弯换道工况智能挡位决策方法。

技术介绍

[0002]自动变速器的全球市场销售量已突破七千万台套且呈现逐年增长的态势，2017年国内自动变速器已超过手动挡变速器销量，自动变速器在工程车辆中也有着广泛的应用。挡位决策是自动变速器的核心技术，决定了自动变速器的换挡时机，直接影响着车辆的燃油经济性、动力性以及对驾驶意图和行驶环境的适应性。
[0003]现有的挡位决策制定方法主要是在传统标准两/三参数换挡策略的基础上通过性能指标优化来建立挡位决策，此外还需要将更多涉及人
‑
车
‑
路环境的影响因素纳入考虑范畴。因此，传统挡位决策的性能很大程度上取决于发动机动态模型与控制优化模型的合理性与准确性，且很大程度上受到设计者自身经验与设计水平的影响。这不可避免地造成了自动变速车辆的决策挡位与使用者的挡位期望值不一致的问题出现，并已成为自动变速车辆用户信息反馈意见中比例最高的故障表现之一。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供一种自动变速器转弯换道工况智能挡位决策方法，以实现“让普通驾驶员驾驶自动挡车辆，能够达到优秀驾驶员操控手动挡车辆的驾驶效果”的自动变速挡位决策的设计目标。基于采集的大量优秀驾驶员驾驶手动挡车辆的行驶数据，利用数据挖掘技术所具备的发现优秀数据中隐藏规律的能力，通过数据预处理、数据清洗以及离群点去除等技术手段，挖掘优秀驾驶员在转弯换道工况下的挡位切换规律，更大程度地消减数值模型偏差客观因素与设计者经验主观因素的差异对挡位决策的影响，实现所研发自动变速车辆的决策挡位与使用者挡位期望值的统一。本专利技术不仅适用于公路车辆所搭载的自动变速器，同时也适用于工程车辆搭载的自动变速器。
[0005]为达到上述目的，本专利技术提出了如下的技术方案：
[0006]一种自动变速器转弯换道工况智能挡位决策方法，步骤如下：
[0007]1)采集优秀驾驶员驾驶手动挡车辆在各种行驶工况下的海量行车数据，采集行车数据的道路主要包括市区道路、城郊道路、山路以及城市快速路；
[0008]2)对采集的行驶数据进行预处理，包括数据对齐、重采样、去噪以及异常值剔除；
[0009]3)对预处理过的行车数据中的部分信号进行特征拓展，获得这部分信号的一阶导数与二阶导数特征；
[0010]4)计算车辆在每个时间段内的行车轨迹，从而提取出车辆的转弯换道信息；
[0011]5)选择转弯换道的识别特征，构建基于支持向量机的转弯换道识别模型；
[0012]6)对清洗后的行车数据各信号进行相关性分析，提取出相关性较低的信号作为挡位决策候选参数；
[0013]7)利用随机森林算法分别评价各候选参数的重要性，选取最重要的三个特征参数作为换挡决策参数，以此构建行驶数据集，并去除数据集中的离群点以保证分类器的训练效果；
[0014]8)利用获得的目标工况下的数据集训练长短期记忆神经网络分类模型，从而构建出各个挡位下的换挡规则曲面。
[0015]进一步的，步骤1)中所述的采集优秀驾驶员驾驶手动挡车辆在各种工况与行驶环境下的行车数据按如下步骤进行：
[0016]1‑
1)选择驾驶手动挡车辆的驾龄超过十年的重庆出租车驾驶员作为优秀驾驶员，并要求驾驶员驾龄范围内的每年的最高事故数量不超过三次，驾驶员数量为30人，进行数据采集实验前驾驶员需要先熟悉实验车辆的换挡操作以及拟定的数据采集路线，保证后续的数据采集过程中能够按照驾驶员平时的换挡习惯进行换挡，从而获取到更加真实的优秀驾驶员的换挡策略；
[0017]1‑
2)选择合适的数据采集行车路线，行车路线中需要包括市区道路、城郊道路、山路以及城市快速路这四种主要的行车工况，每个驾驶员需要在选定的行车路线上行驶五圈，保证采集到足够的行驶数据。
[0018]进一步的，步骤2)中所述的对优秀驾驶员驾驶手动挡车辆采集得到的行车数据进行预处理按如下步骤进行：
[0019]2‑
1)将采集的行车数据文件导出，确定每个信号的时间起始点，若部分时间起始点与结束时刻不一致，选取时间起始点最大的时间作为统一的时间起始时刻，以各信号的最小结束时间点作为统一的结束时刻；
[0020]2‑
2)确定统一的起始时刻和结束时刻后，以0.01s为间隔利用进行插值，从而获得采样频率为100Hz的行驶数据；
[0021]2‑
3)经过数据同步和重采样后的行驶数据中还包含了噪声，需要针对每一种包含噪声的信号分别设计滤波器进行滤波，本专利技术采用小波去噪算法对包含噪声的信号进行滤波，阈值函数选择硬阈值。采集的信号中包含噪声的主要有车速、纵向加速度以及制动油压，对车速、纵向加速度以及制动油压选用的小波基函数分别为sym3、haar与sym3，分解层数分别选择为4、3与4。
[0022]进一步的，步骤3)中所述的对优秀驾驶员驾驶手动挡车辆获得的行车数据中的部分信号进行特征拓展按如下步骤进行：
[0023]3‑
1)选择需要进行特征拓展的信号包括车速、方向盘转角、发动机转速、制动油压以及加速踏板开度；
[0024]3‑
2)分别计算车速、方向盘转角、发动机转速、制动油压以及加速踏板开度的一阶导数与二阶导数。
[0025]进一步的，步骤4)中所述的对预处理后的所有行车数据进行数据清洗从而提取出目标工况下的行车数据按如下步骤进行：
[0026]4‑
1)首先计算出车辆在各个时间段内的行车轨迹，计算换道候选轨迹时，以方向盘转角三个零值之间的行驶时间作为一个时间段，保证每个时间段内的方向盘转角呈正弦曲线变化，计算转弯轨迹时，以方向盘转角两个零值之间的行驶时间作为一个时间段。计算轨迹的公式如下：
[0027][0028]其中，X代表车辆的横向位置，Y代表车辆的纵向位置，θ代表车轮转角，车轮转角可由方向盘转角和转向系传动比计算得到，u
f
代表纵向车速，v
f
代表横向车速，计算公式分别如下：
[0029][0030][0031]其中，ω
f
代表横摆角速度，a
x
代表纵向加速度，ω
f1
和ω
f2
分别代表前外侧和前内侧车轮的角速度，L代表轴距，R代表轮距。
[0032]4‑
2)选择一条换道轨迹为参考轨迹，分别计算每一条换道候选轨迹与参考轨迹的弗雷歇距离(Fr
é
chetdistance)，可以采用matlab中frechet函数进行计算，距离值小于5认为与参考轨迹具有较好的相似性，标记为换道轨迹。将转弯轨迹中每三秒时间窗内的横向位移大于3米的轨迹标记为转弯轨迹。
[0033]进一步的，步骤5)中所述的构建转弯换道识别模型按如下步骤进行：首先列举出所有的特征参数，按1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动变速器转弯换道工况智能挡位决策方法，其特征在于，包括以下步骤进行：S1：采集优秀驾驶员驾驶手动挡车辆在各种行驶工况下的海量行车数据；S2：对采集的行驶数据进行预处理，包括数据对齐、重采样、去噪、异常值剔除；S3：对预处理过的部分信号进行特征拓展，获得这部分信号的一阶导数与二阶导数特征；S4：计算车辆的行车轨迹，并从中提取出车辆的转弯换道信息；S5:选择转弯换道的识别参数，构建基于支持向量机的车辆转弯换道的识别模型；S6：对清洗后的行车数据中的各信号进行相关性分析，提取出相关性较低的信号作为挡位决策的候选决策参数；S7：利用随机森林算法分别评价各候选决策参数的重要性，选取重要性最高的三个特征参数作为换挡决策参数，以此构建行驶数据集，并利用DBSCAN算法去除数据集中的离群点；S8：利用获得的目标工况下的数据集训练长短期记忆神经网络分类模型，构建各个挡位下的换挡规则曲面。2.根据权利要求1中所述的一种自动变速器转弯换道工况智能挡位决策方法，其特征在于，所述步骤S1中，采集数据步骤如下：1
‑
1)选择驾驶手动挡车辆的驾龄超过十年的重庆出租车驾驶员作为优秀驾驶员，并要求驾驶员驾龄范围内的每年的最高事故数量不超过三次，驾驶员数量为30人，进行数据采集实验前驾驶员需要先熟悉实验车辆的换挡操作以及拟定的数据采集路线，保证后续的数据采集过程中能够按照驾驶员平时的换挡习惯进行换挡，从而获取到更加真实的优秀驾驶员的换挡策略；1
‑
2)选择合适的数据采集行车路线，行车路线中需要包括市区道路、城郊道路、山路以及城市快速路这四种主要的行车工况，每个驾驶员需要在选定的行车路线上行驶五圈，保证采集到足够的行驶数据。3.根据权利要求1中所述的一种自动变速器转弯换道工况智能挡位决策方法，其特征在于，步骤S2中，数据预处理步骤如下：2
‑
1)将采集的行车数据文件导出，确定每个信号的时间起始点，若部分时间起始点与结束时刻不一致，选取时间起始点最大的时间作为统一的时间起始时刻，以各信号的最小结束时间点作为统一的结束时刻；2
‑
2)确定统一的起始时刻和结束时刻后，以0.01s为间隔利用进行插值，从而获得采样频率为100Hz的行驶数据；2
‑
3)经过数据同步和重采样后的行驶数据中还包含了噪声，针对每一种包含噪声的信号分别设计滤波器进行滤波，采用小波去噪算法对包含噪声的信号进行滤波，阈值函数选择硬阈值；采集的信号中包含噪声的主要有车速、纵向加速度以及制动油压，对车速、纵向加速度以及制动油压选用的小波基函数分别为sym3、haar与sym3，分解层数分别选择为4、3与4。4.根据权利要求1中所述的一种自动变速器转弯换道工况智能挡位决策方法，其特征在于，步骤S3中，信号特征拓展步骤如下：3
‑
1)选择需要进行特征拓展的信号包括车速、方向盘转角、发动机转速、制动油压以及
加速踏板开度；3
‑
2)分别计算车速、方向盘转角、发动机转速、制动油压以及加速踏板开度的一阶导数与二阶导数。5.根据权利要求1中所述的一种自动变速器转弯换道工况智能挡位决策方法，其特征在于，步骤S4的具体步骤如下：4
‑
1)首先计算出车辆在各个时间段内的行车轨迹，计算换道候选轨迹时，以方向盘转角三个零值之间的行驶时间作为一个时间段，保证每个时间段内的方向盘转角呈正弦曲线变化，计算转弯轨迹时，以方向盘转角两个零值之间的行驶时间作为一个时间段；计算轨迹的公式如下：其中，X代表车辆的横向位置，Y代表车辆的纵向位置，θ代表车轮转角，车轮转角可由方...

【专利技术属性】
技术研发人员：孙冬野，程坤，王康，陈冲，秦大同，吕昌，孙丹丹，
申请(专利权)人：重庆大学，
类型：发明
国别省市：