[发明专利]一种基于自适应神经模糊模型的车速预测方法

说明书

技术领域

本发明涉及一种车速预测方法，尤其是涉及一种基于自适应神经模糊模型的车速预测方法。

背景技术

在智能汽车和新能源汽车的研究中，车速预测被广泛利用在自动变速档位控制，路径的规划与导航，安全辅助驾驶中，从而提高汽车的安全性，燃油经济性。目前汽车对驾驶员的驾驶意图识别还只是靠加速踏板和制动踏板开度，由于这一数据并不能准确地识别驾驶员的驾驶意图，在识别过程中极有可能造成出错从而导致对车速的错误判断，导致汽车性能下降。驾驶意图主要表现在对驾驶踏板的操控上，从而影响汽车加速减速以及车速变化的快慢。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于自适应神经模糊模型的车速预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于自适应神经模糊模型的车速预测方法，该方法包括如下方法：

(1)获取训练样本集，包括驾驶员意图数据和对应的车速数据；

(2)对训练样本集进行数据训练建立自适应神经模糊车速预测模型；

(3)获取实时车数数据以及驾驶员意图数据并输入至自适应神经模糊车速预测模型进行车速预测得到下一时间段的车速数据。

所述的驾驶员意图数据包括加速意图数据和制动意图数据。

所述的加速意图数据在(0，1)之间，越接近1表示加速意图越强烈。

所述的制动意图数据在(-1，0)之间，越接近-1表示制动意图越强烈。

所述的加速意图数据通过如下方式获得：

采集加速踏板开度和加速踏板开度变化率并输入至预先训练的TS模糊推理模型，TS模糊推理模型根据加速踏板开度和加速踏板开度变化率得到对应的加速意图数据。

所述的制动意图数据通过如下方式获得：

采集制动踏板开度和制动踏板开度变化率并输入至预先训练的TS模糊推理模型，TS模糊推理模型根据制动踏板开度和制动踏板开度变化率得到对应的加速意图数据。

与现有技术相比，本发明具有如下优点：发明通过采用TS模糊推理模型对采集的踏板开度和踏板开度变化率的数据得到相应的加速意图数据或制动意图数据，进而采用训练好的自适应神经模糊车速预测模型实现车速预测，该预测方法综合考虑当前车速以及制动踏板和加速踏板的开度信息，进行车速预测结果更加准确可靠。

附图说明

图1为基于自适应神经模糊模型的车速预测方法的流程框图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，一种基于自适应神经模糊模型的车速预测方法，该方法包括如下方法：

(1)获取训练样本集，包括驾驶员意图数据和对应的车速数据；

(2)对训练样本集进行数据训练建立自适应神经模糊车速预测模型；

(3)获取实时车数数据以及驾驶员意图数据并输入至自适应神经模糊车速预测模型进行车速预测得到下一时间段的车速数据。

上述步骤(1)和(2)即为模型训练过程，如图1中A部分所示，上述步骤(3)为具体地车速预测过程，如图1中B部分所示。

驾驶员意图数据包括加速意图数据和制动意图数据。

加速意图数据在(0，1)之间，越接近1表示加速意图越强烈。

制动意图数据在(-1，0)之间，越接近-1表示制动意图越强烈。

加速意图数据通过如下方式获得：

采集加速踏板开度和加速踏板开度变化率并输入至预先训练的TS模糊推理模型，TS模糊推理模型根据加速踏板开度和加速踏板开度变化率得到对应的加速意图数据。

制动意图数据通过如下方式获得：

采集制动踏板开度和制动踏板开度变化率并输入至预先训练的TS模糊推理模型，TS模糊推理模型根据制动踏板开度和制动踏板开度变化率得到对应的加速意图数据。

本发明将驾驶意图分为加速意图和制动意图，加速意图按照紧急程度分为平缓加速，一般加速，较紧急加速和紧急加速；制动意图分为常规制动和滑行制动，其中常规制动按照紧急程度分为平缓制动，一般制动，叫紧急制动和紧急制动；为充分反映加速的紧急程度，在此基础上，增加了加速踏板开度变化率和制动踏板开度变化率作为识别参数。对识别参数进行模糊化，分别制定加速踏板开度，加速踏板开度变化率，制动踏板开度和制动踏板开度变化率的隶属度函数。如表1所示为加速意图识别模糊规则表。

表1加速意图识别模糊规则表