[发明专利]一种自适应巡航系统控制参数的标定方法及装置

权利要求书

1.一种自适应巡航系统控制参数的标定方法，其特征在于，包括：

获取本车行驶数据与前方车辆行驶数据，其中，所述本车行驶数据包括本车的速度、时距值、目标距离、加速度、横摆角速度、方向盘转角、方向盘力矩、转向灯信号、油门踏板行程和刹车踏板行程，所述前方车辆行驶数据包括前方车辆的距离、速度、加速度、车辆类型、车辆宽度和车辆横向位置；

将所述本车行驶数据与所述前方车辆行驶数据输入到深度神经网络模型，获得自适应巡航系统控制参数，所述深度神经网络模型预先训练生成；

所述深度神经网络模型的训练过程包括：

按照第一预设时间间隔，采集预设时间段内第一组数的初始训练数据，每一组所述初始训练数据包括本车行驶训练数据和前方车辆行驶训练数据，所述本车行驶训练数据包括本车的速度、时距值、加速度、横摆角速度、方向盘转角、方向盘力矩、转向灯信号、油门踏板行程和刹车踏板行程，所述前方车辆行驶训练数据包括前方车辆的距离、速度、加速度、车辆类型、车辆宽度和车辆横向位置；

对采集到的所述第一组数的初始训练数据进行数据筛选，获得第二组数的筛选训练数据，所述第二组数小于或等于所述第一组数；

计算每一组所述筛选训练数据的自适应巡航系统控制参数，并将每一组所述筛选训练数据与对应的自适应巡航系统控制参数作为一组配对数据；

将所述配对数据输入到初始神经网络模型进行训练，获得所述深度神经网络模型。

2.根据权利要求1所述的标定方法，其特征在于，所述计算每一组所述筛选训练数据的自适应巡航系统控制参数，包括：

依据每一组所述筛选训练数据中本车的时距值和前方车辆的速度，计算每一组所述筛选训练数据对应的本车的目标距离；

将每一组所述筛选训练数据中本车的速度、加速度，前方车辆的距离、速度，以及对应的本车的目标距离代入加速度计算公式，获得对应的训练方程，所述加速度计算公式为：

AX＝k₁×(d-G(V_tgt,HW_SET))+k₂×(V_tgt-V_ego)

其中，AX为本车的加速度，V_ego为本车的速度，G(V_tgt,HW_SET)为本车的目标距离，d为前方车辆的距离，V_tgt为前方车辆的速度，k₁与k₂为未知的自适应巡航系统控制参数；

按照第二预设时间间隔，将所述第二组数的筛选训练数据的训练方程分组，获得第三组数的训练方程组，其中，所述第二预设时间间隔包括至少一个所述第一预设时间间隔，所述第三组数小于所述第二组数；

对每一组所述训练方程组进行求解运算，获得每一组所述训练方程组的解，作为所述训练方程组中每一个训练方程对应的所述筛选训练数据的自适应巡航系统控制参数。

3.根据权利要求1所述的标定方法，其特征在于，所述将所述配对数据输入到初始神经网络模型进行训练，获得所述深度神经网络模型，包括：

将所述配对数据作为数据选取组，并从所述数据选取组中选取一组配对数据作为待训练数据；

将所述待训练数据输入到初始神经网络模型进行训练，获得控制参数输出量；

判断所述控制参数输出量与所述待训练数据中的自适应巡航系统控制参数是否相同；

若所述控制参数输出量与所述待训练数据中的自适应巡航系统控制参数不同，计算损失函数，所述损失函数为所述控制参数输出量与所述待训练数据中的自适应巡航系统控制参数的差的平方和；

利用Adam算法和所述损失函数，更新所述初始神经网络模型的隐藏层参数，并返回执行所述将所述待训练数据输入到初始神经网络模型进行训练，获得控制参数输出量，直到所述控制参数输出量与所述待训练数据中的自适应巡航系统控制参数相同，获得当前神经网络模型；

判断所述数据选取组中的配对数据的个数是否等于零；

若所述数据选取组中的配对数据的个数大于零，将所述当前神经网络模型作为所述初始神经网络模型，从所述数据选取组中剔除所述待训练数据，并返回执行所述从所述数据选取组中选取一组配对数据作为待训练数据；

若所述数据选取组中的配对数据的个数等于零，将所述当前神经网络模型作为所述深度神经网络模型。