[发明专利]智能网联混合动力汽车主动避撞增强学习控制系统和方法

说明书

智能网联混合动力汽车主动避撞增强学习控制系统和方法，涉及汽车智能安全与辅助驾驶。所述系统包括数据感知模块、功能定义模块、主动避撞模块、控制信号转换模块和执行模块。数据感知模块获得车联网和智能交通中的信息输入；功能定义模块对获取的信息进行安全状态判断；增强信号模块将车辆状态和增强信号发送到主动避撞模块；增强学习模块根据获得的车辆状态和增强信号，确定自车期望加速度并发送至控制信号转换模块，控制信号转换模块将增强学习模块求得的最优期望加速度转化为期望节气门开度、期望电机转速以及期望制动踏板压力等信号分别发送给执行器；执行器根据获得的信号进行相应的动作。具有计算迅速、控制精确、反应灵敏等优点。

技术领域

本发明涉及汽车智能安全与辅助驾驶领域，尤其是涉及一种智能网联混合动力汽车主动避撞增强学习控制系统和方法。

背景技术

智能网联混合动力汽车是集智能化、网联化和电动化功能于一体的清洁能源汽车，被认为是解决道路堵塞、交通安全、环境污染和能源消耗的有效手段之一，是当前车辆工程的研究热点和汽车工业的重要发展方向。

主动避撞控制系统利用车载传感器获取车辆行驶状态和周围环境信息，并在紧急工况下使车辆实现主动紧急制动功能。由于智能网联混合动力汽车具有多动力源多变量耦合等特点，因此如何设计其高品质的主动避撞控制系统成为一个挑战性的技术难题。文献1(郝克宇，等.四轮独立驱动轮毂电机电动汽车主动避撞模糊控制[J],2018,39(2)：124-133)提出一种电动汽车主动避撞模糊控制方法，该方法用信息简单模糊处理的方法将导致主动避撞系统的控制精度降低和动态品质变差。文献2(Jie Ji,etc.Path Planning andTracking for Vehicle Collision Avoidance Based on Model Predictive ControlWith Multiconstraints[J].2017,66(2):952-964)设计了一种基于模型预测的主动避撞控制方法，但是该方法较强地依赖于系统的物理模型，然而智能网联混合动力汽车为复杂动态系统，具有强非线性、参数不确定性和时变特性，基于模型预测的控制方法过度地依赖系统物理模型，会导致主动避撞控制系统性能降低。雨雪天气或者车载传感器失效时，主动避撞控制系统需要在动态环境中不断进行试探学习而得到紧急制动的能力。鉴于此，本发明提供一种智能网联混合动力汽车主动避撞增强学习控制系统和方法。

发明内容

本发明的目的在于针对现有的主动避撞控制系统不能在雨雪天气或者车载传感器感知范围外进行有效控制等技术问题，提供计算迅速、控制精确、反应灵敏的智能网联混合动力汽车主动避撞增强学习控制系统。

本发明的另一目的在于提供可有效克服车辆模型参数的时变性和不确定性，具有较强适应性和稳定性的智能网联混合动力汽车主动避撞增强学习控制方法。

所述智能网联混合动力车主动避撞增强学习控制系统包括数据感知模块、功能定义模块、主动避撞模块、控制信号转换模块和执行模块；

所述数据感知模块包括无线通信设备、车载信息采集器和车载传感器；无线通信设备用于获得车联网和智能交通中的信息，车载信息采集器用于获取车辆周边信息，车载传感器用于收集自身车辆信息，数据感知模块的输出端接功能定义模块的输入端；

所述功能定义模块包括安全状态判断模块和增强信号模块，所述安全状态判断模块用于根据当前获取信息进行安全状态判断，计算当前安全状态下车辆应该保持的安全距离；所述增强信号模块用于产生增强信号；所述安全状态判断模块的输出端接增强信号模块的输入端，增强信号模块的输出端接主动避撞模块的输入端；

所述主动避撞模块为增强学习模块，增强学习模块包括动作神经网络和评价神经网络，动作神经网络用于接收智能网联混合动力车状态和增强信号，并确定自车期望加速度输出至评价神经网络；评价神经网络用于对接收到的自车期望加速度进行评价，预测当前的自车期望加速度的价值，并根据增强信号对评价神经网络进行更新；增强学习模块的动作神经网络输出端接控制信号转换模块的输入端；