[发明专利]轮胎侧偏角在线估算方法、装置、终端及可读存储介质

说明书

本发明是一种轮胎侧偏角在线估算方法、装置、终端及可读存储介质，方法包括：获取包括轮胎气压、速度、负载、附着系数和横向位移的数据采集，并通过数据采集将数据集随机拆分为训练集、验证集及测试集；创建BP神经网络模型，网络模型的输入为数据集中的数据，输出为轮胎侧偏角；基于训练集、验证集和预先设定的均方误差对BP神经网络模型训练，确定BP神经网络模型的结构及网络参数；将测试集中的数据输入训练好的BP神经网络模型，对其数据所属轮胎的侧偏角进行预估，装置包括数据获取模块、神经网络创建模块、神经网络训练模块和轮胎侧偏角预测模块。本发明成本低、轮胎侧偏角估算精确，解决了轮胎侧偏角预测的难题。

技术领域

本发明属于神经网络技术领域，具体的说是涉及一种基于BP神经网络的智能轮胎侧偏角估算方法、装置、终端设备以及可读存储介质。

背景技术

我国汽车工业在这几年高速发展，汽车成为了人们依赖的交通工具，汽车的安全性成为了汽车发展行业中最重要的研究方向之一。轮胎纵向力、侧向力和垂向力不仅影响着车辆的制动性能、操纵稳定性等，同时还与汽车的燃油经济性、行驶安全性有着密切的关系。除了轮胎-路面接触力之外，轮胎-路面附着系数、轮胎的接地印迹和侧偏角信息对整车的控制均非常重要，因此，实时地监测轮胎侧偏角对整车的控制十分重要。

目前的车辆控制系统，例如防抱死制动系统(ABS)、车辆稳定性控制系统等都需要用车辆侧偏角作为逻辑控制的关键参数但若缺少昂贵的测速雷达,侧偏角不易精确获得。为此,成熟系统上一般采用集成惯性传感器来获得侧偏角的估测值，而惯性传感器易产生漂移并且当出现路堤和车辆侧倾时容易出错。其他的估测车辆侧偏角的方法诸如利用动力学和运动学模型估测,都需要轮胎参数的精确值,而这些参数对控制器来说都是未知的。

发明内容

为了解决上述技术问题，本发明提供了一种新的轮胎侧偏角在线估算方法、估算装置、终端设备以及可读存储介质，基于BP神经网络技术，针对汽车轮胎侧偏角估算提供了一种低成本、高效率的预测方法，解决了轮胎侧偏角预测的难题。

为了达到上述目的，本发明是通过以下技术方案实现的：

本发明是一种新的轮胎侧偏角在线估算方法，包括：

获取包含轮胎气压、速度、负载、附着系数和横向位移的数据采集，并通过数据采集将数据集随机拆分为训练集、验证集及测试集；

创建BP神经网络模型，所述网络模型的输入为所述数据集中的数据，输出为轮胎侧偏角度；

基于所述训练集、验证集和预先设定的均方误差对所述BP神经网络模型训练，确定所述BP神经网络模型的结构及网络参数；

将所述测试集中的数据输入训练好的BP神经网络模型，对其数据所属轮胎的侧偏角进行预估。

本发明的进一步改进在于：所述BP神经网络模型中包括一层隐藏层，激活函数为tan sig；

所述创建BP神经网络模型中，包括：

根据隐藏层节点数、输入层节点数和输出层节点数之间的关系确定隐藏层节点数的范围：

其中n₁为隐藏层节点数，n为输入层节点数，m为输出层节点数，a为1～10之间的常数；

根据所述隐藏层节点数的范围建立相应的BP神经网络模型。

本发明的进一步改进在于：基于所述训练集和预先设定的均方误差对所述BP神经网络模型训练，确定所述BP神经网络模型的结构及网络参数中，包括：

依次对包含不同数量隐藏层节点数的BP神经网络模型进行迭代训练，并记录每次迭代后的均方误差，所述训练方法为trainlm训练法；