[发明专利]一种基于机器学习的单踏板线控底盘汽车辅助制动方法

权利要求书

1.一种基于机器学习的单踏板线控底盘汽车辅助制动方法，其特征在于，包括以下步骤：

S1：样本数据获取：挑选有C2及以上级别机动车驾驶证且年龄均匀分布在18-60岁之间的100名男性试验者和100名女性试验者在练车场进行实车试验，该实车采用加速制动一体化的纵向控制踏板代替传统加速踏板，驾驶员踩纵向控制踏板汽车加速，松纵向控制踏板汽车通过再生制动减速，纵向控制踏板左侧存在与传统汽车一致的制动踏板，用于紧急制动；在试验开始前采集每名试验者的年龄、驾龄、身高和体重信息，之后对每名试验者分别进行在平稳加速、急加速和遇到障碍物误操作纵向控制踏板三种工况下的测试，每种工况安排10次测试，在试验过程中三种工况随机出现；试验过程中实时监测车速和汽车与前方障碍物的距离，并采集所有试验者在急加速和遇到障碍物误操作纵向控制踏板工况下的纵向控制踏板角加速度最大值、纵向控制踏板压力最大值、方向盘手握力最大值、方向盘转矩最大值、方向盘转角最大值、方向盘转动角速度最大值和方向盘转动角加速度最大值；

S2：构建驾驶员行为模型：基于试验数据构建驾驶员年龄、驾龄、身高、体重、车速和汽车与前方障碍物的距离关于纵向控制踏板角加速度最大值、纵向控制踏板压力最大值、方向盘手握力最大值、方向盘转矩最大值、方向盘转角最大值、方向盘转动角速度最大值和方向盘转动角加速度最大值的端到端预测模型，所述的端到端预测模型通过支持向量回归模型建立；

将样本数据中的驾驶员年龄、驾龄、身高、体重、车速和汽车与前方障碍物的距离作为支持向量回归模型的输入变量，将样本数据中的纵向控制踏板角加速度最大值、纵向控制踏板压力最大值、方向盘手握力最大值、方向盘转矩最大值、方向盘转角最大值、方向盘转动角速度最大值和方向盘转动角加速度最大值作为支持向量回归模型的输出变量；将归一化处理后的样本数据送入支持向量回归模型中进行训练，并用所学习到的高维映射关系对纵向控制踏板角加速度最大值、纵向控制踏板压力最大值、方向盘手握力最大值、方向盘转矩最大值、方向盘转角最大值、方向盘转动角速度最大值和方向盘转动角加速度最大值进行预测，为建立驾驶员误踩踏板从而误加速的判别逻辑提供数据基础；

S3：实时监测驾驶员是否误操作纵向控制踏板：在驾驶员开始驾驶汽车前采集驾驶员的年龄、驾龄、身高和体重，在汽车行驶过程中实时监测车速和汽车与前方障碍物的距离，以及纵向控制踏板角加速度a、纵向控制踏板压力h、方向盘手握力f、方向盘转矩m、方向盘转角θ、方向盘转动角速ω度和方向盘转动角加速度β；同时通过支持向量回归模型计算驾驶员在急加速工况下的纵向控制踏板角加速度最大值a₁、纵向控制踏板压力最大值h₁、方向盘手握力最大值f₁、方向盘转矩最大值m₁、方向盘转角最大值θ₁、方向盘转动角速度最大值ω₁和方向盘转动角加速度最大值β₁，和遇到障碍物误操作纵向控制踏板工况下的纵向控制踏板角加速度最大值a₂、纵向控制踏板压力最大值h₂、方向盘手握力最大值f₂、方向盘转矩最大值m₂、方向盘转角最大值θ₂、方向盘转动角速度最大值ω₂和方向盘转动角加速度最大值β₂；

在以下两种情况中的任何一种发生时，系统判定驾驶员误操作纵向控制踏板，启动辅助制动模块：

情况一：以下七个条件同时满足四个及以上：

①a₁≤a＜a₂；

②h₁≤h＜h₂；

③f₁≤f＜f₂；

④m₁≤m＜m₂；

⑤θ₁≤θ＜θ₂；

⑥ω₁≤ω＜ω₂；

⑦β₁≤β＜β₂；

情况二：以下七个条件满足任何一个：

①a≥a₂；

②h≥h₂；

③f≥f₂；

④m≥m₂；

⑤θ≥θ₂；

⑥ω≥ω₂；

⑦β≥β₂；

所述辅助制动模块在系统判定驾驶员误操作纵向控制踏板后开始工作，汽车由单踏板驾驶模式变为制动模式，驾驶员向下踩纵向控制踏板时汽车接收到的是制动信号，制动执行机构开始执行，同时切断加速信号，当纵向控制踏板压力和车速均为0时，辅助制动模块复原，汽车恢复为单踏板驾驶模式，此后，驾驶员可以正常驾驶汽车，踩纵向控制踏板汽车加速，松纵向控制踏板汽车减速。