[发明专利]一种面向无人驾驶装载机的制动踏板开度值预测方法

说明书

本发明涉及装载机无人驾驶技术领域，具体涉及一种面向无人驾驶装载机的制动踏板开度值预测方法，包括获取驾驶员驾驶的历史数据，根据历史数据获取循环作业时长与行驶路程的最佳组合，以此作为驾驶员的驾车作业熟练度；筛选出熟练驾驶员的驾驶数据作为训练数据；构建LSTM预测网络，以训练数据对构建的网络进行训练；将实时数据输入完成训练的LSTM预测网络，预测开度值变换，根据预测的开度值变化判断车辆踏板是否制动；本发明以装载机制动动作极为频繁的典型作业模式为背景，将具有多年驾驶经验熟练驾驶员的驾驶数据与机器学习方法相结合，能够实现对满载后退、满载前进和空载后退3种制动类型在未来时间步制动踏板开度值的良好预测。

技术领域

本发明涉及装载机无人驾驶技术领域，主要涉及无人驾驶装载机的决策规划过程，具体涉及一种面向无人驾驶装载机的制动踏板开度值预测方法。

背景技术

安全高效绿色作业是装载机受雇企业发展的核心主线，由于伤亡事故频发，招工难问题突出，管理运营成本攀升等痛点，无人运输已成为装载机受雇企业刚需。面对复杂多变的行驶环境，无人驾驶装载机的自主决策规划能力严重不足，无法像人类驾驶员一样根据历史经验和当前环境对即将发生的行为动作做出预判。

当前无人驾驶装载机的决策规划过程仅仅从基本作业规则层面展开了研究，忽视了人类驾驶员在作业过程中对复杂时空关联任务的处理这一关键作用，导致整机的作业过程不符合熟练驾驶员的驾驶规律。在某些情况下，为提高作业效率，部分装载机往往力求在有限场地用最短时间完成作业循环，忽视了由于制动滑摩功而造成的能量损失。这种能量损失基本都转换为热能，在高强度长时间作业时会使整车制动器总成温升过高，极易导致制动失效。

发明内容

为了使无人驾驶装载机的制动过程符合熟练驾驶员的制动规律，本发明提出一种面向无人驾驶装载机的制动踏板开度值预测方法，具体包括以下步骤：

获取驾驶员驾驶的历史数据，根据历史数据获取循环作业时长与行驶路程的最佳组合，并以此作为驾驶员的驾车作业熟练度；

通过驾驶员的驾车作业熟练度，筛选出熟练驾驶员的驾驶数据作为训练数据；

构建LSTM预测网络，并以训练数据对构建的网络进行训练；

将实时数据输入完成训练的LSTM预测网络，预测开度值变换，并根据预测的开度值变化判断车辆踏板是否制动。

进一步的，驾驶员的驾车作业熟练度通过设置循环作业等级进行判断，该等级越高驾驶员的驾车作业熟练度越高，循环作业等级的获取过程包括：

确定采样时间序列，并根据采样时间序列计算循环作业时长；

在循环作业时长期间，利用传动轴转速计算循环作业行驶路程，根据湿式制动器结构获取制动时的制动力矩，并计算单个制动器上产生的滑摩功；

将得到的循环作业行驶路程、制动时的制动力矩以及单个制动器上产生的滑摩功这三个特征通过最大最小值标准化方法进行归一化；

单位圆上等间隔的三条半径分别对应三个特征，特征的值为圆心到半径上某个点的值，将三个特征在半径上的某个点的值连接形成一个三角形；

将得到的三角形面积与单位圆面积的比值作为这一组数据的循环作业等级。

进一步的，确定采样时间序列，并根据采样时间序列计算循环作业时长，即若采样时间序列为t＝(t₁,t₂,…,t_i,…,t_j,…,t_n-1,t_n)，则循环作业时长为t_l＝t_j-t_i，其中，j＝1,2,…n-1，i＝2,3,…n，且i＜j；n为采样的时间序列的数量。

进一步的，利用传动轴转速计算循环作业行驶路程表示为：