[发明专利]基于模糊神经网络的驾驶员制动意图辨识方法

摘要

本发明公开了一种基于模糊神经网络的驾驶员制动意图辨识方法，包括如下步骤：、采集样本数据，均值滤波去噪预处理之后进行模糊化处理；、基于ANFIS编辑器设定零阶Sugeno模糊神经网络模型进行离线辨识，获得量化的制动意图。本发明基于制动踏板与dSPACE仿真系统连接搭建驾驶模拟器，通过dSPACE与CarSim联合仿真，对持续制动、常规制动和紧急制动三种典型工况进行辨识。基于制动踏板开度及其变化率、制动减速度三个特征参数建立驾驶员制动意图辨识模型，并进行训练，以最大相似性原则对数据进行归类，输出量化的制动意图，提高驾驶员制动意图辨识的精确性。

主权项

1.基于模糊神经网络的驾驶员制动意图辨识方法，其特征在于：包括如下步骤：i、采集样本数据，均值滤波去噪预处理之后进行模糊化处理：基于汽车制动系统硬件在环试验平台采集不同车速、不同制动踏板开度下的实验数据，所述的实验数据包括制动踏板开度数据、制动踏板开度变化率数据和制动减速度数据；把制动踏板开度数据、制动踏板开度变化率数据和制动减速度数据经过均值滤波去噪处理后，将制动踏板开度、制动踏板开度变化率、制动减速度分别进行模糊化处理；其中，制动踏板开度数据构建大、中、小3个模糊子集，制动踏板开度变化率构建快、中、慢3个模糊子集，制动减速度构建快、中、慢3个模糊子集，共9个模糊子集；ii、基于ANFIS编辑器设定零阶Sugeno模糊神经网络模型进行离线辨识，获得量化的制动意图：将不同车速、不同制动踏板开度下采集的制动踏板开度数据、制动踏板开度变化率数据和制动减速度数据模糊化处理后，导入ANFIS编辑器，应用零阶Sugeno模糊神经网络模型进行离线辨识，隶属度函数为高斯函数，并规定每个输入有三个节点，即每组数据的三个模糊子集，各模糊子集相互组合之后在辨识模型中获得27条模糊规则；在此基础上利用反馈方式进行训练，调整误差公差为0.001，训练次数为1500次，最终得到驾驶员制动意图辨识模型；对驾驶员制动意图辨识模型输入制动踏板开度、制动踏板开度变化率及制动减速度信息，输出量化的制动意图，即输出数字1代表驾驶员持续制动工况，输出数字2代表驾驶员常规制动工况，输出数字3代表驾驶员紧急制动工况。