[发明专利]一种辅助制动方法及系统

说明书

技术领域

本发明属于行车安全领域，特别涉及一种辅助制动方法及系统。

背景技术

我国山区面积广大，山岭重丘地区的公路长下坡路段较多，这些路段交通事故频发。长下坡行驶过程中，若要保持车速稳定，车辆的大部分重力势能将转化为制动器的热能。当制动蹄与制动鼓温度过高时，制动力矩将会显著下降，出现热衰退现象。这是造成长下坡路段交通事故高发的重要原因，这个问题在国外已得到充分的重视。而在国内，长期以来靠驾驶员经常给轮毂浇水，实施强行冷却来满足汽车连续下坡时的制动要求。这种方法一方面可靠性不高，另一方面降低运输效率，同时在冬季行驶时也直接影响到后续车辆的安全性。为改善运输条件，在汽车上应加装持续制动装置。

在现有技术中，持续制动装置包括发动机制动、排气制动、电涡流缓速器、液力缓速器等。其中发动机制动和排气制动是最简单、成本最低的持续制动装置。随着国内商用车技术的发展和道路条件的改善，商用车行驶速度不断提高，要求商用车的比功率不断增加，而它对发动机制动和排气制动的应用起到了积极的作用。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

但是，发动机制动、排气制动的制动功率有限，且随变速器挡位的增加制动扭矩大幅度减小，无法满足汽车在上述速度范围内连续下坡行驶时的持续制动要求。电涡流缓速器的安装使汽车的价格、质量和使用过程中消耗增加，且增加的幅度随缓行器的容量(制动转矩)的增加而增加。同时，长时间工作时，电涡流缓速器也存在着热衰退问题。即上述制动方式不能满足长下坡行驶条件下的制动需求。

发明内容

为了解决现有技术的问题，第一方面，本发明提供了一种辅助制动方法，所述辅助制动方法，包括：

确定辅助制动方式组合；

构建BP神经网络，将所述辅助制动方式组合部署在所述BP神经网络中，向所述BP神经网络输入训练数据；

根据所述训练数据，对所述BP神经网络进行调整，直至所述BP神经网络满足预设条件时终止调整，确定调整后的成熟BP神经网络；

将实际制动需求输入到所述成熟BP神经网络中，接收所述成熟BP神经网络的处理结果；

根据所述处理结果确定需要的辅助制动方式；

其中，所述实际制动需求包括期望车速、道路坡度和实际车速。

可选的，所述确定辅助制动方式组合，包括：

将常用制动方式按不同的方式进行配合，得到辅助制动方式组合；

其中，所述常用制动方式包括发动机制动、排气制动、缓速器制动。

可选的，所述根据所述训练数据，对所述BP神经网络进行调整，直至所述BP神经网络满足预设条件时终止调整，确定调整后的成熟BP神经网络，包括：

对所述BP神经网络的权值阈值进行初始化处理；

将所述训练数据输入至所述BP神经网络中，获取所述BP神经网络的输出结果，根据所述输出结果对所述BP神经网络的权值阈值进行调整；

重复根据所述输出结果对所述BP神经网络的权值阈值进行调整的步骤，直至所述BP神经网络的输出误差小于预设误差值为止，将此时的所述BP神经网络作为成熟BP神经网络。

可选的，所述将所述训练数据输入至所述BP神经网络中，获取所述BP神经网络的输出结果，根据所述输出结果对所述BP神经网络的权值阈值进行调整，包括：

将所述训练数据输入至所述BP神经网络的输入层；

所述输入层将所述训练数据传递至所述BP神经网络的隐层；

所述隐层根据所述训练数据生成第一输出结果，将所述第一输出结果传递至所述BP神经网络的输出层；

所述输出层根据所述第一输出结果生成第二输出结果；

根据所述第一输出结果获取所述隐层的第一计算误差，根据所述第二输出结果获取所述输出层的第二计算误差；

根据所述第一计算误差对所述隐层的权值和阈值进行调整，根据所述第二计算误差对所述输出层的权值和阈值进行调整。

可选的，所述根据所述处理结果确定需要的辅助制动方式，包括：

根据所述处理结果获取制动档位，根据所述制动档位确定具体的制动方式。

第二方面，本发明提供一种辅助制动系统，所述辅助制动系统，包括：

确定单元，用于确定辅助制动方式组合；

网络单元，用于构建BP神经网络，将所述辅助制动方式组合部署在所述BP神经网络中，向所述BP神经网络输入训练数据；