[发明专利]一种智能无人驾驶车辆极限里程智能多源评估方法及装置

说明书

本发明公开了一种智能无人驾驶车辆极限里程智能多源评估方法及装置，该方法结合道路环境，提出坡度能耗值、温度能耗值、风阻能耗值、不同速度路段长度指标，将复杂道路环境对无人驾驶车辆电量能耗的影响因素进行量化，建立了无人驾驶车辆电量消耗的预测模型；本方法预测电量与电池、车辆型号、车辆零部件性能无关，模型实时进行训练，预测结果不受电池和车辆的使用时间和寿命的影响；当车辆行驶速度高时，风阻占车能耗的主要部分，本方法依据风速大小选择不同的耗电量预测模型，针对高、低风速使用不同的耗电量预测模型使得模型输入参数减少，计算时间降低，能够提高模型预测精度，时效性更强。

技术领域

本发明属于人工智能领域，特别涉及一种智能无人驾驶车辆极限里程智能多源评估方法及装置。

背景技术

随着人工智能的不断发展，无人驾驶车辆越来越受到人们的关注，无人驾驶车辆储电电能装置作为驱动无人驾驶车辆的能量源泉，对无人驾驶车辆的行驶状态有着很重要的影响，不同的电量情况将影响无人驾驶车辆能行驶的极限里程，影响车辆的路径规划。在一定程度讲，车辆电量的高精度预测，对车辆极限里程实时进行评估，是实现高质量无人驾驶的核心基础。

无人驾驶车辆在行驶过程中需要实时获取无人驾驶车辆电量数据信息，无人驾驶车辆电量信息反映了无人驾驶车辆在接下来一段时间的续航里程。目前，无人驾驶车辆的储电设备的储电能力较低，储电设备的储电容量受到硬件条件的限制。因此无人驾驶车辆的实时、准确、融合多方面因素的电量预测能够让无人驾驶车辆时刻保持清醒，提高无人驾驶车辆极限里程。

目前的无人驾驶车辆电量仅仅通过车速、距离和电池容量等车辆自身因素来考虑，没有充分考虑无人驾驶车辆在不同路况尤其是风环境对电量的非线性动态影响，因此无法做到实时准确地预测出电池的实际电量和未来运行里程。因此需要一种融合复杂路况环境的无人驾驶车辆极限里程评估的新技术来实现上述目标。

发明内容

本发明提供了一种智能无人驾驶车辆极限里程智能多源评估方法及装置，依据风速大小将耗电量预测模型分类，针对不同风速大小选择不同耗电量预测模型，提高了对耗电量预测的精准度，降低了模型输入参数数量，提高了模型计算速度。

一种智能无人驾驶车辆极限里程智能多源评估方法，包括以下步骤：

步骤1：获取训练数据；

所述训练数据包括无人驾驶车辆在行驶过程中的间隔时间T内的能耗值、行驶距离和耗电量，所述能耗值包括风阻能耗值、坡度能耗值以及温度能耗值；

所述风阻能耗值由无人驾驶车辆在间隔时间T内的相对风速累加获得，所述相对风速大小是指车辆外部风速与车速的差值；

所述坡度能耗值由无人驾驶车辆在间隔时间T内的爬坡因子对时间进行积分获得，爬坡因子为β，β＝0.02*cos(α)+sin(α)，α为无人驾驶车辆在行驶过程中的对离散时刻采集的坡度角值进行线性拟合得到的随时间连续变化的坡度角；

所述温度能耗值由无人驾驶车辆在间隔时间T内的车内温度与车外温度的差值累加获得；

所述行驶距离由无人驾驶车辆在间隔时间T内的车速对时间进行积分获得；

步骤2：构建基于小波神经网络的相对风速预测模型；

利用训练数据中的无人驾驶车辆相对风速时间序列中的连续n个时刻的相对风速作为输入数据，第n+1个时刻的相对风速作为输出数据，对小波神经网络模型进行训练，构建基于小波神经网络的相对风速预测模型；

步骤3：基于能耗值和行驶距离构建耗电量预测模型；

所述耗电量预测模型包括基于小波神经网络的高速耗电量预测模型和基于Elman神经网络的低速耗电量预测模型；