[发明专利]基于BP神经网络的道路坡度综合估计系统

说明书

本发明涉及一种基于BP神经网络的道路坡度综合估计系统，包括：⑴车轮垂直载荷采集单元，包括车轮垂直载荷参考数据库和车轮实时垂直载荷模块，用于采集各个车轮的垂直载荷。⑵路面坡道类型判断单元，通过比较车轮实时垂直载荷模块的数据与车轮垂直载荷参考数据库的数据判断路面坡道类型。⑶BP神经网络预测单元，用于根据路面坡度类型判断单元的判断结果应用的相应的BP神经网络模块预测路面坡度信息。本发明利用基于BP神经网络的道路坡度综合估计系统，通过实车试验采集车辆数据，进行归一化处理得到训练样本集，利用BP神经网络训练，并经仿真验证输出的得到道路坡度估计模型，实时估计道路坡度，向驾驶员提供可实施的道路坡道信息。

技术领域

本发明属于车辆交通安全预测评估技术领域，涉及到一种基于BP神经网络的道路坡度综合估计系统。

背景技术

随着车辆智能化的发展，人们对出行驾驶的安全性、舒适性和经济性的要求越来高。而除了车辆本身的动力性能和人为驾驶操作外，道路坡度也是影响车辆驾驶的一个重要因素。但车辆经过坡道时容易出现不合理的加速、减速和频繁换挡等不合理的驾驶操作，导致安全隐患问题，增加车辆的燃油消耗和尾气排放，同时影响驾驶的舒适性。因此，实时获取准确的道路坡度信息对于提高车辆的安全性和燃油经济性具有重要意义。

现有的车载道路坡度实时估计方法有两种，一种是直接根据传感器实时采集车辆的行驶状态参数，通过信息处理来获取道路坡度，但此种方法得到的车辆信息含有较大的噪声，且成本较高。另一种方法是以整车动力学模型为基础，利用传感器采集车辆运行的各项参数，如车速、车辆加速度、发动机转速、转矩、整车质量等，最后通过动力学的方程计算得到车辆所行驶的坡度值，但此种方法只用于一般驾驶情况，而车辆的制动工况和转向工况产生的制动力和横向力会影响车辆的纵向动力学模型，导致估计的道路坡度与实际路面状况存在较大偏差，而且采集的车辆参数较多，成本很高。

同时，目前大多研究仅仅对道路的纵向坡度进行了估计，而对道路横向坡度的估计以及两者的组合坡道却少有研究。

发明内容

本发明的目的是提供一种基于BP神经网络的道路坡度综合估计系统，向驾驶员提供准确的道路坡道信息，为自动驾驶辅助决策、绿色驾驶及自动变速器换挡控制提供重要依据，实现车辆安全和舒适驾驶。

本发明的技术方案是：基于BP神经网络的道路坡度综合估计系统，包括：

⑴车轮垂直载荷采集单元，包括车轮垂直载荷参考数据库和车轮实时垂直载荷模块，用于采集各个车轮的垂直载荷。离线采集车辆在平直路面行驶的数据存在车轮垂直载荷参考数据库，车轮实时垂直载荷模块在线采集车辆行驶过程中车轮实时垂直载荷数据；

⑵路面坡道类型判断单元，通过比较车轮实时垂直载荷模块的数据与车轮垂直载荷参考数据库的数据判断路面坡道类型；

⑶BP神经网络预测单元，包括横向坡度BP神经网络模块、纵向坡度BP神经网络模块和组合坡度BP神经网络模块，用于根据路面坡度类型判断单元的判断结果应用的相应的BP神经网络模块预测路面坡度信息。

BP神经网络预测单元中各BP神经网络模块的操作步骤为：采集数据、归一化处理、模型设计、网络训练和验证测试。采集数据采取实车试验方式，实车试验的数据包横向坡道车辆爬坡试验数据、纵向坡道车辆爬坡试验数据和组合坡道车辆爬坡试验数据。横向坡道车辆爬坡试验数据为发动机扭矩、发动机转速、侧向速度、侧向加速度以及道路横向坡度信息。纵向坡道车辆爬坡试验数据为发动机扭矩、发动机转速、纵向车速、纵向加速度以及道路纵向坡度信息。组合坡道车辆爬坡试验数据为发动机转矩、发动机转速、车速、加速度以及道路组合坡度信息。将采集的数据进行归一化处理，所述归一化处理的公式为：