[发明专利]一种基于神经网络的车速估计方法及系统

说明书

本发明公开一种基于神经网络的车速估计方法及系统，该车速估计方法包括获取训练样本和训练输出量，并将训练样本中的训练输入量拓展为8*8的对称车辆实时数据矩阵，其中训练输出量和训练输入量均为向量形式；然后根据对称车辆实时数据矩阵和训练输出量对卷积神经网络进行训练；最后获取当前车辆的实时数据，并将当前车辆的实时数据输入到训练后的卷积神经网络模型中，来估计当前车辆对地的横向速度和纵向速度。本发明利用卷积神经网络，将对称车辆实时数据矩阵作为输入，经过卷积计算收敛，输出车辆对地的实时纵向速度及横向速度，不仅能够适用于车辆打滑的极限工况，计算量小，而且有效的解决后期积分过程中的累计误差问题。

技术领域

本发明涉及车速估计技术领域，特别是涉及一种基于神经网络的车速估计方法及系统。

背景技术

基于加速度传感器的采集值，通过无迹卡尔曼方法进行滤波预测，将加速度值进行积分得到对应的横向速度及纵向速度，其缺点是无迹卡尔曼方法计算量大且无法有效的解决后期积分过程中的累计误差问题。

基于采集的四轮轮速信号，结合车辆四轮模型，进行纵向速度及横向速度的计算，具备较好的实时性，但其缺点是该模型建立在车辆无滑移的条件下，不适用于车辆打滑的极限工况。

发明内容

为解决背景技术存在的技术问题，本发明提供了一种基于神经网络的车速估计方法及系统。

为实现上述目的，本发明提供了如下方案：

一种基于神经网络的车速估计方法，所述车速估计方法包括：

获取训练样本；所述训练样本中的数据为前提测试中的车辆实时数据；所述车辆实时数据包括四轮轮速、方向盘转角、横摆加速度、纵向加速度、侧向加速度；

将所述训练样本中的训练输入量拓展为8*8的对称车辆实时数据矩阵；

确定训练输出量；所述训练输出量为车辆对地的横向速度和纵向速度；

根据所述对称车辆实时数据矩阵和所述训练输出量，对卷积神经网络进行训练，得到训练后的卷积神经网络模型；

获取当前车辆的实时数据；所述当前车辆的实时数据包括当前车辆的四轮轮速、当前车辆的方向盘转角、当前车辆的横摆加速度、当前车辆的纵向加速度以及当前车辆的侧向加速度；

将所述当前车辆的实时数据输入到所述训练后的卷积神经网络模型，估计当前车辆对地的横向速度和纵向速度。

可选的，所述将所述当前车辆的实时数据输入到所述训练后的卷积神经网络模型，估计当前车辆对地的横向速度和纵向速度，具体包括：

将所述当前车辆的实时数据按照所述训练输入量形式进行转换；

将转换后的当前车辆的实时数据输入到所述训练后的卷积神经网络模型，估计当前车辆对地的横向速度和纵向速度。

可选的，所述四轮轮速、所述方向盘转角、所述横摆加速度、所述纵向加速度、所述侧向加速度的数值以向量形式的作为所述训练样本的所述训练输入量。

可选的，所述训练输入量为【wh1 wh2 wh3 wh4 str yaw log lat】；其中，wh1 wh2wh3 wh4分别表示第一车轮轮速、第二车轮轮速、第三车轮轮速以及第四车轮轮速；Str表示方向盘转角；Yaw表示横摆加速度；Log表示纵向加速度；lat表示侧向加速度。

可选的，所述对称车辆实时数据矩阵为：

【wh1 wh1 wh1 wh1 wh1 wh1 wh1 wh1】

【wh1 wh2 wh2 wh2 wh2 wh2 wh2 wh2】

【wh1 wh2 wh3 wh3 wh3 wh3 wh3 wh3】