[发明专利]一种车辆的控制方法、模型的训练方法和装置

权利要求书

1.一种车辆的控制方法，应用于自动驾驶，其特征在于，包括：

获取车辆的动态数据，所述动态数据包括当前初速度和期望加速度，所述期望加速度是通过预设比例积分PI控制算法根据期望速度和所述当前初速度得到的；

根据所述动态数据和预设动力学拟合模型，确定所述车辆的执行器的开度，以控制车辆的纵向运动；

其中，所述预设动力学拟合模型使得车辆的动态数据和车辆的执行器的开度相关联，所述执行器包括加速踏板和制动踏板，所述预设动力学拟合模型的训练过程中，执行器不同开度对应的历史初速度和与历史初速度对应的历史期望加速度作为模型的训练样本集。

2.根据权利要求1所述的方法，其特征在于，所述预设动力学拟合模型通过如下方式构建：

获取车辆的执行器在不同历史开度时所对应的历史动态数据，所述历史动态数据包括历史初速度和对应的历史期望加速度；

对所述历史动态数据进行特征提取，得到特征序列；

对所述历史开度执行标准化处理，并基于多个所述特征序列和对应的标准化后的历史开度生成训练样本集；

利用所述训练样本集对预设神经网络模型进行训练，得到预设动力学拟合模型，所述预设动力学拟合模型使得所述训练样本集中每个历史动态数据和与该历史动态数据对应的标准化后的所述历史开度相关联。

3.一种动力学拟合模型的训练方法，应用于自动驾驶，其特征在于，包括：

获取车辆的执行器在不同历史开度时所对应的历史动态数据，其中，所述历史动态数据包括历史初速度和对应的历史期望加速度；

对所述历史动态数据进行特征提取，得到特征序列；

基于多个所述特征序列和对应的车辆执行器的历史开度生成训练样本集；

利用所述训练样本集对预设神经网络模型进行训练，得到动力学拟合模型，所述动力学拟合模型使得所述训练样本集中每个历史动态数据和与该历史动态数据对应的历史开度相关联。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

对各个历史开度执行标准化处理，使得制动踏板开度为-1-0之间的负值，加速踏板开度为0-1之间的正值；

相应的，所述训练样本集基于多个所述特征序列和对应的标准化后的历史开度生成；

相应的，所述动力学拟合模型使得所述训练样本集中每个历史动态数据和与该历史动态数据对应的标准化后的历史开度相关联。

5.根据权利要求4所述的方法，其特征在于，所述对各个历史开度执行标准化处理，包括：

确定传感器所能够采集到的执行器的最大开度和最小开度；

根据所述最大开度和所述最小开度对采集到的各个历史开度进行标准化处理。

6.根据权利要求5所述的方法，其特征在于，根据所述最大开度和所述最小开度对采集到的各个历史开度进行标准化处理，包括：

将车辆的执行器的历史开度与所述最小开度作差，得到第一差值，并将所述最大开度和所述最小开度作差，得到第二差值；

计算所述第一差值和所述第二差值的商；

其中，对于加速踏板，所述第一差值和所述第二差值的商为标准化处理后加速踏板的历史开度；对于制动踏板，所述第一差值和所述第二差值的商为标准化处理后制动踏板的历史开度的相反数。

7.根据权利要求3-6任一所述的方法，其特征在于，所述动力学拟合模型包括隐藏层，所述隐藏层和所述动力学拟合模型的输入层均使用y＝tanh(x)作为激活函数；

其中，对于所述输入层，x为动力学拟合模型中对输入数据进行线性变换后的输出，y为输入层的输出；对于所述隐藏层，x为输入层的输出，y为隐藏层的输出。