[发明专利]一种估测电动汽车制动压力的方法和设备

权利要求书

1.一种估测电动汽车制动压力的方法，其特征在于，所述方法，包括：

采集实验车辆在各个不同工况下行驶时CAN总线上的数据、传感器上的数据和制动主缸的制动压力；

将所述CAN总线上的数据和所述传感器上的数据作为输入数据，所述制动主缸的制动压力作为基准数据，基于贝叶斯算法反向传播训练需要训练的人工神经网络模型，获得训练后的人工神经网络模型；

将实际车辆在所述各个不同工况下行驶时的CAN总线上的数据以及所述传感器上的数据输入训练后的人工神经网络模型，估测所述实际车辆中制动主缸的制动压力。

2.根据权利要求1所述的方法，其特征在于，所述CAN总线上的数据，包括：电动汽车速度、电池荷电状态、电池电流、电池电压、电机转矩、电机转速、电池电流变化率和电池电压变化率。

3.根据权利要求1所述的方法，其特征在于，所述传感器上的数据，包括：

毫米波雷达传感器上的数据和坡度传感器上的数据，其中，所述毫米波雷达传感器测量所述实验车辆与前方车辆的距离，所述坡度传感器测量所述实验车辆所在前方道路的坡度。

4.根据权利要求1所述的方法，其特征在于，所述采集实验车辆在各个不同工况下行驶时CAN总线上的数据、传感器上的数据和制动主缸的制动压力，包括：

以预设的采样频率采集所述实验车辆在各个不同工况下行驶时所述CAN总线上的数据、所述传感器上的数据以及所述制动主缸的制动压力，并对采集到数据进行平滑处理和归一化处理。

5.根据权利要求1所述的方法，其特征在于，所述将所述CAN总线上的数据和所述传感器上的数据作为输入数据，所述制动主缸的制动压力作为基准数据，基于贝叶斯算法反向传播训练需要训练的人工神经网络模型，获得训练后的人工神经网络模型，包括：

将同一时刻在所述实验车辆上采集到的所述CAN总线上的数据、所述传感器上的数据以及所述制动主缸的制动压力作为一个子样本，在K个不同时刻采集所述实验车辆在所述各个不同工况下行驶时所述CAN总线上的数据、所述传感器上的数据以及所述制动主缸的制动压力，获得K个子样本；

进行K次训练，其中在每次训练中选取K个子样本中的一个子样本，并将其他K-1个子样本输入本次训练过程中需要训练的人工神经网络模型中，基于所述贝叶斯算法反向传播训练本次训练过程中需要训练的人工神经网络模型，获得在本次训练过程中训练后的人工神经网络模型，本次训练过程中训练后的人工神经网络模型作为下一次训练过程中需要训练的人工神经网络模型，其中每次训练中选取出的子样本彼此不同；

在完成K次训练过程之后，获得训练后的人工神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述获得在本次训练过程中训练后的人工神经网络模型之后，方法还包括：

在每次训练完成后，将在本次训练中选取出的子样本输入本次训练后的人工神经网络模型中，获得本次训练过程中训练后的人工神经网络模型输出的验证数据，从而K次训练共获得K个验证数据；

基于所述K个子样本中的制动压力，以及所述K个验证数据，获得决定系数和均方根。

7.根据权利要求6所述的方法，其特征在于，所述基于所述K个子样本中的制动压力，以及所述K个验证数据，获得决定系数和均方根，包括：

根据所述K个子样本中的制动压力，以及所述K个验证数据，确定训练后的人工神经网络模型的均方根，所述均方根利用下式：

其中，MSE表示为所述训练后的人工神经网络模型的均方根，K表示为所述子样本的数目，X_i表示为在第i次训练中选取出的子样本中的制动压力，Y_i表示为在第i次训练中获得的验证数据。