[发明专利]基于改进的RBF神经网络的驾驶员制动意图辨识方法

说明书

本发明公开一种基于改进的RBF神经网络的驾驶员制动意图辨识方法，包括：采集驾驶数据；将部分制动工况数据对时间进行微分，得到能够反映驾驶员制动意图的参数；确定驾驶员制动意图辨识的输入和输出；对驾驶员制动意图辨识的可用输入进行灵敏度分析，根据权重大小顺序选取对驾驶员制动意图较大的参数作为驾驶员制动意图辨识的输入；建立改进的RBF神经网络，并根据驾驶员制动意图辨识的输入对驾驶员制动意图进行辨识；结果评估。本发明辨识结果的适用性不受限于辨识方法，只依赖于输入的数据，当数据来自多个驾驶员时，得出的辨识结果具有较强的泛化能力；当数据来自单个驾驶员时，得出的辨识结果具有较强个性化风格。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及基于改进的RBF神经网络的驾驶员制动意图辨识方法。

背景技术

随着电动汽车技术的不断发展，车辆制动系统正在由传统的液压制动向线控制动转变。与传统的制动系统相比，线控制动系统的应用不仅可以满足车辆基本的制动需求，而且可以与再生制动系统协调控制，达到提升车辆续航里程的效果。另外，传统的制动系统仅根据制动踏板的行程提供制动力，在外界工况发生变化时，难以保证制动的安全性和驾驶员的舒适性；而线控制动系统则可以根据制动工况以及驾驶员的意图对制动力进行相应的调整，使制动系统的性能得到更大程度的利用，给驾驶员提供更加舒适的驾驶体验。

针对线控制动系统上述的特点，国内外许多学者提出了对驾驶员制动意图进行识别的方法：中国专利201510236577采用模糊推理的方法，根据制动踏板开度和车速对制动意图进行识别；中国专利201610232598通过建立模糊神经网络，调节隶属度函数的方法对持续制动、常规制动和紧急制动三种工况进行辨识；公开号为201710820006.7的专利通过设定踏板位移、速度、制动强度等参数的阈值的方式，对加速、滑行、再生制动和紧急制动四种驾驶模式进行识别。以上方法均将制动意图简单划分为几种特定的模式，并且都包括紧急制动的识别，能够保证紧急制动时的安全性和再生制动时的能量回收效果。但是当驾驶员的两次制动意图相似并处于两种模式临界点时，以上方法可能会将制动意图划分到两种不同的模式中，从而给驾驶员带来截然不同的制动感觉，这对驾驶员的驾驶体验会造成很差的影响。

发明内容

针对上述问题，本发明通过一种基于改进的RBF神经网络，以车辆行驶状态和驾驶员操作状态的相关参数作为输入，以驾驶员目标制动强度作为输出，对驾驶员制动意图进行连续性的辨识，在达到前述各方法效果的前提下，可以改善驾驶员的驾驶体验。通过对国内外相关技术的研究，在汽车制动领域中，未发现有类似针对驾驶员制动意图进行连续性辨识的方法。

本发明采用以下技术方案：

基于改进的RBF神经网络的驾驶员制动意图辨识方法，其特征在于，包括以下步骤：

步骤1、在测试工况条件下，采集多名驾驶员的驾驶数据，所述驾驶数据包括车速-时间、制动踏板位移-时间和加速踏板位移-时间关系；

步骤2、从所述驾驶数据中提取制动工况数据，作为有效数据，并将整个制动过程的车速、制动踏板位移以及加速踏板位移分别对时间进行微分，得到能够反映驾驶员制动意图的参数，所述制动工况数据是指从制动踏板产生位移时刻前1秒起，到制动踏板位移恢复原位止，这一时间段内的所有制动工况数据；

步骤3、步骤2处理得到的所述反映驾驶员制动意图的参数中，将制动过程起始时的部分参数包括制动前一时刻车辆的速度v1、制动前一时刻加速踏板的释放速度v2、制动初始时刻制动踏板的踩下速度v3、制动前一时刻车辆的加速度a1、制动初始时刻制动踏板踩下的加速度a2、制动前一时刻加速踏板的位移s₁和制动过程中加速踏板的位移s₂作为驾驶员制动意图辨识的可用输入，将制动过程车辆达到的最大加速度a3作为驾驶员制动意图辨识的输出；

步骤4、对所述驾驶员制动意图辨识的可用输入进行灵敏度分析，根据权重大小顺序选取对驾驶员制动意图较大的参数作为驾驶员制动意图辨识的输入；