[发明专利]一种考虑制动意图的制动强度模糊识别方法

说明书

本发明提供了一种考虑制动意图的制动强度模糊识别方法，首先由实验获取制动踏板数据并以制动强度为标准按制动意图进行分类，使用“边识别，边验证”的方法对HMM模型进行参数离线识别，获得各输出时刻下各制动意图的HMM模型参数；然后根据实时获取的制动踏板位移时间序列，采用“分时输出，合理预测，综合判断”的方法对制动意图在线识别，进一步以制动踏板位移和制动踏板力作为第一层模糊控制器的输入，输出制动意图系数；最后以制动意图系数和制动踏板位移变化速率作为第二层模糊控制器的输入，输出制动强度，获得估测的制动强度。本发明能准确、实时地反映驾驶员的制动意图并适应驾驶员多变的制动意图。

技术领域

本发明属于汽车驾驶技术领域，具体涉及一种考虑制动意图的制动强度模糊识别方法。

背景技术

对于电动汽车而言，采用制动能量回收策略已成为一种有效增加其续驶里程的重要方法。但是电动汽车的制动能量回收效率受到多方面因素的影响，其中制动强度是不可忽略的一个重要因素。一定范围内，制动强度越大，所需制动力越大，可供回收的制动能量也就越多。同时由于电机制动的引入，为了保证制动时制动感觉的一致性，制动踏板一般与行车制动系统解耦，此时制动踏板位移的变化不能直接产生驾驶员需求的制动力，因此需要通过对制动踏板位移与制动意图的关系进行研究来获得驾驶员需求的制动强度，再根据制动强度合理分配电液制动力，提高能量回收效率。因此，对制动强度的准确估计便显得尤为重要。

同时，准确估计制动强度与制动意图对于线控制动技术的发展也有着重要的意义。制动控制器根据电控单元发出的制动控制信号使得制动执行器进行制动，从而使制动过程更加高效节能。然而目前的线控制动系统中并没有对制动意图与制动强度的关系进行分析，制动系统的实际制动强度并不能较好地符合驾驶员的真实意图。

发明内容

针对现有技术中存在不足，本发明提供了一种考虑制动意图的制动强度模糊识别方法，准确、实时地反映驾驶员的制动意图。

本发明是通过以下技术手段实现上述技术目的的。

一种考虑制动意图的制动强度模糊识别方法，实验获取不同制动意图的制动踏板数据，并对所述制动踏板数据以制动强度为标准按制动意图进行分类；离线识别各输出时刻下各制动意图的HMM模型参数；根据实时获取的制动踏板位移时间序列，在线识别出制动意图；以制动踏板位移和制动踏板力作为第一层模糊控制器的输入，输出制动意图系数；以制动意图系数和制动踏板位移变化速率作为第二层模糊控制器的输入，输出制动强度。

进一步，所述离线识别各输出时刻下各制动意图的HMM模型参数，具体为：

根据实验数据获得用于HMM模型参数识别过程的完备数据，使用第一个完备数据中的训练集时，初始化模型参数，采用EM算法对训练集中的各组踏板位移时间序列进行模型参数计算并取平均，作为由该训练集获得的模型参数；对检验集内的各组踏板位移时间序列使用由训练集获得的模型参数计算似然概率并取平均，若平均似然概率小于阈值Pmin1时，重新初始化模型参数进行模型参数计算，直至检验集的平均似然概率不小于阈值Pmin1；再使用下一个完备数据进行模型参数迭代，且后续每个训练集的初始化模型参数均使用上一个训练集取平均后获得的模型参数；最后一个训练集输出的模型参数作为该输出时刻下该种制动意图的HMM模型参数。

更进一步，所述模型参数包括初始时刻状态概率列向量π、状态转移矩阵A和观测概率矩阵B。

更进一步，所述完备数据的获取过程为：

将某输出时刻下某制动意图对应的W组制动踏板位移时间序列均为M份，每次使用M-1份数据作为训练集，1份数据作为检验集，组成一个完备数据；不同的训练集和检验集组合成M个完备数据。