[发明专利]一种基于驾驶员数据的LSTM神经网络AEB系统控制方法

权利要求书

1.一种基于驾驶员数据的LSTM神经网络AEB系统控制方法，其特征在于：本方法包括以下步骤：

S1、获取驾驶员实车驾驶中紧急制动时的数据并分类，所述的数据包括环境数据和自车驾驶员输出数据，并按前车静止、前车慢速、前车紧急制动三种工况进行分类；

S2、将分类好的数据输入到LSTM神经网络模型中进行训练；其中，输入的数据包括各参数以当前时刻为中心的N1个时序，输出的数据包括各参数当前时刻以及未来N2个时刻的N2+1个时序，将当前时刻的参数作为预测结果输出；

S3、计算预测结果与驾驶数据的均方根误差，当均方根误差小于设定阈值时完成训练；

S4、将训练好的LSTM神经网络模型用于实际驾驶，输出制动压力进行紧急制动；

所述S1中的环境数据包括自车的纵向速度、前车的纵向速度与纵向加速度、路面附着系数、前车与自车的相对距离；

所述S1中的自车驾驶员输出数据包括制动时间和制动压力；

所述的S4还包括数据补充训练，具体为：在将训练好的LSTM神经网络模型用于实际驾驶过程中，将预测结果与驾驶员输出数据对比，将误差在±10％以外的数据与原数据一起打包再次训练，直至误差率小于5％。

2.根据权利要求1所述的控制方法，其特征在于：所述LSTM神经网络模型的控制周期为10ms。

3.根据权利要求1所述的控制方法，其特征在于：所述的S2还包括：根据训练结果调试初始学习率、梯度阈值、降低学习率周期和降低学习率因子4个参数；所述的LSTM神经网络模型至少包含三层，其中一个输入层，一个输出层，其它为中间层，中间层的隐藏单元数为200，预测输出变量数为1。

4.根据权利要求1所述的控制方法，其特征在于：所述的S3中设定阈值为0.05。

5.一种基于驾驶员数据的LSTM神经网络AEB系统，其特征在于：本系统包括：

数据预处理模块，用于获取驾驶员实车驾驶中紧急制动时的数据并分类，所述的数据包括环境数据和自车驾驶员输出数据，并按前车静止、前车慢速、前车紧急制动三种工况进行分类；环境数据包括自车的纵向速度、前车的纵向速度与纵向加速度、路面附着系数、前车与自车的相对距离；自车驾驶员输出数据包括制动时间和制动压力；

LSTM神经网络模型训练模块，用于将分类好的数据输入到LSTM神经网络模型中进行训练；其中，输入的数据包括各参数以当前时刻为中心的N1个时序，输出的数据包括各参数当前时刻以及未来N2个时刻的N2+1个时序，将当前时刻的参数作为预测结果输出；

训练条件计算模块，用于计算预测结果与驾驶数据的均方根误差，当均方根误差小于设定阈值时完成训练；

将训练好的LSTM神经网络模型用于实际驾驶，输出制动压力进行紧急制动；还包括数据补充训练，具体为：在将训练好的LSTM神经网络模型用于实际驾驶过程中，将预测结果与驾驶员输出数据对比，将误差在±10％以外的数据与原数据一起打包再次训练，直至误差率小于5％。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4中任意一项所述的控制方法的步骤。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4中任意一项所述的控制方法的步骤。