[发明专利]一种基于BP神经网络的路感模拟方法

权利要求书

1.一种基于BP神经网络的路感模拟方法，其特征在于，包括以下步骤：

步骤一、进行实车行驶试验并采集数据：驾驶员进行实车试验，车辆在试验道路中行驶，采集的试验数据包括车辆纵向速度、车辆横向加速度、车辆横摆角速度、车辆垂向载荷、方向盘转角、方向盘角速度和方向盘力矩；

步骤二、试验数据预处理：对试验数据去除异常点后进行归一化处理，并将归一化后的试验数据划分为训练数据库和测试数据库；

步骤三、训练基于BP神经网络的路感模型：使用训练数据库和BP神经网络算法训练基于BP神经网络的路感模拟模型，BP神经网络模型的输入变量为车辆纵向速度、车辆横向加速度、车辆横摆角速度、车辆垂向载荷、方向盘转角、方向盘角速度，输出变量为方向盘力矩，训练得到基于BP神经网络的路感模拟模型；

步骤四、测试基于BP神经网络的路感模型；使用测试数据库测试得到的基于BP神经网络的路感模拟模型，并判断是否需要重新进行试验；

步骤五、根据所得的基于BP神经网络的路感模拟模型进行路感模拟。

2.根据权利要求1所述基于BP神经网络的路感模拟方法，其特征在于，其特征在于，在步骤一中：试验道路的路面类型包括城市路面、高速路面、市郊路面和越野路面。

3.根据权利要求1所述基于BP神经网络的路感模拟方法，其特征在于，在步骤一中：车辆行驶工况包括直行、转弯、倒车、原地转向、爬坡和下坡工况。

4.根据权利要求1所述基于BP神经网络的路感模拟方法，其特征在于，在步骤二中，被去除的异常点包括超出正常取值范围的数据点、分布严重偏离的数据点和变化幅度超出正常范围的数据点。

5.根据权利要求1所述的基于BP神经网络的路感模拟方法，其特征在于，在步骤二中，对试验数据按照下式进行归一化处理：

式中，i为数据编号，j为变量编号，x_i,j表示未归一化的第i组数据中的第j个变量，X_j表示所有j对应的变量数据值组成的集合，min表示相关变量数据的最小值，max表示相关变量数据的最大值。

6.根据权利要求1所述基于BP神经网络的路感模拟方法，其特征在于，在步骤二中，划分训练数据库和测试数据库时，从归一化试验数据集中随机选择一定比例的数据点作为训练数据库，其他数据点作为测试数据库。

7.根据权利要求1-6中任意一项所述基于BP神经网络的路感模拟方法，其特征在于，在步骤三中，训练基于BP神经网络的路感模拟模型时，BP神经网络模型共有1个输入层，11个隐含层，每个隐含层20个节点，和1个输出层；所有节点的激活函数均为ELU函数，且均为全连接；学习函数使用learngdm函数。

8.根据权利要求1所述基于BP神经网络的路感模拟方法，其特征在于，在步骤四中，测试所述基于数据驱动的路感模拟模型时，具体测试步骤为：

1)依次将测试数据库中的测试数据点对应的输入变量输入路感模拟模型，经过模型运算后，得到预测的方向盘力矩值数据；

2)计算整个测试数据库中的测试数据点经过模型计算预测所得方向盘力矩值数据与真实方向盘力矩值数据之间的MSE值；

4)若MSE值小于预设的阈值σ，则认为训练所得到的基于数据驱动的路感模拟模型可接受，建模成功。

9.根据权利要求8所述基于BP神经网络的路感模拟方法，其特征在于，所述阈值σ为0.15。