[发明专利]一种基于BP神经网络的路感模拟方法

说明书

本发明涉及车辆技术领域，具体公开了一种基于BP神经网络的路感模拟方法，包括以下步骤：进行实车行驶试验并采集数据；试验数据预处理；使用BP神经网络算法训练基于BP神经网络的路感模型；测试基于BP神经网络的路感模型；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。本发明使用实车行驶试验采集数据，采用BP神经网络算法建模，得到基于BP神经网络的路感模拟模型，建模过程简单，建模时间短，模型计算速度快，精度高，实时性好，克服了现有技术的缺陷。

技术领域

本发明涉及车辆技术领域，具体涉及一种基于BP神经网络的路感模拟方法。

背景技术

转向路感，又称转向力感、方向盘反馈力矩，是指驾驶员通过方向盘反馈力矩感受到的反向阻力矩。转向路感可以为驾驶员提供重要的车辆行驶信息，对驾驶员决策具有重要意义。由于线控转向系统具有布置灵活，制造成本底、角传递和力传递可变，控制方法多样等优点，具有广阔的应用前景。然而，线控转向系统需要人为控制电机产生反向阻力矩，从而使驾驶员获得真实的力感。目前，尚且没有获得较高精度的路感模拟模型的方法，运用于线控转向系统的转向力感模拟。

申请号为CN201420478919.7、名称为“基于C-EPS结构的力感模拟系统”的实用新型专利，公开了一种基于C-EPS结构的力感模拟系统，但是其建模方式是机理建模，存在诸多需要调节的参数，精度难以保证。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于BP神经网络的路感模拟方法，以实车试验数据和BP神经网络算法建立路感模拟模型，解决传统机理建模存在的模型结构复杂、精度不高、应用过程中实时性难以保证等问题。

为了达到上述目的，本发明提供一种基于BP神经网络的路感模拟方法，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时，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。

进一步地，在步骤一的实车试验中：

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；

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。

进一步地，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。

所述超出正常取值范围的数据点定义为：某一次实车试验中采集的某个数据点，其中一个或多个变量的数值超出该次实车试验对应变量的实际正常取值范围。如，某次试验中，方向盘转角范围为[-250°,250°]，则该次试验所采数据集中，方向盘转角值超出[-250°,250°]的均为超出正常范围的点。

所述分布严重偏离的数据点定义为：计算某一次实车试验中所采集试验数据的各个变量的标准差，若某个数据点的其中一个或几个变量的数值大于对应变量的标准差的2.5倍或小于对应变量的标准差的负2.5倍，则为分布严重偏离的数据点。