[发明专利]一种基于数据驱动的路感模拟方法

权利要求书

1.一种基于数据驱动的路感模拟方法，其特征在于，包括以下步骤：

步骤一、采集试验数据：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速、车辆侧向加速度、车辆横摆角速度、车辆垂向载荷、驾驶员方向盘转角、方向盘角速度和方向盘力矩；试验道路类型包括城市道路、高速道路和郊区道路；车辆行驶工况包括直行、倒车、转弯和原地转向工况，以及在不同道路路面行驶的工况；

步骤二、处理试验数据：对试验数据去除异常点后进行归一化处理，得到归一化试验数据集；

步骤三、进行归一化试验数据分类：使用聚类算法对归一化试验数据进行聚类，聚类后将归一化试验数据分成多个数据类，并将聚类后的试验数据划分为聚类后训练数据集和聚类后测试数据集；所述聚类算法选自模糊C均值聚类算法、贝叶斯聚类算法、支持向量机聚类算法、K均值聚类算法、K邻近聚类算法和神经网络聚类算法的其中一种；

步骤四、训练基于数据驱动的模型：使用聚类后训练数据集和数据驱动算法，训练得到与数据类数量相同的基于数据驱动的路感模拟模型，所述基于数据驱动的路感模拟模型的输入变量为车速、车辆侧向加速度、车辆横摆角速度、车辆垂向载荷、驾驶员方向盘转角、方向盘角速度，输出变量为方向盘力矩；所述数据驱动算法选自神经网络算法、树回归算法和贝叶斯线性回归算法的其中一种；

步骤五、测试基于数据驱动的模型；使用聚类后测试数据集测试得到的多个基于数据驱动的路感模拟模型，并判断是否需要重新进行试验；

步骤六、根据所得的基于数据驱动的路感模拟模型进行路感模拟。

2.根据权利要求1所述基于数据驱动的路感模拟方法，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。

3.根据权利要求1所述基于数据驱动的路感模拟方法，其特征在于，在步骤二中，使用滤波器进行试验数据异常点的过滤，使用滤波器删除异常点的方法为：将试验数据按照原始采集顺序一次输入低通滤波器、高通滤波器或带通滤波器，得到过滤后试验数据。

4.根据权利要求1所述的基于数据驱动的路感模拟方法，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表示最小值，max表示最大值。

5.根据权利要求1所述基于数据驱动的路感模拟方法，其特征在于，在步骤二中，通过随机划分或连续分段划分的方法将归一化试验数据集划分为训练数据集和测试数据集，其中：

随机划分的方法为：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集，其它均作为测试数据集；

连续分段划分的方法为：将归一化数据集中连续的某一段或几段数据点作为训练数据集，其它连续的数据点作为测试数据集。

6.根据权利要求1所述基于数据驱动的路感模拟方法，其特征在于，在步骤三中，使用模糊C均值聚类算法对归一化试验数据进行聚类，聚类个数为4个。

7.根据权利要求1所述基于数据驱动的路感模拟方法，其特征在于，测试所述基于数据驱动的路感模拟模型时，步骤为：

1)取出测试数据集中的测试数据点，将测试数据点对应的输入变量的数值输入与该测试数据点所属类对应的路感模拟模型，得到预测的方向盘力矩值；

2)迭代进行步骤1)，直到使用路感模拟模型进行了所有测试数据点的预测；

3)计算得到整个测试数据集的测试数据点经过模型计算预测方向盘力矩值与真实方向盘力矩值之间的MSE值；

4)若MSE值小于预设的阈值α，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。