[发明专利]一种基于长短期记忆神经网络识别车辆行驶工况的方法

权利要求书

1.一种基于长短期记忆神经网络识别车辆行驶工况的方法，其特征在于，包括以下步骤：

S1、采集车辆在不同路面的行驶数据，对采集的行驶数据进行分析筛选；

S2、将分析筛选后的数据分为两组，一组作为训练数据集，另一组作为校验数据集；

S3、根据筛选的数据，构建长短期记忆神经网络模型；

S4、使用训练数据集训练长短期记忆神经网络模型，得到训练好的长短期记忆神经网络模型；

S5、使用校验数据集评价训练好的长短期记忆神经网络模型；

S6、将通过校验的长短期记忆神经网络模型的参数提取出来；

S7、根据提取的参数数据建立行驶工况分类器；

S8、将行驶工况分类器集成到AMT控制程序中，利用行驶工况分类器在线识别车辆的行驶工况。

2.根据权利要求1所述的一种基于长短期记忆神经网络识别车辆行驶工况的方法，其特征在于，S8中，工况分类包括堵车工况、低速工况、中速工况和高速工况，根据行驶工况建立对应的工况控制策略，对应的工况控制策略分别为堵车工况控制策略、低速工况控制策略、中速工况控制策略、高速工况控制策略和通用的普通控制策略。

3.根据权利要求2所述的一种基于长短期记忆神经网络识别车辆行驶工况的方法，其特征在于，利用行驶工况分类器在线识别车辆的行驶工况，根据行驶工况建立对应的工况控制策略的过程为：

首先判断是否是高速工况，如果是高速工况，则执行高速工况换档控制策略，否则继续判断；

其次判断是否是中速工况，如果是中速工况，则执行中速工况换档控制策略，否则继续判断；

再次判断是否是低速工况，如果是低速工况，则执行低速工况换档控制策略，否则继续判断；

再次判断是否是低速工况，如果是低速工况，则执行低速工况换档控制策略，否则继续判断；

最后判断是否是堵车工况，如果是堵车工况，则执行堵车工况换档控制策略，否则执行通用工况换档策略。

4.根据权利要求1所述的一种基于长短期记忆神经网络识别车辆行驶工况的方法，其特征在于，S1中，行驶数据包括车速、加速踏板开度、制动踏板开度和转向半径。

5.根据权利要求1所述的一种基于长短期记忆神经网络识别车辆行驶工况的方法，其特征在于，S1中，不同路面包括市区路面、省道、国道和高速路面。

6.根据权利要求1所述的一种基于长短期记忆神经网络识别车辆行驶工况的方法，其特征在于，S2中，将分析筛选后的数据按照70％和30％的比例随机分为两组，将70％的一组作为训练数据集，将30％的一组作为校验数据集。

7.根据权利要求1所述的一种基于长短期记忆神经网络识别车辆行驶工况的方法，其特征在于，长短期记忆神经网络模型包括输入层，Lstm层，全连接层，softmax层和分类层；

S7中，提取的长短期记忆神经网络模型的参数包括Lstm层的输入权重IW、Lstm层的周期权重RW、Lstm层的偏移量B、全连接层的权重FW和全连接层的偏移量FB。