[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

说明书

本发明属于行驶工况识别技术领域，公开了一种基于长短期记忆神经网络识别车辆行驶工况的方法，对采集的行驶数据进行分析筛选；将分析筛选后的数据分为训练数据集和校验数据集；构建长短期记忆神经网络模型；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；使用校验数据集评价训练好的长短期记忆神经网络模型；将通过校验的长短期记忆神经网络模型的参数提取出来；根据提取的参数数据建立行驶工况分类器；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。本发明根据行驶工况建立工况控制策略，提高了混合动力重型商用车的可靠性、安全性、经济性和舒适性。

技术领域

本发明属于行驶工况识别技术领域，特别涉及一种基于长短期记忆神经网络识别车辆行驶工况的方法。

背景技术

由于混合动力重型商用车满载质量大(一般在50吨左右)，大的质量有大的惯性，导致加速和制动时间较长，而混合动力重型商用车变速箱正是针对汽车的特点，利用改变混合动力重型商用车传动系传动比，来根据汽车需求的驱动力来优化发动机和电机输出的装置。混合动力重型商用车的传动比的范围一般在0.75到20之间，合理的档位和传动比对混合动力重型商用车的运行至关重要。因而，装有自动机械自动变速箱(英文简称：AMT)的混合动力重型商用车在不同工况下，采取相同的换档控制逻辑，会导致离合器过热烧毁、排放超标、能耗(油耗加上电耗)增加、噪声过大等问题，随之还可能危及车辆和人员的安全。比如拥堵工况(如城市中心、高速收费站堵车等)时，采用通用的换档策略会导致频繁换档，导致离合器过热，进而使换档失灵甚至离合器烧毁；低速工况(如郊区、村镇等)时，采用通用的换档策略会导致换档不及时，导致动力不足或车速上不去；中速工况(省道、国道等)和高速工况(高速公路)时，采用通用的换档策略会导致超车换档慢或不换档，超车无力，超车慢，影响车辆安全。为了保证车辆的安全、同时增加部件寿命、降低排放和降低能耗(油耗加上电耗)，对于不同的工况，混合动力重型商用车的机械自动变速箱要采取对应的控制策略。

对混合动力重型商用车行驶工况的研究几乎没有，而针对不同工况的识别和换档策略，更是一个混合动力重型商用车AMT领域的难题。

发明内容

本发明的目的在于提供一种基于长短期记忆神经网络识别车辆行驶工况的方法，解决混合动力重型商用车AMT控制策略随行驶工况自动调整的难题。

本发明是通过以下技术方案来实现：

一种基于长短期记忆神经网络识别车辆行驶工况的方法，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。

进一步，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。

进一步，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；