[发明专利]一种基于高阶相关学习的机车节能优化自动驾驶方法

摘要

本发明提供了一种基于高阶相关学习的机车节能优化自动驾驶方法，本发明首先对司机的实际驾驶数据进行经验梳理以及预处理，然后构建一个特征组来描述机车的驾驶状态，再基于由构建的特征组描述的司机实际驾驶数据作为训练数据构建超图，并通过归纳学习过程获取超图模型，所构建的超图模型可用于实时生成驾驶操作，最后通过不断的强化更新，即通过迭代训练的方式使得通过学习获得的超图模型更加准确。由于超图模型的训练不受到时间因素的限制，因此超图模型的学习拥有更好的优化空间，且机车运行过程中应用超图模型获取机车运行操纵档位时能够取得较好的节能效果。同时，将机车在线操纵运行结果作为数据输入，使得超图模型能够不断进行调整和优化。

主权项

1.一种基于高阶相关学习的机车节能优化自动驾驶方法，其特征在于，所述的方法包括：/n步骤1)、获取司机对机车的实际驾驶数据和运行数据，并对实际驾驶数据和运行数据进行预处理；/n步骤2)、确定影响机车油耗的因素，基于各因素的重要性提取与机车运行相关的特征组；/n步骤3)、基于由构建的特征组描述的司机实际驾驶数据作为训练数据构建超图，并基于构建的超图训练学习模型，在训练过程中对训练数据进行标准化，调整所述特征组中至少部分特征的参数，同时通过迭代更新的方式训练学习模型；/n所构建的超图定义为其中V是超图中顶点的集合，ε是超图中边的集合，w是超图中所有边的权重的集合，/n构建超图的过程包括：将每一条训练数据视为一个顶点，通过对所有的训练数据进行聚类，每一个聚类为一条边；将超图表示成|V|×|ε|的关联矩阵；/n基于超图获得用于区别不同分类的学习投影矩阵M，所述学习投影矩阵M的代价函数包括以下三部分：超图拉普拉斯正则化Ω(M)、经验损失R_emp(M)以及投影矩阵的正则化φ(M)；/n步骤4)、将当前运行状态下的由特征组描述的机车数据输入训练好的学习模型，基于所述学习模型获得相应驾驶策略。/n