CN117984773A - 加速意图的识别方法、装置、电子设备和可读存储介质 - Google Patents
加速意图的识别方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN117984773A CN117984773A CN202211329175.8A CN202211329175A CN117984773A CN 117984773 A CN117984773 A CN 117984773A CN 202211329175 A CN202211329175 A CN 202211329175A CN 117984773 A CN117984773 A CN 117984773A
- Authority
- CN
- China
- Prior art keywords
- membership
- intention
- throttle
- acceleration
- change rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001133 acceleration Effects 0.000 title claims abstract description 334
- 238000000034 method Methods 0.000 title claims abstract description 89
- 230000008859 change Effects 0.000 claims abstract description 219
- 239000011159 matrix material Substances 0.000 claims description 73
- 230000005484 gravity Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 21
- 238000012545 processing Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 101100176011 Caenorhabditis elegans gls-1 gene Proteins 0.000 description 1
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 101150020260 gls2 gene Proteins 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009347 mechanical transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Control Of Transmission Device (AREA)
Abstract
本申请提供了一种加速意图的识别方法、装置、电子设备和可读存储介质,按照约定周期获取对于车辆的油门信号,基于该油门信号计算油门变化率,基于预设油门隶属度曲线和预设油门变化率隶属度曲线,分别确定油门信号属于至少两个油门类别的第一隶属度集合以及门变化率属于至少两个油门变化率类别的第二隶属度集合,基于该第一隶属度集合和第二隶属度集合确定至少两种加速意图类别对应的第三隶属度集合,基于该第三隶属度集合以及预设加速意图隶属度曲线确定目标数值,并基于至少两种加速意图类别对应的加速等级范围,确定该目标数值所述的加速等级范围对应的类别作为当前周期的加速意图类别。
Description
技术领域
本申请涉及汽车控制领域,更具体的说,是涉及一种加速意图的识别方法、装置、电子设备和可读存储介质。
背景技术
驾驶员加速意图的准确识别,对于自动变速器的控制非常重要。在不同加速意图下,通过对变速器换挡图和发动机输出扭矩的修正,使得整车在驾驶员缓慢加速时具备更好的燃油经济性,在急加速工况下具备更佳的动力性,从而提升整车驾驶感受,提高产品的市场竞争力。
一般的,是基于油门、油门变化等信号,通过分类查表得到相应工况下的加速意图。
首先,设定油门的分类阈值和油门变化率的分类阈值,其中,将油门分类为下述5种之一:大油门(B)、中大油门(MB)、中油门(M)、中小油门(MS)、小油门(S),将油门变化率分为下述5种之一:正大(PB)、正小(PS)、无(Z)、负小(NS)、负大(NB);然后,依据预设的油门-油门变化率-加速意图的二维查表,得到加速意图分类:急加速(Fast On)、缓加速(PedalOn)等。
但是,识别分类上,仅有急加速和缓加速两种类别输出,对于加速意图的判断较为粗糙;而且算法本身较为简单,鲁棒性不足,对于工况复杂的情况,识别的准确率不足,无法准确地获取驾驶员的真实意图。
发明内容
有鉴于此,本申请提供了一种加速意图的识别方法,如下:
一种加速意图的识别方法,包括:
基于约定周期获取油门信号;
基于所述油门信号计算油门变化率;
基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合,所述预设油门隶属度曲线中任意两个相邻油门类别的油门范围部分重叠;
基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合,所述预设油门变化率隶属度曲线中任意两个相邻油门变化率类别的油门变化率范围部分重叠;
基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图类别对应的第三隶属度集合;
基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值,所述目标数值表征所当前的加速等级;
基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
一种加速意图的识别装置,包括:
获取模块,用于基于约定周期获取油门信号;
计算模块,用于基于所述油门信号计算油门变化率;
第一类别确定模块,用于基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合,所述预设油门隶属度曲线中任意两个相邻油门类别的油门范围部分重叠;
第二类别确定模块,用于基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合,所述预设油门变化率隶属度曲线中任意两个相邻油门变化率类别的油门变化率范围部分重叠;
集合确定模块,用于基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图类别对应的第三隶属度集合;
目标数值确定模块,用于基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值,所述目标数值表征所当前的加速等级;
第三类别确定模块,用于基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
一种电子设备,其中,该电子设备,包括:存储器、处理器;
其中,存储器存储有处理程序;
所述处理器用于加载并执行所述存储器存储的所述处理程序,以实现如上述任一项所述的加速意图的识别方法的各步骤。
一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器调用并执行,实现如上述任一项所述的加速意图的识别方法的各步骤。
经由上述的技术方案可知,本申请提供了一种加速意图的识别方法,按照约定周期获取对于车辆的油门信号,基于该油门信号计算油门变化率,基于预设油门隶属度曲线和预设油门变化率隶属度曲线,分别确定油门信号属于至少两个油门类别的第一隶属度集合以及门变化率属于至少两个油门变化率类别的第二隶属度集合,基于该第一隶属度集合和第二隶属度集合确定至少两种加速意图类别对应的第三隶属度集合,基于该第三隶属度集合以及预设加速意图隶属度曲线确定目标数值,并基于至少两种加速意图类别对应的加速等级范围,确定该目标数值所述的加速等级范围对应的类别作为当前周期的加速意图类别。本方案中,分别确定车辆当前运行过程中的油门信息属于至少两个油门类别的第一隶属度和油门变化率属于至少两个油门变化率类别的第二隶属度,由于预设油门隶属度曲线中任意两个相邻油门类别的油门范围部分重叠以及预设油门变化率隶属度曲线中任意两个相邻油门变化率类别的油门变化率范围部分重叠,确定油门隶属度和油门变化率隶属度的过程是对于油门信号和油门变化率的模糊化处理,第三隶属度和预设加速意图隶属度曲线实现对于加速意图模糊化处理后进行反模糊化处理,得到表征当前的加速等级的目标数值,基于该目标数值可准确确定加速意图的类别,实现了准确识别驾驶员的加速意图,由于采用模糊识别,该识别过程具有较强的鲁棒性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本申请提供的一种加速意图的识别方法实施例1的流程图;
图2是本申请提供的一种加速意图的识别方法实施例1中油门隶属度曲线示意图;
图3是本申请提供的一种加速意图的识别方法实施例1中油门变化率隶属度曲线示意图;
图4是本申请提供的一种加速意图的识别方法实施例1中加速意图示意图;
图5是本申请提供的一种加速意图的识别方法实施例2的流程图;
图6是本申请提供的一种加速意图的识别方法实施例3的流程图;
图7是本申请提供的一种加速意图的识别方法实施例4的流程图;
图8是本申请提供的一种加速意图的识别方法实施例5的流程图;
图9是本申请提供的一种加速意图的识别方法实施例5中加速意图隶属度曲线示意图;
图10是本申请提供的一种加速意图的识别方法实施例6的流程图;
图11是采用本申请中提供的一种加速意图的识别方法的处理器的软件架构示意图;
图12是实车验证数据示意图;
图13是本申请提供的一种加速意图的识别装置实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示的,为本申请提供的一种加速意图的识别方法实施例1的流程图,该方法应用于一车载控制器,该方法包括以下步骤:
步骤S101:基于约定周期获取油门信号;
其中,按照约定周期获取车辆的油门信号,该约定周期可用是10ms(毫秒)、20ms、500ms等,该约定周期的具体时长可用根据实际情况设置,本申请中不对于周期具体时长做限制。
具体的,该油门信号是车辆的油门开度,该油门开度一般采用百分率表示,如35%、70%等。
具体实施中,是从控制器CAN(Controller Area Network,控制器局域网络)总线获取油门信号,该油门信号是原始信号,不经过任何处理的信号。
具体实施中,本申请中方法应用的车载控制器可用在搭载不同类型自动变速器的传统汽车和混合动力汽车上,该自动变速器可用采用CVT(Continuously VariableTransmission,机械无级自动变速器)/AT(Automatic Transmission,液力自动变速器)/DCT(Dual Clutch Transmission,双离合自动变速器)/AMT(Automated MechanicalTransmission,电控机械自动变速器)等。
需要说明的是,本申请中的车载控制器适用于搭载自动变速器的一切车辆,包括传统内燃机车辆,混合动力车辆等。
步骤S102:基于所述油门信号计算油门变化率;
其中,该油门变化率是本周期中的油门变化率。
具体的,基于该油门信号计算本周期中的油门变化率,基于上周期获取的油门信号与本周期获取的油门信号求斜率计算得到本周期的油门变化率。
其中,计算公式如下:
本周期油门变化率=(本周期的油门信号-上周期的油门信号)/周期时长。
步骤S103:基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合;
其中,控制器中预设有油门隶属度曲线,其中横坐标是油门开度,纵坐标是隶属度,其中,每个油门类别对应一个油门范围。
作为一个示例,油门类别是4个时,该油门类别包括:无油门、小油门、中油门和大油门,上述4个油门类别对应的油门范围的取值依次增大。
具体实施中,可用根据实际情况设置油门类别的个数,本申请中不对于油门类别个数做限制。
其中,在油门隶属度曲线中采用模糊分类的方式。
具体的,在预设油门隶属度曲线中,任意两个相邻油门类别的油门范围部分重叠。
其中,油门类别采用三角隶属函数,最终得到设置的各油门类别的隶属度函数曲线。
如图2所示的是油门隶属度曲线示意图,该示意图中油门类别是4个,分别为无油门、小油门、中油门和大油门。其中,该油门隶属度曲线中,x轴表示油门,y轴表示隶属度,隶属度是取值是0~1。其中,无油门的油门范围是0~Kz,小油门的油门范围是Ks1~Ks2,小油门的取值范围的中间值是Ksc,中油门的油门范围是Km1~Km2,中油门的取值范围的中间值是Kmc,大油门的油门范围是Kb~100%。其中,0<Ks1<Kz<Ksc<Km1<Ks2<Kmc<Kb<Km2<100%。
其中,将该油门信号作为x值在该油门隶属度曲线中查找相应的y值,该x值对应的y值即为该油门信号的隶属度,确定该多个油门类别中该油门信号的隶属度。
作为一个示例,无油门的取值范围是0~10%,小油门的取值范围是0~30%、中油门的取值范围是25%~60%、大油门的取值范围是50%~100%。
例如,油门开度是55%,中油门的取值范围是25%~60%,大油门的取值范围是50%~100%,在该油门隶属度曲线中,查找油门开度55%对应的y轴取值,中油门对应的隶属度是0.5,大油门对应的隶属度是0.2,无油门和小油门对应的隶属度是0,得到的第一隶属度集合是{0,0,0.5,0.2}。
例如,油门开度是80%,中油门的取值范围是25%~60%,大油门的取值范围是50%~100%,在该油门隶属度曲线中,查找油门开度55%对应的y轴取值,大油门对应的隶属度是0.8,无油门、小油门和中油门对应的隶属度是0,得到的第一隶属度集合是{0,0,0,0.8}。
步骤S104:基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合;
其中,控制器中预设有油门变化率隶属度曲线,其中横坐标是油门变化率,纵坐标是隶属度,其中,每个油门变化率类别对应一个油门变化率范围。
作为一个示例,油门变化率类别是5个时,该油门变化率类别包括:反向大油门变化率、反向小油门变化率、无油门变化率、正向小油门变化率和正向大油门变化率,上述5个油门变化率类别对应的油门变化率范围的取值依次增大。
具体实施中,可用根据实际情况设置油门变化率类别的个数,本申请中不对于油门变化率类别个数做限制。
其中,在油门变化率隶属度曲线中采用模糊分类的方式。
具体的,预设油门变化率隶属度曲线中,任意两个相邻油门变化率类别的油门变化率范围部分重叠。
其中,油门变化率的单位是Pct/ms。
需要说明的是,实车测试发现,一个周期10ms油门的变化范围远不能达到理论的那么大。通过多个驾驶员的实车测试结果分析,几乎很少能够达到1.5Pct/ms的油门变化率,因此,1.5Pct/ms以上的隶属度均考虑设置为1,反向大油门变化率和正向大油门变化率的隶属度函数均选用梯形函数。中间其它3个类别采用三角隶属函数,最终设置的各油门变化率类别的隶属度函数曲线。
如图3所示的是油门变化率隶属度曲线示意图,该示意图中油门变化率类别是5个,分别为反向大油门变化率、反向小油门变化率、无油门变化率、正向小油门变化率和正向大油门变化率。其中,该油门变化率隶属度曲线中,x轴表示油门变化率,y轴表示隶属度,隶属度是取值是0~1。其中,反向大油门变化率和正向大油门变化率对应的隶属度曲线是梯形,反向小油门变化率、无油门变化率、正向小油门变化率对应的隶属度曲线是三角形。
其中,反向大油门变化率对应的油门变化率范围是-10~Knb,其中,-10~Knb0对应的隶属度均是1;反向小油门变化率对应的油门变化率范围是Kns1~Kns2,反向小油门变化率的取值范围的中间值是Knsc;无小油门变化率对应的油门变化率范围是Kz1~Kz2,无小油门变化率的取值范围的中间值是Kzc;正向小油门变化率对应的油门变化率范围是Kps1~Kps2,正向小油门变化率的取值范围的中间值是Kpsc;正向大油门变化率对应的油门变化率范围是Kpb~10,其中,Kpb0-10对应的隶属度均是1。其中,Knb0<Kns1<Knb<Knsc<Kz1<Kns2<Kzc<Kps1<Kz2<Kpsc<Kbp<Kps2<Kpb0。
其中,将该油门变化率作为x值在该油门变化率隶属度曲线中查找相应的y值,该对应的y值即为该油门变化率的隶属度,确定该多个油门变化率类别中该油门变化率的隶属度。
具体实施中,该油门变化率几乎很少达到1.5Pct/ms以上,因此,该示意图中采用了油门变化率采用的范围是(-10,10)。
作为一个示例,该反向大油门变化率对应的油门变化率范围是-10~-1.5~-0.3、反向小油门变化率对应的油门变化率范围是-0.6~-0.225~0、无油门变化率对应的油门变化率范围是-0.075~0~0.075、正向小油门变化率对应的油门变化率范围是0~0.225~0.6、正向大油门变化率对应的油门变化率范围是0.3~1.5~10。
例如,油门变化率是0.4,正向小油门变化率对应的油门变化率范围是0~0.225~0.6,正向大油门变化率对应的油门变化率范围是0.3~1.5~10,在该油门变化率隶属度曲线中,查找油门变化率是0.4对应的y轴取值,正向小油门变化率对应的隶属度是0.3,正向大油门变化率对应的隶属度是0.1,反向大油门变化率、反向小油门变化率、无油门变化率对应的隶属度是0,得到的第二隶属度集合是{0,0,0,0.3,0.2}。
例如,油门变化率是-1.0,反向大油门变化率对应的油门变化率范围是-10~-1.5~-0.3,在该油门变化率隶属度曲线中,查找油门变化率-1.0对应的y轴取值,反向大油门变化率对应的隶属度是0.6,其他类型对应的隶属度是0,得到的第二隶属度集合是{0.6,0,0,0,0}。
步骤S105:基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图类别对应的第三隶属度集合;
其中,基于约定的确定规则,基于该第一隶属度集合和第二隶属度集合确定至少两种加速意图类别对应的第三隶属度集合。
其中,该第三隶属度集合中包含有该油门信息和油门变化率对应的多种加速意图类别对应的第三隶属度集合。
其中,后续实施例中会针对该过程进行详细的说明,本实施例中不做详述。
步骤S106:基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值;
其中,所述目标数值表征所当前的加速等级。
其中,控制器中预设有加速意图隶属度曲线,其中横坐标是加速等级,纵坐标是隶属度,其中,每个加速意图类别对应一个加速等级范围。
作为一个示例,该加速意图有4个类别,包括:无加速意图、缓加速意图、中加速意图和急加速意图,上述4个加速意图类别对应的加速等级范围的取值依次增大。
具体实施中,可用根据实际情况设置加速意图的类型个数,本申请中不对于加速意图的类型个数做限制。
其中,该目标数值表征了加速意图的强烈程度,该目标数值越大,表示加速意图越强烈。
作为一个示例,采用0~7范围的浮点数表示加速等级,无加速意图对应的加速等级是0~1、缓加速意图对应的加速等级是1~3、中加速意图对应的加速等级是3~5、急加速意图对应的加速等级是5~7。
需要说明的是,基于第三隶属度集合以及预设加速意图隶属度曲线确定目标数值的过程,是对加速意图进行的模糊化处理,再进行反模糊化处理,得到准确数值的过程。
需要说明的是,加速意图对应的加速等级之间不重叠,端点值所属的加速意图类型可设置,本申请中不对于每个端点所属的加速意图类型做限制。
其中,该急加速意图对应的加速等级最大值7是基于实车测试得出的。
步骤S107:基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
其中,该目标数值是表征了加速意图的强烈程度,具体是加速等级。
其中,各个加速意图类型对应的加速等级范围已知,只需确定该目标数值属于哪个加速等级范围,该加速等级范围对应的加速意图类别就是当前周期的加速意图类别。
如图4所示的是加速意图示意图,该示意图中加速意图类别是4个,分别为无加速意图、缓加速意图、中加速意图和急加速意图。其中,无加速意图对应的加速等级是0~Gz;缓加速意图对应的加速等级是Gs1~Gs2,取值范围的中间值是Gsc;中加速意图对应的加速等级是Gm1~Gm2,取值范围的中间值是Gmc;急加速意图对应的加速等级是Gb~7。其中,Gz<Gs1<Gs2<Gm1<Gm2<Gb。其中,该图4的示意图中,加速等级的最大值采用的7。
例如,目标数值是6,确定该目标数值所属的加速等级范围是5~7,对应的加速意图类别是急加速意图,确定当前周期的加速意图是急加速意图。
例如,该目标数值是2,确定该目标数值所属的加速等级范围是1~3,对应的加速意图类别是缓加速意图,确定当前周期的加速意图是缓加速意图。
综上,本实施例提供的一种加速意图的识别方法,按照约定周期获取对于车辆的油门信号,基于该油门信号计算油门变化率,基于预设油门隶属度曲线和预设油门变化率隶属度曲线,分别确定油门信号属于至少两个油门类别的第一隶属度集合以及门变化率属于至少两个油门变化率类别的第二隶属度集合,基于该第一隶属度集合和第二隶属度集合确定至少两种加速意图类别对应的第三隶属度集合,基于该第三隶属度集合以及预设加速意图隶属度曲线确定目标数值,并基于至少两种加速意图类别对应的加速等级范围,确定该目标数值所述的加速等级范围对应的类别作为当前周期的加速意图类别。本方案中,先分别确定车辆当前运行过程中的油门信息属于至少两个油门类别的第一隶属度和油门变化率属于至少两个油门变化率类别的第二隶属度,由于预设油门隶属度曲线中任意两个相邻油门类别的油门范围部分重叠以及预设油门变化率隶属度曲线中任意两个相邻油门变化率类别的油门变化率范围部分重叠,确定油门隶属度和油门变化率隶属度的过程是对于油门信号和油门变化率的模糊化处理,第三隶属度和预设加速意图隶属度曲线实现对于加速意图模糊化处理后进行反模糊化处理,得到表征当前的加速等级的目标数值,基于该目标数值可准确确定加速意图的类别,实现了准确识别驾驶员的加速意图,由于采用模糊识别,该识别过程具有较强的鲁棒性。
如图5所示的,为本申请提供的一种加速意图的识别方法实施例2的流程图,该方法包括以下步骤:
步骤S501:基于约定周期获取油门信号;
其中,步骤S501与实施例1中的步骤S101一致,本实施例中不做赘述。
步骤S502:对于所述油门信号进行预处理;
其中,在实际使用场景中,由于车辆中的信号干扰、传感器振动、整车抖动等多方因素的影响,油门信号会偶发出现跳变。此时,根据原始油门信号计算的油门变化率信号,无法真实反应驾驶员的加速意图。
因此,需要对油门信号进行预处理。
具体的,采用惯性滤波器对于油门信号进行实时的预处理,具体是进行滤波处理。
具体实施中,可用采用一阶、二阶、三阶惯性低通滤波器对于油门信号进行滤波处理。
三种惯性低通滤波器的最大时延差不多,基本都在90ms,性能相差不大。
但是,由于三阶惯性低通滤波器对于大于5Hz(赫兹)信号具有更好的衰减性能,能够滤除5Hz以上的信号,同时没有二阶低通滤波器的低频超调显现,因此优选三阶惯性低通滤波器进行处理。
具体实施中,5Hz以上的信号一般是由于电信号感染或者是其他的因素导致的高频杂波,需要滤除。
步骤S503:基于所述油门信号计算油门变化率;
步骤S504:基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合;
步骤S505:基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合;
步骤S506:基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图类别对应的第三隶属度集合;
步骤S507:基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值;
步骤S508:基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
其中,步骤S503-508与实施例1中的步骤S102-107一致,本实施例中不做赘述。
综上,本实施例提供的一种加速意图的识别方法中,还包括:对于获得的油门信号进行预处理,以滤除其中的杂波,预处理后的油门信号能够真实反应驾驶员的加速意图,保证后续的分析过程的依据准确。
如图6所示的,为本申请提供的一种加速意图的识别方法实施例3的流程图,该方法包括以下步骤:
步骤S601:基于约定周期获取油门信号;
步骤S602:基于所述油门信号计算油门变化率;
步骤S603:基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合;
步骤S604:基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合;
其中,步骤S601-604与实施例1中的步骤S101-104一致,本实施例中不做赘述。
步骤S605:获得至少两种加速意图对应的至少两个预设矩阵;
其中,针对不同的加速意图对应设置有相应的预设矩阵。
其中,矩阵的元素个数与油门类别和油门变化率类别相关。
其中,该预设矩阵中的行/列(或者列/行)的个数与油门类别/油门变化率类别的个数依次对应。
例如,油门类别是4个,油门变化率类别是5个,则矩阵是4×5或者5×4的矩阵。
具体的,定义某油门信号属于无油门、小油门、中油门和大油门这4个油门类别的隶属度是a、b、c、d,相应的油门变化率属于反向大油门变化率、反向小油门变化率、无油门变化率、正向小油门变化率和正向大油门变化率这5个油门变化率类别的隶属度是a’、b’、c’、d’和e’。
本实施例中,预设矩阵中的行与油门类别对应,列与油门变化率类别对应,得到的是4×5的矩阵。
例如,缓加速意图的矩阵如下:
步骤S606:将所述第一隶属度集合和所述第二隶属度集合分别代入所述至少两个预设矩阵,得到至少两个目标矩阵;
其中,在获得预设矩阵后,将第一隶属度集合和第二隶属度集合中的各个数据代入上述各个加速意图类型对应的预设矩阵中,即可得到多个有数值的目标矩阵,每个目标矩阵对应一个加速意图类型。
其中,目标矩阵中有多个元素,该多个元素中有0和非0的数据。
步骤S607:依次在每个加速意图对应的目标矩阵中选择满足预设条件的数值作为所述加速意图对应的第三隶属度,得到所述至少两种加速意图对应的第三隶属度集合;
其中,依次在各个加速意图对应的目标矩阵中选择满足预设条件的数值作为相应加速意图对应的第三隶属度,将各个加速意图对应的第三隶属度集合在一起,得到第三隶属度集合。
其中,预设条件可用是对于矩阵中分别按行和列取最大值,最终得到的值是第三隶属度的取值。
需要说明的是,该预设矩阵是基于模糊规则确定的,模糊规则是指模糊控制的输入和输出之间的一种对应关系。
该预设条件是基于模糊规则确定的输入输出之间的一个特定关系。
需要说明的是,模糊规则的运算一般涉及以下4种模糊逻辑。经过仿真及实车调试,最终可选取的模糊逻辑算法为:“And”与逻辑——prod(a*b),“Or”或逻辑——max,“Implication”蕴含逻辑——min,“Aggregation”聚合逻辑——max。因为一般在车载控制器傻瓜采用的软件一般是采用MATLAB/Simulink作作为建模工具,所以,为了建模简单,在本实施例中采用max的聚合逻辑。
当然,在具体实施中,也可以选择其他的计算规则,只需要调整相应的标定参数,可用调试得到相应的结果。
后续实施例中会针对生成预设矩阵的过程做详细说明,本实施例中不做详述。
步骤S608:基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值;
步骤S609:基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
其中,步骤S608-609与实施例1中的步骤S106-107一致,本实施例中不做赘述。
综上,本实施例提供的一种加速意图的识别方法中,获得至少两种加速意图对应的至少两个预设矩阵后,将第一隶属度集合和第二隶属度集合中的数值分别代入所述至少两个预设矩阵,得到至少两个目标矩阵,从该至少两个目标矩阵中分别选择满足预设条件的目标数值作为相应加速意图对应的第三隶属度,将各个加速意图对应的第三隶属度集合在一起得到第三隶属度集合,本实施例中,基于模糊逻辑确定的预设矩阵,基于预设矩阵以及第一隶属度集合和第二隶属度集合确定目标矩阵,基于目标矩阵确定第三隶属度集合,实现了基于模糊逻辑对于加速意图进行模糊化处理。
如图7所示的,为本申请提供的一种加速意图的识别方法实施例4的流程图,该方法包括以下步骤:
步骤S701:基于至少两个油门类别和至少两个油门变化率类别组合得到初始矩阵;
其中,所述初始矩阵的每个元素与任一加速意图类别对应,每个加速意图类别对应至少一种油门类别和油门变化率类别组合;
其中,本实施例中采用模糊逻辑计算确定多种加速意图的隶属度。
需要说明的是,模糊规则是指模糊控制的输入和输出之间的一种对应关系。
需要说明的是,模糊规则的运算一般涉及以下4种模糊逻辑。经过仿真及实车调试,最终可选取的模糊逻辑算法为:“And”与逻辑——prod(a*b),“Or”或逻辑——max,“Implication”蕴含逻辑——min,“Aggregation”聚合逻辑——max。
具体的,本实施例中,采用“And”与逻辑的模糊逻辑算法得到初始矩阵。
其中,油门类别和油门变化率类别组合得到初始矩阵的过程,是将油门类别对应的隶属度与油门变化率类别对应的隶属度经过模糊算法后的模糊规则得到初始矩阵。
其中,油门类别是4种,油门变化率是5种,则共有油门(4)×油门变化率(5)=模糊规则(20),相应的,该初始矩阵种有20个元素。
具体的,根据人的普遍认识以及工程驾驶经验,对每一类油门和油门变化率都进行相应的分类。
其中,定义油门的类别分别是无油门(Z)、小油门(S)、中油门(M)和大油门(B);定义油门变化率的类别分别是反向大油门变化率(NB)、反向小油门变化率(NS)、无油门变化率(Z)、正向小油门变化率(PS)和正向大油门变化率(PB);定义加速意图有4个类别,包括:无加速意图(Z)、缓加速意图(S)、中加速意图(M)和急加速意图(B)。
最终得到的模糊规则如下表1所示:
表1
例如,在本实施例中,缓加速意图,一共有6种情况可以对应到缓加速意图:①油门(Z)和油门变化率(PB),②油门(S)和油门变化率(NS),③油门(S)和油门变化率(Z),④油门(S)和油门变化率(PS),⑤油门(M)和油门变化率(NS),⑥油门(B)和油门变化率(NB)。
定义某油门信号属于无油门、小油门、中油门和大油门这4个油门类别的隶属度是a、b、c、d,相应的油门变化率属于反向大油门变化率、反向小油门变化率、无油门变化率、正向小油门变化率和正向大油门变化率这5个油门变化率类别的隶属度是a’、b’、c’、d’和e’。
相应的,得到的初始矩阵如下:
步骤S702:对于所述初始矩阵中的至少两个加速意图的类别赋值得到第一矩阵;
其中,不同类别赋予不同数值;
其中,为每个加速意图的类别赋值。
为了能够实时的对模糊规则进行修改,增强算法的通用性,用矩阵来表示模糊规则。
具体的,为每个加速意图类别赋予不同的值。
其中,无加速意图(Z)对应数值1,缓加速意图(S)对应数值2,中加速意图(M)对应数值3,急加速意图(B)对应数值4。
上表1可表示为:
其中,该第一矩阵用于表示与加速意图对应的模糊规则。
步骤S703:基于所述至少两个加速意图的类别中每个类别的赋值、所述第一矩阵以及所述初始矩阵,得到至少两个预设矩阵;
首先,将加速意图中每个类别的赋值与第一矩阵比较,得到该类别对应的至少一个油门和油门变化率的组合情况;然后,基于该组合情况与初始矩阵确定该加速意图对应的预设矩阵。
具体的,为无加速意图(Z)赋值1,缓加速意图(S)赋值2,中加速意图(M)赋值3,急加速意图(B)赋值4,分别将各个加速意图对应的数值与上述(3)比较,其中Aij是第i行第j列的元素,将其与加速意图对应的数值比对,如相等,得到1,若不相等得到0,得到的数值替换该Aij,将该第一矩阵中全部的元素比较完成后,得到一个新的矩阵,该矩阵中只有0和1两个数值,将该新的矩阵与上述的(2)进行矩阵的位乘运算,得到预设矩阵。
作为一个示例,以缓加速意图为例,该缓加速意图对应数值2与第一矩阵进行比较,如下:
将该矩阵(4)与(2)进行位乘运算,得到缓加速意图对应的预设矩阵如下:
步骤S704:基于约定周期获取油门信号;
步骤S705:基于所述油门信号计算油门变化率;
步骤S706:基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合;
步骤S707:基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合;
步骤S708:获得至少两种加速意图对应的至少两个预设矩阵;
步骤S709:将所述第一隶属度集合和所述第二隶属度集合分别代入所述至少两个预设矩阵,得到至少两个目标矩阵;
步骤S710:依次在每个加速意图对应的目标矩阵中选择满足预设条件的数值作为所述加速意图对应的第三隶属度,得到所述至少两种加速意图对应的第三隶属度集合;
步骤S711:基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值;
步骤S712:基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
其中,步骤S703-712与实施例6中的步骤S601-609一致,本实施例中不做赘述。
综上,本实施例提供的一种加速意图的识别方法中,包括:基于至少两个油门类别和至少两个油门变化率类别组合得到初始矩阵,所述初始矩阵的每个元素与任一加速意图类别对应,每个加速意图类别对应至少一种油门类别和油门变化率类别组合;对于所述初始矩阵中的至少两个加速意图的类别赋值得到第一矩阵,不同类别赋予不同数值;基于所述至少两个加速意图的类别中每个类别的赋值分别与所述第一矩阵以及所述初始矩阵比较,得到至少两个预设矩阵。本实施例中,基于油门类别和油门变化率类别组合得到初始矩阵,基于模糊逻辑计算确定初始矩阵中的每个元素与任一加速意图类别对应,基于该初始矩阵,为该初始矩阵中的每个加速意图类别赋值得到第一矩阵,然后,基于加速意图的类别对应的不同数值以及第一矩阵和初始矩阵,确定每个加速意图类别对应的预设矩阵,实现生成预设矩阵的过程,为后续对于识别加速意图的类别提供基础。
如图8所示的,为本申请提供的一种加速意图的识别方法实施例5的流程图,该方法包括以下步骤:
步骤S801:基于约定周期获取油门信号;
步骤S802:基于所述油门信号计算油门变化率;
步骤S803:基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合;
步骤S804:基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合;
步骤S805:基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图类别对应的第三隶属度集合;
其中,步骤S801-805与实施例1中的步骤S101-105一致,本实施例中不做赘述。
步骤S806:确定所述第三隶属度集合以及目标坐标轴与所述预设加速意图隶属度曲线组成的目标图形区域;
其中,所述目标坐标轴是加速等级范围所在的坐标轴。
其中,第三隶属度集合中包含每个加速意图类别对应的第三隶属度。
在预设加速意图隶属度曲线中,确定该第三隶属度集合以及目标坐标轴与该预设加速意图隶属度曲线组成的目标图形区域。
其中,该目标图形区域是由多个区域组成。
如图9所示的是加速意图隶属度曲线示意图,该示意图中加速意图类别是4个,分别为无加速意图、缓加速意图、中加速意图和急加速意图。其中,该加速意图隶属度曲线中,x轴表示加速等级,y轴表示隶属度,无加速意图对应的加速等级是0~Gz;缓加速意图对应的加速等级是Gs1~Gs2,取值范围的中间值是Gsc;中加速意图对应的加速等级是Gm1~Gm2,取值范围的中间值是Gmc;急加速意图对应的加速等级是Gb~7。其中,Gz<Gs1<Gs2<Gm1<Gm2<Gb。其中,该图4的示意图中,加速等级的最大值采用的7。
其中,第三隶属度集合中包含由上述4个加速意图类别对应的隶属度,分别为Lz(无加速意图)、Ls(缓加速意图)、Lm(中加速意图)和Lb(急加速意图)。其中,Lz与无加速意图曲线的交点为Gz1,Ls与缓加速意图曲线的交点为Gls1和Gls2,Lm与中加速意图曲线的交点为Glm1和Glm2,Lb与急加速意图曲线的交点为Gb1。其中,该图9中斜线填充区域为目标图形区域,该目标图形区域是由两个直角梯形和两个等腰梯形组成。
步骤S807:确定所述目标图形区域的目标重心,所述目标重心包括所述目标图形区域中至少一个图形的重心;
其中,采用面积重心法求取表征加速意图强烈程度的目标数值。
具体的,确定目标图形区域的目标重心,具体是确定该目标图形区域中每个直角三角形或梯形的重心。
步骤S808:基于所述目标重心确定目标数值;
其中,确定目标图形区域的面积以及该重心的横坐标,计算得到目标数值。
其中,面积重心法的原理如下:
其中,k即为目标数值。
上式(5)中,∫f(x)dx即为目标图形区域的面积,∫x·f(x)dx可用目标重心的横坐标与面积的乘积得到。
结合上述图9,∫f(x)dx的计算过程具体如下:
式(6)中,[Gz1,Gls1,Gls2,Glm1,Glm2,Gb1]通过曲线的解析计算得到:
其中,Gsc和Gmc分别是缓加速意图和中加速意图的三角形模糊化曲线中心点的横坐标。
结合上述图9,∫x·f(x)dx的计算过程具体如下:
综上,由式(6)和(8)可求得式(5),从而获取到最终输出的目标数值。
具体实施中,将各个字符代表的具体数值代入上述的公式(5)(6)和(8),即可得到目标数值。
步骤S809:基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
其中,步骤S809与实施例1中的步骤S101-107一致,本实施例中不做赘述。
综上,本实施例提供的一种加速意图的识别方法中,确定所述第三隶属度集合以及目标坐标轴与所述预设加速意图隶属度曲线组成的目标图形区域,所述目标坐标轴是加速等级范围所在的坐标轴;确定所述目标图形区域的目标重心,所述目标重心包括所述目标图形区域中至少一个图形的重心;基于所述目标重心确定目标数值。本实施例中,基于第三隶属度集合以及加速等级范围所在的坐标轴与预设加速意图隶属度曲线组成的目标图形区域,确定目标图形区域,基于该目标图形区域的重心确定目标数值,明确了确定目标数值的具体过程,实现对于模糊逻辑计算确定的至少两种加速意图类别分别对应的第三隶属度集合后进行反模糊处理确定目标数值,
如图10所示的,为本申请提供的一种加速意图的识别方法实施例6的流程图,该方法包括以下步骤:
步骤S1001:基于约定周期获取油门信号;
步骤S1002:基于所述油门信号计算油门变化率;
步骤S1003:基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合;
步骤S1004:基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合;
步骤S1005:基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图类别对应的第三隶属度集合;
步骤S1006:基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值;
步骤S1007:基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别;
其中,步骤S1001-1007与实施例1中的步骤S101-107一致,本实施例中不做赘述。
步骤S1008:若所述第一加速意图类别与上一周期的第二加速意图类别不同,判断所述目标数值是否属于所述第二加速意图类别对应的波动区间范围,得到判断结果;
需要说明的是,在实际运行中,由于连续输出不可避免会有一定的波动,在加速意图类别跳转的地方,也会产生一些跳变,而且因为油门和油门变化率的抖动及处理,以及算法本身的特性,在意图变化时可能存在数值的跳变。
因此,为了尽可能消除这些跳变,需要在确定了加速意图类别发生变化时,需要确定是否为跳变。
具体的,本实施例中采用滞回条件的判断。具体是在一定的波动区间范围内,加速意图类别不进行跳转,维持上一周期的加速意图类别。
其中,在基于该目标数值所属的第一加速等级范围对应的第一加速意图类别后,先确定该第一加速意图类别作为当前周期的加速意图类别,然后,判断上一周期的加速意图类别是哪种,如果也是第一加速意图类别,不做处理,直接执行后续的响应,如对于变速器换挡以及对于发动机输出扭矩进行修正等;如果上一周期的加速意图类别是与第一加速意图类别不同的第二加速意图类别,则执行步骤S1008。
其中,针对每个加速意图类别分别设置波动区间范围,该波动区间范围是略大于其对应的加速等级范围,而且,任意两个相邻的加速意图的波动区间范围是可用重叠的。
步骤S1009:若所述判断结果表征目标数值属于所述第二加速意图类别对应的波动区间范围,确定所述第二加速意图类别作为当前周期的加速意图类别;
其中,若该目标数值属于第二加速意图对应的波动区间范围,则将第二加速意图类别作为当前周期的加速意图类别。
例如,确定的目标数值是3.2,中加速意图是3~5,缓加速意图是1~3,确定当前周期的加速意图是中加速意图,而上一周期确定的加速意图是缓加速意图,二者不同,缓加速意图的波动区间范围是0.7~3.3,该目标数值3.2在缓加速意图的波动区间范围内,最终确定该缓加速意图作为当前周期的加速意图。
步骤S1010:若所述判断结果表征目标数值不属于所述第二加速意图类别对应的波动区间范围,确定所述第一加速意图类别作为当前周期的加速意图类别。
其中,若该目标数值不属于第二加速意图对应的波动区间范围,则该目标数值是仅属于第一加速意图对应的加速等级范围内且不属于第二加速意图对应的波动区间范围,则将第一加速意图类别作为当前周期的加速意图类别。
例如,确定的目标数值是4,中加速意图的加速等级范围是3~5,缓加速意图的加速等级范围是1~3,确定当前周期的加速意图是中加速意图,而上一周期确定的加速意图是缓加速意图,二者不同,缓加速意图的波动区间范围是0.7~3.3,该目标数值4在中加速意图的加速等级范围但未在缓加速意图的波动区间范围内,最终确定该中加速意图作为当前周期的加速意图。
综上,本实施例提供的一种加速意图的识别方法中,还包括:基于第一加速意图类别与上一周期的第二加速意图类别不同,进一步确定该目标数值是否属于所述第二加速意图类别对应的波动区间范围,若目标数值属于第二加速意图类别对应的波动区间范围,确定该第二加速意图类别作为当前周期的加速意图类别;若目标数值不属于第二加速意图类别对应的波动区间范围,确定该第一加速意图类别作为当前周期的加速意图类别。本实施例中,在一定的波动区间范围内,加速意图类别不进行跳转,维持上一周期的加速意图类别,防止出现加速意图类别的跳变。
与上述本申请提供的一种加速意图的识别方法实施例相对应的,本申请还提供了应用该加速意图的识别方法的场景。
其中,在本场景中分别有应用本申请中提供的加速意图的识别方法的处理器以及采用现有技术中分类查表方法的处理器。
如图11所示的,是采用本申请中提供的一种加速意图的识别方法的处理器的软件架构示意图,包括:信号预处理1101、模糊化处理1102、模糊规则矩阵1103、模糊逻辑计算1104、反模糊化处理1105以及信号后处理1106共6个对应不同识别阶段的组成部分。
其中,信号预处理阶段,对于从CAN获得的油门信号进行滤波处理,并确定油门变化率;
其中,模糊化处理阶段,采用预设油门隶属度曲线对于滤波后的油门信号进行模糊化处理,得到油门隶属度,以及采用预设油门变化率隶属度曲线对于油门变化率进行模糊化处理,得到油门变化率隶属度。
其中,模糊规则矩阵阶段,基于设置的模糊规则确定不同加速意图类别对应的预设矩阵。
其中,模糊逻辑计算阶段,基于油门隶属度和油门变化率隶属度确定每个加速意图的隶属度;
其中,反模糊化处理阶段,基于加速意图隶属度曲线以及每个加速意图的隶属度,确定表征加速意图强烈程度的数值(目标数值);
其中,信号后处理阶段,基于该数值先确定一初始加速意图,引入滞回条件,在一定的波动区间范围内,加速意图类别不进行跳转,维持上一周期的加速意图类型,确定最终的加速意图。
如图12所示的是实车验证数据示意图,图中包括油门开度(dPct)、油门变化率(dPcts)、采用本申请中的加速意图识别方法(简称模糊控制)得到的加速类别和分类查表方法得到的加速类别。
实车验证的路况复杂,且驾驶员驾驶的风格偏激进一些,因此油门的变化较多,且变化更快。
分析该图12可用得出如下结果:
(1)分类查表算法得到的加速意图都是缓加速(Pedal On),在很多工况下,实际上应该有加速意图的情况下,算法并未有效地判断出,准确率上存在问题。
(2)模糊控制算法得到的加速意图有缓加速和中加速,与分类查表算法仅识别出缓加速相比,识别的意图种类更多,更贴近实际驾驶员的想法;另一方面,几乎每一次油门的变化都能识别出相应的加速意图,准确率上也表现的更为优秀。
对于上述实车验证数据进行统计分析,得到如下表2实车验证数据加速意图识别表现汇总表所示结果:
表2
分类查表 | 模糊控制 | 结果 | |
待识别意图总数 | 39 | 39 | |
有识别结果总数 | 17 | 39 | 提高至100%可识别 |
准确识别总数 | 17(含较准确) | 37(不含较准确) | |
准确识别占比 | 43.6% | 94.9% | 准确率大幅提高 |
平均识别时间(ms) | 117 | 19 | 时间缩短83.8% |
由上表所示数据可以直观的看到,测试数据中,无论是加速意图识别的准确率还是快速性,模糊控制都明显优于现有的分类查表算法:
(1)快速性:据实测数据统计,相较于传统的分类查表算法,本申请的算法策略在识别时间上平均缩短83.8%,识别速度大幅提升;
(2)准确性1:在复杂工况下,加速意图多变,传统分类查表算法的平均识别准确率在43.6%左右,本申请的算法策略识别准确率为94.9%,识别准确率上大幅提升约50%;
(3)准确性2:在识别准确率提升的基础上,识别出的加速意图分类更多(2变4),主观上可以更为准确地体现驾驶员的真实意图。
与上述本申请提供的一种加速意图的识别方法实施例相对应的,本申请还提供了应用该加速意图的识别方法的装置实施例。
如图13所示的为本申请提供的一种加速意图的识别装置实施例的结构示意图,该装置包括以下结构:获取模块1301、计算模块1302、第一类别确定模块1303、第二类别确定模块1304、集合确定模块1305、目标数值确定模块1306和第三类别确定模块1307;
其中,该获取模块1301,用于基于约定周期获取油门信号;
其中,该计算模块1302,用于基于所述油门信号计算油门变化率;
其中,该第一类别确定模块1303,用于基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合,所述预设油门隶属度曲线中任意两个相邻油门类别的油门范围部分重叠;
其中,该第二类别确定模块1304,用于基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合,所述预设油门变化率隶属度曲线中任意两个相邻油门变化率类别的油门变化率范围部分重叠;
其中,该集合确定模块1305,用于基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图类别对应的第三隶属度集合;
其中,该目标数值确定模块1306,用于基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值,所述目标数值表征所当前的加速等级;
其中,该第三类别确定模块1307,用于基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
可选的,还包括:
滤波模块,用于对于所述油门信号进行预处理。
可选的,集合确定模块,包括:
获得单元,用于获得至少两种加速意图对应的至少两个预设矩阵;
代入单元,用于将所述第一隶属度集合和所述第二隶属度集合分别代入所述至少两个预设矩阵,得到至少两个目标矩阵;
选择单元,用于依次在每个加速意图对应的目标矩阵中选择满足预设条件的数值作为所述加速意图对应的第三隶属度,得到所述至少两种加速意图对应的第三隶属度集合。
可选的,,还包括:
预设矩阵生成模块,用于基于至少两个油门类别和至少两个油门变化率类别组合得到初始矩阵,所述初始矩阵的每个元素与任一加速意图类别对应,每个加速意图类别对应至少一种油门类别和油门变化率类别组合;对于所述初始矩阵中的至少两个加速意图的类别赋值得到第一矩阵,不同类别赋予不同数值;基于所述至少两个加速意图的类别中每个类别的赋值、所述第一矩阵以及所述初始矩阵,得到至少两个预设矩阵。
可选的,目标数值确定模块,包括:
第一确定单元,用于确定所述第三隶属度集合以及目标坐标轴与所述预设加速意图隶属度曲线组成的目标图形区域,所述目标坐标轴是加速等级范围所在的坐标轴;
第二确定单元,用于确定所述目标图形区域的目标重心,所述目标重心包括所述目标图形区域中至少一个图形的重心;
第三确定单元,用于基于所述目标重心确定目标数值。
可选的,还包括:
判断模块,用于若所述第一加速意图类别与上一周期的第二加速意图类别不同,判断所述目标数值是否属于所述第二加速意图类别对应的波动区间范围,得到判断结果;
第四类别确定单元,若所述判断结果表征目标数值属于所述第二加速意图类别对应的波动区间范围,确定所述第二加速意图类别作为当前周期的加速意图类别;若所述判断结果表征目标数值不属于所述第二加速意图类别对应的波动区间范围,确定所述第一加速意图类别作为当前周期的加速意图类别。
需要说明的是,本实施例中提供的一种加速意图的识别装置中各个组成结构的功能解释,请参考前述方法实施例中的解释,本实施例中不做赘述。
综上,本实施例提供的一种加速意图的识别方法中,分别确定车辆当前运行过程中的油门信息属于至少两个油门类别的第一隶属度和油门变化率属于至少两个油门变化率类别的第二隶属度,由于预设油门隶属度曲线中任意两个相邻油门类别的油门范围部分重叠以及预设油门变化率隶属度曲线中任意两个相邻油门变化率类别的油门变化率范围部分重叠,确定油门隶属度和油门变化率隶属度的过程是对于油门信号和油门变化率的模糊化处理,第三隶属度和预设加速意图隶属度曲线实现对于加速意图模糊化处理后进行反模糊化处理,得到表征当前的加速等级的目标数值,基于该目标数值可准确确定加速意图的类别,实现了准确识别驾驶员的加速意图,由于采用模糊识别,该识别过程具有较强的鲁棒性。
与上述本申请提供的一种加速意图的识别方法实施例相对应的,本申请还提供了与该加速意图的识别方法相应的电子设备以及可读存储介质。
其中,该电子设备,包括:存储器、处理器;
其中,存储器存储有处理程序;
所述处理器用于加载并执行所述存储器存储的所述处理程序,以实现如上述任一项所述的加速意图的识别方法的各步骤。
具体实施中,该电子设备具体是车载控制器。
具体该电子设备的实现加速意图的识别方法,参考前述加速意图的识别方法实施例即可。
其中,该可读存储介质,其上存储有计算机程序,所述计算机程序被处理器调用并执行,实现如上述任一项所述的加速意图的识别方法的各步骤。
具体该可读存储介质存储的计算机程序执行实现加速意图的识别方法,参考前述加速意图的识别方法实施例即可。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例提供的装置而言,由于其与实施例提供的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所提供的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所提供的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种加速意图的识别方法,其特征在于,包括:
基于约定周期获取油门信号;
基于所述油门信号计算油门变化率;
基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合,所述预设油门隶属度曲线中任意两个相邻油门类别的油门范围部分重叠;
基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合,所述预设油门变化率隶属度曲线中任意两个相邻油门变化率类别的油门变化率范围部分重叠;
基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图类别对应的第三隶属度集合;
基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值,所述目标数值表征所当前的加速等级;
基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
2.根据权利要求1所述的方法,其特征在于,所述基于约定周期获取油门信号之后,所述基于所述油门信号计算油门变化率之前,还包括:
对于所述油门信号进行滤波处理。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图对应的第三隶属度集合,包括:
获得至少两种加速意图对应的至少两个预设矩阵;
将所述第一隶属度集合和所述第二隶属度集合分别代入所述至少两个预设矩阵,得到至少两个目标矩阵;
依次在每个加速意图对应的目标矩阵中选择满足预设条件的数值作为所述加速意图对应的第三隶属度,得到所述至少两种加速意图对应的第三隶属度集合。
4.根据权利要求3所述的方法,其特征在于,所述基于约定周期获取油门信号之前,还包括:
基于至少两个油门类别和至少两个油门变化率类别组合得到初始矩阵,所述初始矩阵的每个元素与任一加速意图类别对应,每个加速意图类别对应至少一种油门类别和油门变化率类别组合;
对于所述初始矩阵中的至少两个加速意图的类别赋值得到第一矩阵,不同类别赋予不同数值;
基于所述至少两个加速意图的类别中每个类别的赋值、所述第一矩阵以及所述初始矩阵,得到至少两个预设矩阵。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值,包括:
确定所述第三隶属度集合以及目标坐标轴与所述预设加速意图隶属度曲线组成的目标图形区域,所述目标坐标轴是加速等级范围所在的坐标轴;
确定所述目标图形区域的目标重心,所述目标重心包括所述目标图形区域中至少一个图形的重心;
基于所述目标重心确定目标数值。
6.根据权利要求1所述的方法,其特征在于,所述基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别之后,还包括:
若所述第一加速意图类别与上一周期的第二加速意图类别不同,判断所述目标数值是否属于所述第二加速意图类别对应的波动区间范围,得到判断结果;
若所述判断结果表征目标数值属于所述第二加速意图类别对应的波动区间范围,确定所述第二加速意图类别作为当前周期的加速意图类别;
若所述判断结果表征目标数值不属于所述第二加速意图类别对应的波动区间范围,确定所述第一加速意图类别作为当前周期的加速意图类别。
7.一种加速意图的识别装置,其特征在于,包括:
获取模块,用于基于约定周期获取油门信号;
计算模块,用于基于所述油门信号计算油门变化率;
第一类别确定模块,用于基于预设油门隶属度曲线,确定所述油门信号属于至少两个油门类别的第一隶属度集合,所述预设油门隶属度曲线中任意两个相邻油门类别的油门范围部分重叠;
第二类别确定模块,用于基于预设油门变化率隶属度曲线,确定所述油门变化率属于至少两个油门变化率类别的第二隶属度集合,所述预设油门变化率隶属度曲线中任意两个相邻油门变化率类别的油门变化率范围部分重叠;
集合确定模块,用于基于所述第一隶属度集合和所述第二隶属度集合,确定至少两种加速意图类别对应的第三隶属度集合;
目标数值确定模块,用于基于所述第三隶属度集合以及预设加速意图隶属度曲线,确定目标数值,所述目标数值表征所当前的加速等级;
第三类别确定模块,用于基于所述至少两种加速意图类别对应的加速等级范围,确定所述目标数值所属的第一加速等级范围对应的第一加速意图类别作为当前周期的加速意图类别。
8.根据权利要求7所述的装置,其特征在于,还包括:
滤波模块,用于对于所述油门信号进行预处理。
9.一种电子设备,其特征在于,
其中,该电子设备,包括:存储器、处理器;
其中,存储器存储有处理程序;
所述处理器用于加载并执行所述存储器存储的所述处理程序,以实现如权利要求1-7任一项所述的加速意图的识别方法的各步骤。
10.一种可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器调用并执行,实现如权利要求1-7任一项所述的加速意图的识别方法的各步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211329175.8A CN117984773A (zh) | 2022-10-27 | 2022-10-27 | 加速意图的识别方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211329175.8A CN117984773A (zh) | 2022-10-27 | 2022-10-27 | 加速意图的识别方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117984773A true CN117984773A (zh) | 2024-05-07 |
Family
ID=90901515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211329175.8A Pending CN117984773A (zh) | 2022-10-27 | 2022-10-27 | 加速意图的识别方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117984773A (zh) |
-
2022
- 2022-10-27 CN CN202211329175.8A patent/CN117984773A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113010967B (zh) | 一种基于混合交通流模型的智能汽车在环仿真测试方法 | |
US6208981B1 (en) | Circuit configuration for controlling a running-gear or drive system in a motor vehicle | |
CN107291972B (zh) | 基于多源数据挖掘的汽车智能驾驶***有效性评价方法 | |
JPH0698903B2 (ja) | 車両走行制御装置 | |
US7640148B2 (en) | Method of modeling vehicle parameter cycles | |
WO2022257377A1 (zh) | 一种基于模糊神经网络的自动换挡控制方法 | |
CN109033643A (zh) | 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法 | |
CN108240465B (zh) | 车辆的驾驶员类型识别方法 | |
CN114889613A (zh) | 一种车辆驾驶控制方法、装置及车辆 | |
CN112158208A (zh) | 一种无人驾驶汽车动态障碍物避撞的方法和*** | |
Fu et al. | Gear shift optimization for off-road construction vehicles | |
JP3107752B2 (ja) | 車両の運転指向推定装置および車両の駆動力制御装置 | |
CN114384916A (zh) | 一种越野车路径规划的自适应决策方法及*** | |
CN117984773A (zh) | 加速意图的识别方法、装置、电子设备和可读存储介质 | |
CN108520096B (zh) | 一种汽车行驶最优速度估算方法 | |
CN116442799A (zh) | 一种车辆的扭矩分配的控制方法及装置 | |
KR20200072268A (ko) | 차량 운행 패턴 결정 방법 | |
KR100384282B1 (ko) | 병렬형 하이브리드 차량의 다중모드 주행제어방법 | |
CN112507518B (zh) | 一种用户综合油耗计算方法和装置 | |
CN104653760A (zh) | Amt变速器换挡控制方法、控制装置及amt变速器 | |
CN108733944B (zh) | 方向盘抖振性能的评价方法及装置 | |
KR100569139B1 (ko) | 하이브리드 전기 차량의 모터 보조 제어방법 | |
CN114954495B (zh) | 商用车质量估算方法、电子设备和存储介质 | |
CN113525535B (zh) | 一种基于模糊控制的驾驶室半主动悬置控制方法及装置 | |
JPH10246325A (ja) | 目標変速比および目標変速段決定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |