详情

原文传递智能网联混合动力汽车主动避撞增强学习控制系统和方法

专利名称：	智能网联混合动力汽车主动避撞增强学习控制系统和方法
摘要：	智能网联混合动力汽车主动避撞增强学习控制系统和方法，涉及汽车智能安全与辅助驾驶。所述系统包括数据感知模块、功能定义模块、主动避撞模块、控制信号转换模块和执行模块。数据感知模块获得车联网和智能交通中的信息输入；功能定义模块对获取的信息进行安全状态判断；增强信号模块将车辆状态和增强信号发送到主动避撞模块；增强学习模块根据获得的车辆状态和增强信号，确定自车期望加速度并发送至控制信号转换模块，控制信号转换模块将增强学习模块求得的最优期望加速度转化为期望节气门开度、期望电机转速以及期望制动踏板压力等信号分别发送给执行器；执行器根据获得的信号进行相应的动作。具有计算迅速、控制精确、反应灵敏等优点。
专利类型：	发明专利
国家地区组织代码：	福建;35
申请人：	厦门大学
发明人：	郭景华;王班;王进;李文昌
专利状态：	有效
申请日期：	2019-06-21T00:00:00+0800
发布日期：	2019-09-03T00:00:00+0800
申请号：	CN201910542034.6
公开号：	CN110194156A
代理机构：	厦门南强之路专利事务所(普通合伙)
代理人：	马应森
分类号：	B60W30/09(2012.01);B;B60;B60W;B60W30
申请人地址：	361005 福建省厦门市思明南路422号
主权项：	1.智能网联混合动力汽车主动避撞增强学习控制系统，其特征在于设有数据感知模块、功能定义模块、主动避撞模块和执行模块；所述数据感知模块包括无线通信设备、车载信息采集器和车载传感器；无线通信设备用于获得车联网和智能交通中的信息，车载信息采集器用于获取车辆周边信息，车载传感器用于收集自身车辆信息，数据感知模块的输出端接功能定义模块的输入端；所述功能定义模块包括安全状态判断模块和增强信号模块，所述安全状态判断模块用于根据当前获取信息进行安全状态判断，计算当前安全状态下车辆应该保持的安全距离；所述增强信号模块用于产生增强信号；所述安全状态判断模块的输出端接增强信号模块的输入端，增强信号模块的输出端接主动避撞模块的输入端；所述主动避撞模块为增强学习模块，增强学习模块包括动作神经网络和评价神经网络，动作神经网络用于接收智能网联混合动力车状态和增强信号，并确定自车期望加速度输出至评价神经网络；评价神经网络用于对接收到的自车期望加速度进行评价，预测当前的自车期望加速度的价值，并根据增强信号对评价神经网络进行更新；增强学习模块的动作神经网络输出端接控制信号转换模块的输入端；控制信号转换模块用于将增强学习模块求得的最优期望加速度转化为期望节气门开度、期望电机转速以及期望制动踏板压力信号分别发送给执行模块的相应执行器，实现对混合动力车的控制；所述执行模块用于根据接收到的信号对智能网联混合动力车进行相应的动作控制。 2.如权利要求1所述智能网联混合动力汽车主动避撞增强学习控制系统，其特征在于所述无线通信设备采用专用短距离通信、蓝牙、蜂窝网。 3.如权利要求1所述智能网联混合动力汽车主动避撞增强学习控制系统，其特征在于所述执行器包括发动机执行器、电机执行器以及制动执行器。 4.智能网联混合动力汽车主动避撞增强学习控制方法，其特征在于包括以下步骤： 1)数据感知模块通过无线通信设备获得车联网和智能交通中的信息，然后将获取的信息输入到功能定义模块； 2)功能定义模块中的安全状态判断模块对获取的信息进行安全状态判断，计算当前安全状态下，车辆应该保持的安全距离；增强信号模块将车辆状态和增强信号发送到主动避撞模块； 3)主动避撞模块中的增强学习模块采用Actor-Critic增强学习算法，根据获得的车辆状态和增强信号，确定自车期望加速度； 4)将增强学习模块确定的自车期望加速度发送至控制信号转换模块，控制信号转换模块将增强学习模块求得的最优期望加速度转化为期望节气门开度信号、期望电机转速信号以及期望制动踏板压力信号； 5)将计算获得的期望节气门开度信号、期望电机转速信号以及期望制动踏板压力信号分别发送给发动机执行器、电机执行器以及制动执行器，执行模块的相应执行器根据获得的信号进行相应的动作。 5.如权利要求4所述智能网联混合动力汽车主动避撞增强学习控制方法，其特征在于在步骤1)中，所述获取的信息包括但不限于自身车辆的位置、自身车辆车速与加速度、前方车辆的位置、前方车辆车速与加速度。 6.如权利要求4所述智能网联混合动力汽车主动避撞增强学习控制方法，其特征在于在步骤2)中，所述安全状态包括自适应巡航跟驰状态、驾驶员制动状态、系统紧急制动状态。 7.如权利要求4所述智能网联混合动力汽车主动避撞增强学习控制方法，其特征在于在步骤2)中，所述增强信号依据期望安全距离与实际车距之间的偏差幅度、制动加速度、制动时间。 8.如权利要求4所述智能网联混合动力汽车主动避撞增强学习控制方法，其特征在于在步骤3)中，所述Actor-Critic增强学习算法包括动作神经网络和评价神经网络，增强学习算法优化部分为遗传算法代替原有的误差反向传播算法对动作神经网络权值进行更新；所述动作神经网络用于输入智能网联混合动力车的状态和增强信号，输出自车期望加速度；所述评价神经网络用于对动作神经网络确定的自车期望加速度进行评价，预测当前的自车期望加速度的价值，根据增强信号对动作神经网络进行更新。 9.如权利要求8所述智能网联混合动力汽车主动避撞增强学习控制方法，其特征在于所述遗传算法代替原有的误差反向传播算法对动作神经网络权值进行更新的具体方法为：先计算评价神经网络的损失函数，将损失函数作为遗传算法的适应度函数，再对动作神经网络的初始权值进行编码作为遗传算法的初始种群，通过遗传算法计算获得适应度最高的个体，经过种群的遗传、交叉、变异最终选择适应度最高的个体进行解码，适应度最高的个体表现型作为动作神经网络下一次更新的神经网络的权值。
所属类别：	发明专利