[发明专利]一种基于竞争型神经网络判断油门误踩的方法

说明书

技术领域

本发明涉及神经网络领域，具体涉及利用竞争型神经网络判断油门误踩的方法。

背景技术

随着社会的发展，人民生活水平不断提高，汽车越来越多的走进了百姓家庭。汽车驾驶的安全问题也日益凸显，尤其是司机在驾驶过程中发生误操作而导致的交通事故时有发生，引起了社会的高度关注。

就目前市面上的汽车结构布局来说，汽车油门踩板和刹车制动踩板都是由一只脚交替实现控制的，这容易造成驾驶员在紧急情况下误把油门踩板当成刹车制动踩板使用，从而引发交通事故。

在现有技术中，也有一些防止司机刹车时误踩油门的专利，比如公开号CN201240369所公布的一种误踩油门紧急制动机构，通过机械传动的方式进行刹车制动，反应速度较慢。也有通过电气控制刹车制动的，比如论文”误踩油门自动刹车系统制动执行装置设计”,以加速度的值作为判断是否误踩油门的检测信号。在油门踩板处设置一个加速度传感器，踩油门时，当油门踩板加速度大于设定的临界值时，则判定此操作为误踩油门。对加速度的判断是以临界加速度为标准来判断的，但是临界加速度在某些程度上不一定能体现出误踩油门的加速度大小，可能在某些时候不是误踩油门，加速度却达到了临界加速度，因此，在这种情况下，系统容易出现误报警。论文“制动误踩油门电子制动控制系统”以两个条件作为误踩油门的判断标准：①加在油门踩板上的踩踩力度较大，油门踩板运动速度(或加速度)较大；②油门踩板到最底位置。该方法要求必须达到油门踩板的最底位置，必然造成判断的迟缓，对装置的实用性影响很大。

针对上述缺陷，本发明提出了一种基于竞争型神经网络判断油门误踩的方法，通过采集大量的正常踩油门和误踩油门情况下油门传感器信号的幅度变化曲线样本，将油门传感器信号的幅度和该幅度对应时间T0时间内的变化速度作为输入样本，构建包括两个神经元的竞争型神经网络进行自分类，得到训练好的工作网络，并据此计算出误踩油门的幅度及变化速度阈值表，在车辆运行中，实时采集当前踩油门的幅度及变化速度，并对照幅度及变化速度阈值表进行误踩油门的判断。该方法解决了现有技术中判断迟缓以及容易误判的技术问题，能够及早且准确判断油门是否误踩，极大降低事故发生的可能性。

发明内容

本发明通过提供一种基于竞争型神经网络判断油门误踩的方法，以解决现有技术中不能及早、准确的判断油门是否误踩的技术问题。

为解决上述技术问题，本发明所采用的具体技术方案如下：

一种基于竞争型神经网络判断油门误踩的方法，其关键在于，按照以下步骤进行：

步骤S1：初始化，设置时间T0、变化步进Ta以及变化范围T；

步骤S2：采集正常踩油门和误踩油门情况下油门传感器信号的幅度变化曲线样本；

步骤S3：将油门传感器信号的幅度和该幅度对应T0时间内的变化速度作为输入样本；

步骤S4：构建包括两个神经元的竞争型神经网络进行自分类；

步骤S5：判断分类正确率是否满足要求，如满足，则将该网络模型参数送入备选神经网络库中，并进入步骤S6；否则，直接进入步骤S6；

步骤S6：设置时间T0＝T0+Ta，并判断T0是否在(0，T)范围内；如果是，返回步骤S3继续进行，否则进入步骤S7；

步骤S7：计算备选神经网络库中各个模型的样本区分度系数和系统区分度系数，并将系统区分度系数最大的神经网络作为工作网络模型；其中：

样本区分度系数定义为：k₀＝||d₁|-|d₂||/max(|d₁|,|d₂|)；

系统区分度系数定义为：k＝min(k₀)；

表示输入样本(x,y)到神经元(w₁₁,w₂₁,b₁)的距离；

表示输入样本(x,y)到神经元(w₁₂,w₂₂,b₂)的距离；

x为输入的信号幅度，y为该幅度对应T0时间内的变化速度，(w₁₁,w₂₁,b₁)与(w₁₂,w₂₂,b₂)为竞争型神经网络训练出的网络模型参数；

步骤S8：根据步骤S7所选择出的工作网络模型的网络参数，计算误踩油门的幅度及变化速度阈值表，并按照该表进行误踩油门判断，计算备选神经网络。