[发明专利]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

权利要求书

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、控制信号转换模块和执行模块；

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，根据纯电动模式的临界速度、发动机开启的最低转矩，制定切换控制标准，根据切换控制标准确定是进行驱动或者制动；控制信号转换模块还利用混合动力车能量管理策略，根据增强学习模块求解的最优加速度，求解当前车辆状态下的发动机、电机以及制动器的分配力矩，根据发动机、电机以及制动器的逆模型求出期望节气门开度、期望电机转速以及期望制动踏板压力，并将该信号发送给执行模块；

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；

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；

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；

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，根据纯电动模式的临界速度、发动机开启的最低转矩，制定切换控制标准，根据切换控制标准确定是进行驱动或者制动；控制信号转换模块还利用混合动力车能量管理策略，根据增强学习模块求解的最优加速度，求解当前车辆状态下的发动机、电机以及制动器的分配力矩，根据发动机、电机以及制动器的逆模型求出期望节气门开度、期望电机转速以及期望制动踏板压力，并将该信号发送给执行模块；

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。