[发明专利]一种基于深度神经网络的车身姿态稳定方法和系统

权利要求书

1.一种基于深度神经网络的车身姿态稳定方法，其特征在于：包括以下步骤，

采集模块(100)采集实车驾驶过程中在各种模拟车身姿态下产生的传感数据，并和产生的模拟控制参数共同生成训练数据集，以及包括模拟控制参数的生成步骤；

构建深度神经网络模型，所述深度神经网络模型由四层全连接层和激活层搭建，其每一层都是一个数字矩阵，且每层之间为矩阵的相乘；

所述训练数据集输入至所述深度神经网络模型进行学习训练，通过加入调试大量的不同的对于车身底层控制参数组合，挑选出来的所述底层控制参数作为所述模型的输出，车身当时的工况以及控制意图作为所述模型的输入，放在搭建的所述神经网络模型中进行训练，获得训练后具有内部固定参数的预测神经网络模型；

假设有一组包含m个样本的训练数据{(x⁽¹⁾，y⁽¹⁾)，...，(x^(m)，y^(m))}，则可以用批量梯度下降算法来训练多层神经网络，基于二范数在一定程度上给出了预测值和真实值的量化差异，对于所述样本，目标函数定义如下式所示：

车辆实际正常驾驶过程中采集模块(100)将产生的实际数据输入至所述预测神经网络模型中，输出车辆的实际控制参数；

分别定义Δw^(l)和Δb^(l)，为连接第l层和第l+1层的权值微调矩阵和偏移量微调向量，首先将二者初始化：Δw^(l)＝0，Δb^(l)＝0；每次迭代训练完成后更新这两个微调参数，直至多轮迭代覆盖到所有训练样本：

使用微调计算结果调整所述控制参数：

车身控制模块(200)根据输出的所述实际控制参数下发至车身上的相应控制部件，对车辆的车身姿态进行稳定控制。

2.如权利要求1所述的基于深度神经网络的车身姿态稳定方法，其特征在于：使用IMU、车速传感器或车身摆动传感器检测车身姿态的传感器在实车采集各种驾驶的所述传感数据，通过车辆在各种路面进行变速度、转向和制动行驶，并采集实时的各种传感器的数据。

3.如权利要求1或2所述的基于深度神经网络的车身姿态稳定方法，其特征在于：包括模拟控制参数的产生步骤，

仿真环境中，通过不同的控制意图让仿真车辆通过不同的路面；

在原有的控制意图的基础上，加入不同的车身底层控制参数组合；

挑选出使车身稳定的底层控制参数作为模拟控制参数。

4.如权利要求3所述的基于深度神经网络的车身姿态稳定方法，其特征在于：所述深度神经网络模型的输出为所述模拟控制参数，车身各种姿态的工况和原有的控制意图作为所述深度神经网络模型的输入放入搭建的所述深度神经网络模型中进行训练。

5.如权利要求4所述的基于深度神经网络的车身姿态稳定方法，其特征在于：所述深度神经网络模型由全连接层和激活层搭建，输入的接口数量根据传感器输入的参数数量决定，且输出的接口数量根据下达的控制指令数量决定。

6.如权利要求4或5所述的基于深度神经网络的车身姿态稳定方法，其特征在于：所述深度神经网络模型训练还包括精度控制，当预测的控制参数与对标参数的均方根误差小于设定的阈值时，视为模型精度较高，则对应训练后的所述预测神经网络模型能够使用。

7.如权利要求6所述的基于深度神经网络的车身姿态稳定方法，其特征在于：所述对标参数为深度神经网络模型训练时的作为输出的参数，参数是挑选出的能够辅助稳定车身姿态的控制参数，当训练过程中模型输出的参数无限接近于挑选出的能够辅助稳定车身姿态的控制参数时，即认定模型训练完成。