[发明专利]一种对驾驶人制动意图进行辨识的GHMM/GGAP-RBF混合模型及辨识方法有效
| 申请号： | 201910530742.8 | 申请日： | 2019-06-19 |
| 公开（公告）号： | CN110386144B | 公开（公告）日： | 2020-09-08 |
| 发明（设计）人： | 王姝;赵轩;朱国华;余强;张硕;周辰雨;史培龙 | 申请（专利权）人： | 长安大学 |
| 主分类号： | B60W40/08 | 分类号： | B60W40/08;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 西安恒泰知识产权代理事务所 61216 | 代理人： | 李婷;祁凡雨 |
| 地址： | 710064 陕西省*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种对驾驶人制动意图进行辨识的GHMM/GGAP‑RBF混合模型及辨识方法，将GHMM与广义生长剪枝径向基函数(GGAP‑RBF)神经网络模型结合，构造基于GHMMGGAP‑RBF混合模型的驾驶人制动意图识别模型，可以克服GHMM本身难以解决的模式类别间的相互重叠问题，不再以状态累计概率最大作为制动意图的判别依据，增加小概率事件发生的可能；同时弥补神经网络在获取时序信息方面的不足，提高驾驶人制动意图识别的准确率。 | ||
| 搜索关键词： | 一种 驾驶人 制动 意图 进行 辨识 ghmm ggap rbf 混合 模型 方法 | ||
【主权项】：
1.一种针对驾驶人制动意图进行辨识的GHMM/GGAP‑RBF混合模型，其特征在于，该混合模型包括底层GHMM模型和顶层GGAP‑RBF模型；所述底层GHMM模型的输入值为车速及驾驶人不同制动意图下踩下踏板阶段产生的制动踏板位移值、制动踏板位移变化率值和制动踏板力值，输出值为状态累积概率，每一种制动意图对应产生一个状态累积概率；以底层GHMM模型的输出值全部作为顶层GGAP‑RBF模型的输入值对顶层GGAP‑RBF模型进行离线训练，即得到GHMM/GGAP‑RBF混合模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长安大学，未经长安大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910530742.8/，转载请声明来源钻瓜专利网。
