CN115345057B 一种基于数据驱动的车辆事故减缓方法、系统、设备及介质 （长沙理工大学）_第1页
CN115345057B 一种基于数据驱动的车辆事故减缓方法、系统、设备及介质 （长沙理工大学）_第2页
CN115345057B 一种基于数据驱动的车辆事故减缓方法、系统、设备及介质 （长沙理工大学）_第3页
CN115345057B 一种基于数据驱动的车辆事故减缓方法、系统、设备及介质 （长沙理工大学）_第4页
CN115345057B 一种基于数据驱动的车辆事故减缓方法、系统、设备及介质 （长沙理工大学）_第5页
已阅读5页，还剩20页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种基于数据驱动的车辆事本发明可以提高事故无法避免的极端情况下车2步骤S30使用预先训练好的事故损伤程度预测模型进行事故损伤预测；所述事故损伤采用随机采样或基于分布曲线采样方法，在各预碰撞参数的分布空间中参数矩阵作为事故损伤程度预测模型的训练样将多维参数矩阵作为有限元仿真软件的输入，在仿真软件中部署yy步骤S50，按照最优的匹配参数对车辆的状态参数和车辆对乘员的约束系统参数进行34.根据权利要求1所述的车辆事故减缓方法，其特征在于，步骤所述损伤预测模块用于：在事故无法避免的情况下，计算车辆在步骤S30使用预先训练好的事故损伤程度预测模型进行事故损伤预测；所述事故损伤采用随机采样或基于分布曲线采样方法，在各预碰撞参数的分布空间中参数矩阵作为事故损伤程度预测模型的训练样将多维参数矩阵作为有限元仿真软件的输入，在仿真软件中部署yy所述控制约束模块用于：按照最优的匹配参数对车辆的状态参数和6.一种电子设备，包括存储器及处理器，所述存储器中存4处理器执行时实现如权利要求1～4中任一项5[0010]步骤S50，按照最优的匹配参数对车辆的状态参数和车辆对乘员的约束系统参数6多维参数矩阵作为事故损伤程度预测模型的训练样本输入7行时实现上述任一项所述的基于数据驱动的车辆事的具体实施方式做详细的说明。在下面描述中阐述了很多具体细节以便于充分理解本申8[0048]车载计算模块可以根据步骤S10获取到的多参数组合，计算出当前车辆是否有碰[0049]碰撞风险下判断事故是否可以避免可采用现有技术实现，比如，参考图2所示已+2c2x1+3c3x2+4c4x3+5c5x49并将归一化后的多维参数矩阵作为事故损伤程度预测模型的训练样本[0077](2)将多维参数矩阵作为有限元仿真软件的输入，在仿真软件中部署对应的预碰数，将预测结果规划到[0,1]区间；损失函数采用预测值与实际损伤结果之间的均方误差[0085](1)采用简单随机采样或基于分布曲线采样等采样技术，在各预碰撞参数的多维[0087](2)结果评价模型从事故损伤程度和参数变换可行性两个维度，对输入的目标参yy[0095](4)在考虑参数变换可行性的前提下，选择较优解中事故损伤程度最低的多参数当前搜索方向继续搜索参数组合(即重复迭代步骤([0101]步骤S50，按照最优的匹配参数对车辆的状态参数和车辆对乘员的约束系统参数外通过考虑减缓措施的可行性，避免了因参数间不匹配带来的额外事故发生(如车辆侧[0114]本实施例所述车辆事故减缓系统包括的上述各模块，其具体实施方式与实施例1

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论