CN119527351A 自动驾驶卡车的自适应控制方法及系统 (深圳卡睿智行科技有限公司)_第1页
CN119527351A 自动驾驶卡车的自适应控制方法及系统 (深圳卡睿智行科技有限公司)_第2页
CN119527351A 自动驾驶卡车的自适应控制方法及系统 (深圳卡睿智行科技有限公司)_第3页
CN119527351A 自动驾驶卡车的自适应控制方法及系统 (深圳卡睿智行科技有限公司)_第4页
CN119527351A 自动驾驶卡车的自适应控制方法及系统 (深圳卡睿智行科技有限公司)_第5页
已阅读5页,还剩27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

道平山社区留仙大道4168号众冠时代本发明提供了一种自动驾驶卡车的自适应器网络采集的多维度数据进行滤波和结构化处2对自动驾驶卡车上的车载传感器网络采集的多维度数据进行滤波和结构化处根据所述标准化数据包对预先训练的深度学习神经网络模型库进行检索和将所述标准化数据包输入到所述自适应控制模型通过自动驾驶卡车上的控制器执行所述最优控制策略,并在执行过对所述标准化数据包进行解析,得到所述标准化数据包中的当前根据所述当前载重值对深度学习神经网络模型库进行检索,并选对所述标准化数据包中的道路坡度信息和弯曲程度信息进行归一化根据所述模型参数调整量对基础模型的模型参数进行更新,得到优化根据所述参数调整矩阵和预设的参数更新规则,对基础模型的权重对更新后的模型参数进行归一化处理,得到归一化后的模型参数,并将所述标准化数据包输入到自适应控制模型中,得到多组候选控制根据预设的多目标优化函数对预测轨迹和状态序列进行评估,得3使用非劣排序遗传算法基于各组候选控制指令的性能指标对候选控制指令进行优化将所述预测轨迹与高层路径规划模块生成的参考轨迹进行比对,计算根据状态序列中的速度变化率和横向加速度,计算自动驾驶卡车运动的抖基于状态序列中的发动机工作点数据和车辆对所述轨迹跟踪精度指标、乘坐舒适性指标、能源效率指标和行驶安将所述最优控制策略转换自动驾驶卡车上的控制器可执行的控实时采集自动驾驶卡车的实际状态信息,得到实际响应数根据响应误差计算控制器参数的调整量,得到参数更新值,并使用参对响应误差进行频谱分析,得到响应误差的频率分布特征,并根据频基于参数敏感度矩阵和预设的学习率,采用梯度下降法计算参对初步参数更新值进行自适应动态范围限制,得到有界参数调整量,并将有界8.一种自动驾驶卡车的自适应控制系统,其特征4数据处理模块,用于对自动驾驶卡车上的车载传感器网络采模型优化模块,用于根据所述标准化数据包对预先训练的深度学习神策略生成模块,用于将所述标准化数据包输入到所述自适应控执行调整模块,用于通过自动驾驶卡车上的控制器执行所述最5方式能够在特定场景下提供基本的控制能力,但由于模型难以灵活适应多变的实际环境,[0004]本发明的主要目的在于解决现有自动驾驶卡车控制方法对自动驾驶卡车上的车载传感器网络采集的多维度数据进行滤波和结构化处理,根据所述标准化数据包对预先训练的深度学习神经网络模型库进行检索和选择,将所述标准化数据包输入到所述自适应控制模型中进行运算,得到候选控制指6对所述初步优化的自适应控制模型进行微调训练,得到优化后的自适应控制模使用非劣排序遗传算法基于各组候选控制指令的性能指标对候选控制指令进行根据状态序列中的速度变化率和横向加速度,计算自动驾驶卡车运动的抖动量,基于状态序列中的发动机工作点数据和车辆质量,结合预先标定的燃油消耗模7制器执行所述最优控制策略,并在执行过程中对自动驾驶卡车的实际响应进行实时监测,策略生成模块,用于将所述标准化数据包输入到所述自适应控制模型中进行运8101、对自动驾驶卡车上的车载传感器网络采集的多维度数据进行滤波和结构化据和IMU数据的融合计算得到,而弯曲程度则可以通过分析车辆轨迹和方向盘转角数据推9了消除不同特征之间的量纲差异,使得它们在后续的参数调整网络中具有相同的重要性。到预设的参数调整网络中。参数调整网络是一个小型的神经网络,通常采用多层感知机出层节点数则与基础模型需要调整的参数数量相对应。网络使用ReLU或tanh激活函数,以捕捉特征与参数调整之间的非线性关系。网络的输出即为模型参数的调整量,这些调整量反映了当前道路条件对控制策略的影响。最后,使用得到的模型参数调整量对基础模型进行更新。更新过程采用加权求和的方式,即将原始参数值与调整量进行线性组合。具体而后,系统会对新的参数集进行规范化处理,如L2正则化,以防止参数值过大导致模型过拟合。更新后的模型即为优化后的自适应控制模型,这个模型结合了预训练的通用知识和当前特定情况下的调整,能够更好地适应当前的行驶环境和车辆状态。优化后的模型将用于参数调整量会被分解成5个权重调整矩阵和5个偏置调整向量。分解过程使用reshape和[0025]根据参数调整矩阵和预设的参数更新规则对基础模型的权重矩阵和偏置向量进行更新计算是模型优化的核心步骤。更新规则通常基于梯度下降法的变体,如Adam或的多目标优化函数对预测轨迹和状态序列进行评估,得到每组候选控制指令的性能指标;使用非劣排序遗传算法基于各组候选控制指令的性能指标对候选控制指令进行优化迭代,考轨迹是由高层路径规划模块基于目标地点、道路网络和交通规则生成的理想行驶路径,差反映了车辆偏离期望行驶路线的程度,纵向偏差则表示车辆在行驶方向上的提前或滞为存在潜在的碰撞风险。时间裕度定义为从当前时刻到首次出现潜在碰撞风险的时间间使用层次分析法确定的权重进行加权求和是得到综合性能指标的最后一步。层次分析法性能指标。据之前执行的控制指令和车辆动力学模型预测得到的。比较过程计算每个状态变量的误[0042]根据响应误差计算控制器参数的调整量并进行自适应调整是需要构建一个基于[0045]具体的,利用递归最小二乘法(RLS)对加权误差向量和控制器参数之间的关系进[0048]在本实施例中,通过对车载传感器网络采集的多维度数据进行滤波和结构化处[0049]上面对本发明实施例中自动驾驶卡车的自适应控制方法进行了描述,下面对本数据处理模块201,用于对自动驾驶卡车上的车载传感器网络采集的多维度数据模型优化模块202,用于根据所述标准化数据包对预先训练的深度学习神经网络策略生成模块203,用于将所述标准化数据包输入到所述自适应控制模型中进行

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。

评论

0/150

提交评论