基于驾驶意图及卷积神经网络的车辆换挡方法及系统

专利主权项内容

1.基于驾驶意图及卷积神经网络的车辆换挡方法，其特征在于，所述方法包括：S1、识别重型车辆驶意图；S2、获取重型车辆的差异区域行车路况数据，以判定得到重型车辆分区域路况；S3、采集获取坡度数据，据以利用卡尔曼滤波算法估计道路坡度；S4、根据所述重型车辆行驶意图及所述道路坡度，利用马尔科夫链识别所述重型车辆的弯道行驶工况；S5、对重型商用车山间驾驶员行驶工况分为直行与转弯两个典型工况，选取横向加速度与方向盘转角进行重型商用车直线HMM模型与弯道HMM模型进行模型的训练，将行驶工况进行分层训练，据以得到适用神经网络模型；S6、获取并规格化处理传感器数据，得到规格化系数，其中，所述规格化系数包括：转速系数、节气门开度系数、方向盘转角系数、行驶速度系数以及方向盘转角系数；S7、利用所述适用神经网络模型处理所述规格化系数，以得到换挡输出参数；S8、根据所述换挡输出参数判断，进行卷积神经网络的训练，得到各层向量，控制接合位置换挡。