买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆电政信息科技有限公司

摘要：本发明为基于常微分神经网络的无人车高精度分段控制方法，属于无人车控制领域。通过构建基于常微分神经网络的无人车高精度分段控制模型进行实现，该方法包含以下步骤：S1：离线模式下，对历史时序数据进行预处理和分类，针对工况分别建立基于常微分神经网络的无人车高精度分段控制模型并进行训练；S2：将步骤S1训练好的模型移植到无人车的智能控制系统的内存中；S3：在线模式下，实时获取时序数据并预处理后，利用基于常微分神经网络的无人车高精度分段控制模型进行工况识别、状态预测和模型参数的更新；S4：实现当前工况下的无人车的运动控制。本发明方法在保证解的光滑性的前提下，能够避免过拟合的情形，减少迭代次数，提高求解精度。

主权项：1.基于常微分神经网络的无人车高精度分段控制方法，通过无人车系统进行实现；所述的无人车系统由无人车电子控制单元ECU和智能控制系统连接构成；所述的无人车电子控制单元为无人车上安装的传感器、控制器和执行机构；智能控制系统为内存中带有基于常微分神经网络的无人车高精度分段控制方法的微型处理器；其特征在于，该方法包含以下步骤：S1：离线模式下，通过对无人车的无人车电子控制单元的历史时序数据进行预处理，并利用数据的波动性识别出不同工况的分类数据，针对每一工况分别建立基于常微分神经网络的无人车高精度分段控制模型，并利用对应的分类数据训练其参数；S2：将训练好的基于常微分神经网络的无人车高精度分段控制模型移植到无人车的智能控制系统的内存中；S3：在线模式下，智能控制系统通过通信实时获取无人车的无人车电子控制单元的时序数据，将实时数据进行预处理后，利用基于常微分神经网络的无人车高精度分段控制模型进行工况识别，进一步实现无人车的状态预测和模型参数的更新；S4：利用基于常微分神经网络的无人车高精度分段控制模型实现当前工况下的无人车的运动控制；所述的基于常微分神经网络的无人车高精度分段控制模型由一个分类常微分神经网络并联一个插值函数模块，再并联一个缓存器buffer构成；所述的分类常微分神经网络为一个时序分类器串联多个常微分神经网络构成；所述的常微分神经网络为一个全连接层、串联一个tanh层，然后再串联一个全连接层构成，其输入为单位时序数据向量，输出为预测时序数据向量；所述的插值函数模块的输入为单位时序数据向量、预测时序数据向量，输出为插值得到的中间时序数据向量；缓存器用于存储分类常微分神经网络和插值函数模块的输入和输出数据；所述的时序分类器可以为：时间序列森林TimeSeriesForest、Shapelet方法中的一种；所述的步骤S1包含以下步骤：S101：离线模式下，通过对无人车的无人车电子控制单元的历史时序数据进行预处理，得到单位时序数据；S102：针对每一工况分别建立基于常微分神经网络的无人车高精度分段控制模型；S103：根据数据的波动性计算出单位时序数据的均值、标准差和斜率，利用时序分类器对单位时序数据进行区间划分，分为r类；其中，r为工况的类别数量；S104：利用对应工况的分类数据训练基于常微分神经网络的无人车高精度分段控制模型的参数；所述的步骤S3具体包含：S301：在线模式下，智能控制系统通过通信实时获取时间段T内的无人车的无人车电子控制单元的时序数据，并进行预处理，得到单位时序数据；S302：将步骤S301所得的单位时序数据分别输入到训练好的r个工况分别对应的基于常微分神经网络的无人车高精度分段控制模型，得到r个下一时刻的预测向量；S303：判断下一时刻的单位时序数据与r个下一时刻的预测向量的距离，判定距离最近的下一时刻的预测向量对应的工况为当前时间段T内无人车的工况；S304：利用单位时序数据对当前时间段T内无人车的工况对应的基于常微分神经网络的无人车高精度分段控制模型进行参数更新。

全文数据：

权利要求：

百度查询： 重庆电政信息科技有限公司 基于常微分神经网络的无人车高精度分段控制方法