CN111338396A - 车辆速度控制方法、存储介质及电子设备 - Google Patents

车辆速度控制方法、存储介质及电子设备 Download PDF

Info

Publication number
CN111338396A
CN111338396A CN202010167679.9A CN202010167679A CN111338396A CN 111338396 A CN111338396 A CN 111338396A CN 202010167679 A CN202010167679 A CN 202010167679A CN 111338396 A CN111338396 A CN 111338396A
Authority
CN
China
Prior art keywords
vehicle speed
pedal
vehicle
real
speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010167679.9A
Other languages
English (en)
Inventor
罗石
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WM Smart Mobility Shanghai Co Ltd
Original Assignee
WM Smart Mobility Shanghai Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by WM Smart Mobility Shanghai Co Ltd filed Critical WM Smart Mobility Shanghai Co Ltd
Priority to CN202010167679.9A priority Critical patent/CN111338396A/zh
Publication of CN111338396A publication Critical patent/CN111338396A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D13/00—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover
    • G05D13/62—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover characterised by the use of electric means, e.g. use of a tachometric dynamo, use of a transducer converting an electric value into a displacement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了一种车辆速度控制方法、存储介质及电子设备，该方法包括：获取车辆的实时车速和目标车速；基于遗传算法模型，根据所述实时车速和所述目标车速对预设的PI控制模型进行优化，获得优化参数，所述优化参数包括比例参数和积分参数；根据所述优化参数控制所述车辆的车速。实施本发明，通过基于遗传算法模型，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。

Description

车辆速度控制方法、存储介质及电子设备
技术领域
本发明涉及汽车技术领域，尤其涉及一种车辆速度控制方法、存储介质及电子设备。
背景技术
目前，针对汽车的各项台架实验，在实验过程中，实时车速的控制是至关重要的一个步骤，将实时车速和目标车速控制在一个很小的偏差范围内是保证最后实验精度的重要保障。现有的汽车向前仿真驾驶员模型只有PID控制和模糊PID控制，其参数(包括比例参数、积分参数和微分参数)整定是一个难题。目前，现有的向前仿真驾驶员模型通常根据经验手动调节车辆的实时车速和目标车速的偏差进行调整PID控制中的参数，耗时长，精度低。
发明内容
本发明的目的在于克服现有技术的不足，提供一种车辆速度控制方法、存储介质及电子设备，自动获得优化参数，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
本发明的技术方案提供一种车辆速度控制方法，包括：
获取车辆的实时车速和目标车速；
基于遗传算法模型，根据所述实时车速和所述目标车速对预设的PI控制模型进行优化，获得优化参数，所述优化参数包括比例参数和积分参数；
根据所述优化参数控制所述车辆的车速。
上述方案中，通过基于遗传算法模型，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
进一步的，所述获取车辆的实时车速和目标车速，之前还包括：
获取所述遗传算法模型；
根据所述实时车速和所述目标车速设定目标函数。
上述方案中，通过获取遗传算法模型和设定目标函数，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
进一步的，所述基于遗传算法模型，根据所述实时车速和所述目标车辆对预设的PI控制模型进行优化，获得优化参数，具体包括：
当所述目标函数的输出值达到预设的终止条件时，获取所述目标函数的输出值对应时刻的当前车速；
利用所述PI控制模型，根据所述当前车速和所述目标车速生成所述优化参数。
上述方案中，通过获取遗传算法模型和设定目标函数，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
进一步的，所述目标函数为：
Figure BDA0002408030530000031
其中，J为所述目标函数的输出值；V1为所述车辆在t1时刻的实时车速；V为所述目标车速。通过目标函数可以更好地使实时车速和目标车速偏差达到最小，快速获得最优化的优化参数，进一步提高工作效率。
进一步的，所述根据所述实时车速和所述目标车速获取目标函数，之后还包括：
根据所述车辆的行驶工况设置所述遗传算法模型中的所述终止条件、种群数目、精英数目、交叉概率和代数。通过根据车辆的行驶工况设置遗传算法模型中的终止条件、种群数目、精英数目、交叉概率和代数，提高遗传算法模型的稳定性，从而进一步提高优化参数的准确性，能够精准地控制车辆的车速。
进一步的，所述根据所述优化参数控制所述车辆的车速，具体包括：
利用所述PI控制模型，根据所述优化参数获得踏板控制信号；
根据所述踏板控制信号控制所述车辆的踏板开度，所述踏板开度包括加速踏板开度和制动踏板开度；
根据所述踏板开度控制所述车辆的车速。
上述方案中，通过基于遗传算法模型，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数获得踏板控制信号，根据踏板控制信号控制车辆的踏板开度，根据踏板开度控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
进一步的，所述踏板控制信号利用以下方程计算出：
Figure BDA0002408030530000032
其中，A为所述踏板控制信号；KI为所述积分参数；KP为所述比例参数。通过踏板控制信号便于调整加速踏板和制动踏板的开度达到最佳位置，从而更加准确地控制车辆的车速。
进一步的，所述根据所述踏板控制信号控制所述车辆的踏板开度，具体包括：
当所述踏板控制信号大于0时，获取加速踏板的前一时刻的历史加速踏板开度，并计算所述踏板控制信号和所述历史加速踏板开度的制动踏板开度差值，根据所述制动踏板开度差值调节所述制动踏板的开度；
当所述踏板控制信号小于0时，获取制动踏板的前一时刻的历史制动踏板开度，并计算所述踏板控制信号和所述历史制动踏板开度的加速踏板开度差值，根据所述加速踏板开度差值调节所述加速踏板的开度；
当所述踏板控制信号等于0时，保持所述加速踏板和所述制动踏板的开度不变。
上述方案中，通过判断踏板控制信号的大小，便于调整加速踏板和制动踏板的开度达到最佳位置，从而更加准确地控制车辆的车速。
本发明的技术方案还提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的车辆速度控制方法的所有步骤。
上述方案中，通过基于遗传算法模型，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
本发明的技术方案还提供一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取车辆的实时车速和目标车速；
基于遗传算法模型，根据所述实时车速和所述目标车速对预设的PI控制模型进行优化，获得优化参数，所述优化参数包括比例参数和积分参数；
根据所述优化参数控制所述车辆的车速。
采用上述技术方案后，具有如下有益效果：通过基于遗传算法模型，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
附图说明
参见附图，本发明的公开内容将变得更易理解。应当理解：这些附图仅仅用于说明的目的，而并非意在对本发明的保护范围构成限制。图中：
图1是本发明实施例一提供的一种车辆速度控制方法的工作流程图；
图2是本发明实施例二提供的一种车辆速度控制方法的工作流程图；
图3是本发明实施例三提供的一种车辆速度控制方法的工作流程图；
图4是本发明第五实施例提供的一种执行车辆速度控制方法的电子设备的硬件结构示意图。
具体实施方式
下面结合附图来进一步说明本发明的具体实施方式。
容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或视为对发明技术方案的限定或限制。
在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于各附图中所示的构造进行定义的，它们是相对的概念，因此有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以，也不应当将这些或者其他的方位用语解释为限制性用语。
实施例一
如图1所示，图1是本发明实施例一提供的一种车辆速度控制方法的工作流程图，包括：
步骤S101：获取车辆的实时车速和目标车速；
步骤S102：基于遗传算法模型，根据实时车速和目标车速对预设的PI控制模型进行优化，获得优化参数，优化参数包括比例参数和积分参数；
步骤S103：根据优化参数控制车辆的车速。
具体来说，在车辆台架实验开始前，设置好需要的目标车速V，目标车速V可根据用户需求进行设定，通过车速传感器获取车辆的实时车速V1。遗传算法模型用于获取车辆的实时车速和目标车速，并使实时车速和目标车速偏差最小化，当实时车速和目标车速偏差最小化时，此时的车辆的实时车速最佳，将该实时车速和目标车速输入PI控制模型中，获得最优化的积分参数KI和比例参数KP，通过最优化的积分参数KI和比例参数KP能够更加准确地控制车辆的车速。
本发明提供的车辆速度控制方法，通过基于遗传算法模型，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
实施例二
如图2所示，图2是本发明实施例二提供的一种车辆速度控制方法的工作流程图，包括：
步骤S201：获取遗传算法模型；
步骤S202：根据实时车速和目标车速设定目标函数；
步骤S203：获取车辆的实时车速和目标车速；
步骤S204：判断目标函数的输出值是否满足终止条件；
步骤S205：获取目标函数的输出值对应时刻的当前车速；
步骤S206：利用PI控制模型，根据当前车速和目标车速生成优化参数；
步骤S207：根据优化参数控制车辆的车速。
具体来说，当需要进行车辆台架实验时，首先执行步骤S201获取遗传算法模型，并执行步骤S202根据车辆的实时车速和目标车速设定目标函数，目标函数的设定可以使实时车速和目标车速的偏差之和最小；其次执行步骤S203获取车辆的实时车速和目标车速，并执行步骤S204判断目标函数的输出值是否满足终止条件，当不满足时执行步骤S203，不断进化和迭代，在进化和迭代过程中不断优化更新遗传算法控制优化参数；否则执行步骤S205获取此时对应的当前车速，并执行步骤S206获得最优的优化参数，最后执行步骤S207根据优化参数控制车辆的车速。
终止条件用于判断实时车速和目标车速的偏差是否最小，终止条件可根据用户需求进行设定，如根据不同行驶工况等。
本发明提供的车辆速度控制方法，通过获取遗传算法模型和设定目标函数，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
可选地，目标函数为：
Figure BDA0002408030530000081
其中，J为目标函数的输出值；V1为车辆在t1时刻的实时车速；V为目标车速。
具体的，E(t)为某时刻的实时车速V1和目标车速V的差值，即为实时车速与目标车速偏差。J代表的是每一时刻的实时车速与目标车速差的总和，通过约束实时车速与目标车速偏差之和最小，即当目标函数的输出值满足终止条件时，实时车速与目标车速偏差之和最小，获取对应时刻的当前车速，将当前车速与目标车速偏差输入PI控制模型中，自动获得最优化的优化参数，根据优化参数控制车辆的车速。通过目标函数可以更好地使实时车速和目标车速偏差达到最小，快速获得最优化的优化参数，进一步提高工作效率。
可选地，根据实时车速和目标车速获取目标函数，之后还包括：
根据车辆的行驶工况设置遗传算法模型中的终止条件、种群数目、精英数目、交叉概率和代数。
具体的，终止条件与车辆的行驶工况有关，根据不同工况设定不同值，比如：欧洲道路工况，美国道路工况和中国道路工况等等，终止条件可根据最优平均速度偏差进行设置，可相应变换，优选地，本发明实施例的终止条件为9.2。
种群数目、精英数目、交叉概率和代数均属于遗传算法中必不可少的参数，其中：1、种群数目一般为0-100，当初始种群数目太大时，会导致在最后整定参数的结果难以收敛，会出现结果在一个范围内波动，优选地，本发明实施例的种群数目为10，当道路工况复杂时也可以适当地增大种群数目；2、精英数目即为精英保存策略，每一代个体中较好的一部分个体，不参与交叉和变异，直接保存到下一代，在遗传算法迭代过程中，每代保存较好的结果，优选地，本发明实施例的精英数目为1；3、交叉概率用于判断两两个体是否需要交叉，遗传算法中起核心作用的是遗传操作的交叉算子，所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新的个体，优选地，本发明实施例的交叉概率为0.8；4、代数指的是遗传算法中需要迭代求解多少次，代数次数越大，会出现不收敛，太小，不容易收敛一般为20-50，优选地，本发明实施例的代数为30。精英数目和交叉概率太大，容易破坏已有的有利模式，增加误差而措施有利个体，太小不能有效更新种群，其数值都是可调控的。
本发明实施例通过根据车辆的行驶工况设置遗传算法模型中的终止条件、种群数目、精英数目、交叉概率和代数，提高遗传算法模型的稳定性，从而进一步提高优化参数的准确性，能够精准地控制车辆的车速。
实施例三
在实施例二的基础上，实施例三为包括实施例二的车辆速度控制方法，因此与实施例二相同部分不再赘述。如图3所示，图3是本发明实施例三提供的一种车辆速度控制方法的工作流程图，包括：
步骤S301：利用PI控制模型，根据优化参数获得踏板控制信号；
步骤S302：根据踏板控制信号控制车辆的踏板开度，踏板开度包括加速踏板开度和制动踏板开度；
步骤S303：根据踏板开度控制车辆的车速。
具体来说，PI控制模型获取目标车速V，并通过车速传感器获取车辆的实时车速V1，计算实时车速和目标车速的偏差E(t)，并根据实时车速和目标车速的偏差E(t)获得踏板控制信号，并根据踏板控制信号控制加速踏板或者制动踏板的开度，最后根据踏板开度控制车辆的车速，实现准确地调节车速。
本发明提供的车辆速度控制方法，通过基于遗传算法模型，实现实时车速和目标车速偏差最小化，并根据该实时车速和目标车速对预设的PI控制模型进行优化，自动获得优化参数，并根据优化参数获得踏板控制信号，根据踏板控制信号控制车辆的踏板开度，根据踏板开度控制车辆的车速，无需手动调节PI控制模型中的实时车速与目标车速的偏差，提高优化参数的精度，从而能够更加准确地控制车辆的车速，减少车速偏差控制，提高工作效率。
可选地，踏板控制信号利用以下方程计算出：
Figure BDA0002408030530000101
其中，A为踏板控制信号；KI为积分参数；KP为比例参数。
具体的，踏板控制信号A用于调节加速踏板和制动踏板的开度，积分参数KI和比例参数KP为通过前述遗传算法优化后的参数。通过踏板控制信号便于调整加速踏板和制动踏板的开度达到最佳位置，从而更加准确地控制车辆的车速。
可选地，根据踏板控制信号控制车辆的踏板开度，具体包括：
当踏板控制信号大于0时，获取加速踏板的前一时刻的历史加速踏板开度，并计算踏板控制信号和历史加速踏板开度的制动踏板开度差值，根据制动踏板开度差值调节制动踏板的开度；
当踏板控制信号小于0时，获取制动踏板的前一时刻的历史制动踏板开度，并计算踏板控制信号和历史制动踏板开度的加速踏板开度差值，根据加速踏板开度差值调节加速踏板的开度；
当踏板控制信号等于0时，保持加速踏板和制动踏板的开度不变。
具体的，当踏板控制信号大于0时，表明此时实时车速大于目标车速，需要调节制动踏板的开度，通过加速踏板传感器和模数转换器获得加速踏板的前一时刻的历史加速踏板开度，并计算踏板控制信号和历史加速踏板开度的差值，将制动踏板的开度调节成当前制动踏板开度与制动踏板开度差值之和，减小车速；当踏板控制信号小于0时，表明实时车速小于目标车速，需要调节加速踏板的开度，通过制动踏板传感器和模数转换器获得制动踏板的前一时刻的历史制动踏板开度，并计算踏板控制信号和历史制动踏板开度的差值，将加速踏板的开度调节成当前加速踏板开度与加速踏板开度差值之和，增加车速；当踏板控制号等于0时，表明实时车速与目标车速相同，保持加速踏板和制动踏板的开度不变，无需调节车速。通过判断踏板控制信号的大小，便于调整加速踏板和制动踏板的开度达到最佳位置，从而更加准确地控制车辆的车速。
实施例四
本发明第四实施例提供了一种存储介质，存储介质存储计算机指令，当计算机执行计算机指令时，用于执行如前所述的车辆速度控制方法的所有步骤。
实施例五
如图4所示，图4是本发明第五实施例提供的一种执行车辆速度控制方法的电子设备的硬件结构示意图，其主要包括：至少一个处理器41；以及，与至少一个处理器41通信连接的存储器42；其中，所述存储器42存储有可被一个处理器41执行的指令，指令被至少一个处理器41执行，以使至少一个处理器41能够执行如图1-图3所示的方法流程。
执行车辆速度控制方法的电子设备还可以包括：输入装置43和输出装置44。
处理器41、存储器42、输入装置43及输出装置44可以通过总线或者其他方式连接，图4中以通过总线连接为例。
存储器42作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的车辆速度控制方法对应的程序指令/模块，例如，图1-图3所示的方法流程。处理器41通过运行存储在存储器42中的非易失性软件程序、指令以及模块，从而执行各种功能应用以及数据处理，即实现上述实施例中的车辆速度控制方法。
存储器42可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储车辆速度控制方法的使用所创建的数据等。此外，存储器42可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器42可选包括相对于处理器41远程设置的存储器，这些远程存储器可以通过网络连接至执行车辆速度控制方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置43可接收输入的用户点击，以及产生与车辆速度控制方法的用户设置以及功能控制有关的信号输入。输出装置44可包括显示屏等显示设备。
在所述一个或者多个模块存储在存储器42中，当被一个或者多个处理器41运行时，执行上述任意方法实施例中的车辆速度控制方法。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本发明实施例的电子设备以多种形式存在，包括但不限于:
(1)电子控制单元(Electronic Control Unit，ECU)又称“行车电脑”、“车载电脑”等。主要由微处理器(CPU)、存储器(ROM、RAM)、输入/输出接口(I/O)、模数转换器(A/D)以及整形、驱动等大规模集成电路组成。
(2)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(3)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设备等。
(4)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(5)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(6)其他具有数据交互功能的电子装置。
此外，上述的存储器42中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台移动终端(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件服务器的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述的仅是本发明的原理和较佳的实施例。应当指出，对于本领域的普通技术人员来说，在本发明原理的基础上，还可以做出若干其它变型，也应视为本发明的保护范围。

Claims (10)

1.一种车辆速度控制方法，其特征在于，包括：
获取车辆的实时车速和目标车速；
基于遗传算法模型，根据所述实时车速和所述目标车速对预设的PI控制模型进行优化，获得优化参数，所述优化参数包括比例参数和积分参数；
根据所述优化参数控制所述车辆的车速。
2.如权利要求1所述的车辆速度控制方法，其特征在于，所述获取车辆的实时车速和目标车速，之前还包括：
获取所述遗传算法模型；
根据所述实时车速和所述目标车速设定目标函数。
3.如权利要求2所述的车辆速度控制方法，其特征在于，所述基于遗传算法模型，根据所述实时车速和所述目标车辆对预设的PI控制模型进行优化，获得优化参数，具体包括：
当所述目标函数的输出值达到预设的终止条件时，获取所述目标函数的输出值对应时刻的当前车速；
利用所述PI控制模型，根据所述当前车速和所述目标车速生成所述优化参数。
4.如权利要求3所述的车辆速度控制方法，其特征在于，所述目标函数为：
Figure FDA0002408030520000011
其中，J为所述目标函数的输出值；V1为所述车辆在t1时刻的实时车速；V为所述目标车速。
5.如权利要求4所述的车辆速度控制方法，其特征在于，所述根据所述实时车速和所述目标车速获取目标函数，之后还包括：
根据所述车辆的行驶工况设置所述遗传算法模型中的所述终止条件、种群数目、精英数目、交叉概率和代数。
6.如权利要求4所述的车辆速度控制方法，其特征在于，所述根据所述优化参数控制所述车辆的车速，具体包括：
利用所述PI控制模型，根据所述优化参数获得踏板控制信号；
根据所述踏板控制信号控制所述车辆的踏板开度，所述踏板开度包括加速踏板开度和制动踏板开度；
根据所述踏板开度控制所述车辆的车速。
7.如权利要求6所述的车辆速度控制方法，其特征在于，所述踏板控制信号利用以下方程计算出：
Figure FDA0002408030520000021
其中，A为所述踏板控制信号；KI为所述积分参数；KP为所述比例参数。
8.如权利要求7所述的车辆速度控制方法，其特征在于，所述根据所述踏板控制信号控制所述车辆的踏板开度，具体包括：
当所述踏板控制信号大于0时，获取加速踏板的前一时刻的历史加速踏板开度，并计算所述踏板控制信号和所述历史加速踏板开度的制动踏板开度差值，根据所述制动踏板开度差值调节所述制动踏板的开度；
当所述踏板控制信号小于0时，获取制动踏板的前一时刻的历史制动踏板开度，并计算所述踏板控制信号和所述历史制动踏板开度的加速踏板开度差值，根据所述加速踏板开度差值调节所述加速踏板的开度；
当所述踏板控制信号等于0时，保持所述加速踏板和所述制动踏板的开度不变。
9.一种存储介质，其特征在于，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如权利要求1-8任一项所述的车辆速度控制方法的所有步骤。
10.一种电子设备，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取车辆的实时车速和目标车速；
基于遗传算法模型，根据所述实时车速和所述目标车速对预设的PI控制模型进行优化，获得优化参数，所述优化参数包括比例参数和积分参数；
根据所述优化参数控制所述车辆的车速。
CN202010167679.9A 2020-03-11 2020-03-11 车辆速度控制方法、存储介质及电子设备 Pending CN111338396A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010167679.9A CN111338396A (zh) 2020-03-11 2020-03-11 车辆速度控制方法、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010167679.9A CN111338396A (zh) 2020-03-11 2020-03-11 车辆速度控制方法、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN111338396A true CN111338396A (zh) 2020-06-26

Family

ID=71182218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010167679.9A Pending CN111338396A (zh) 2020-03-11 2020-03-11 车辆速度控制方法、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN111338396A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112033694A (zh) * 2020-08-31 2020-12-04 安徽江淮汽车集团股份有限公司 自然驾驶工况台架测试方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104454196A (zh) * 2013-09-18 2015-03-25 株式会社丰田自动织机 工业车辆的车速控制装置
CN108454626A (zh) * 2018-01-24 2018-08-28 北京新能源汽车股份有限公司 一种车辆的自适应巡航纵向调节控制方法及系统
CN109521674A (zh) * 2018-11-26 2019-03-26 东南大学 一种电动车驾驶机器人控制器参数自学习方法
CN109765888A (zh) * 2018-12-27 2019-05-17 东软睿驰汽车技术（沈阳）有限公司 一种车辆控制方法、装置及系统
CN110244787A (zh) * 2019-06-28 2019-09-17 新奥数能科技有限公司 转速控制系统的调节方法及装置
CN110254251A (zh) * 2019-06-26 2019-09-20 四川阿尔特新能源汽车有限公司 爬行控制方法、装置、控制器、车辆及可读存储介质
CN110588654A (zh) * 2019-10-10 2019-12-20 奥特酷智能科技(南京)有限公司 一种自动整定车辆速度相应pid控制参数的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104454196A (zh) * 2013-09-18 2015-03-25 株式会社丰田自动织机 工业车辆的车速控制装置
CN108454626A (zh) * 2018-01-24 2018-08-28 北京新能源汽车股份有限公司 一种车辆的自适应巡航纵向调节控制方法及系统
CN109521674A (zh) * 2018-11-26 2019-03-26 东南大学 一种电动车驾驶机器人控制器参数自学习方法
CN109765888A (zh) * 2018-12-27 2019-05-17 东软睿驰汽车技术（沈阳）有限公司 一种车辆控制方法、装置及系统
CN110254251A (zh) * 2019-06-26 2019-09-20 四川阿尔特新能源汽车有限公司 爬行控制方法、装置、控制器、车辆及可读存储介质
CN110244787A (zh) * 2019-06-28 2019-09-17 新奥数能科技有限公司 转速控制系统的调节方法及装置
CN110588654A (zh) * 2019-10-10 2019-12-20 奥特酷智能科技(南京)有限公司 一种自动整定车辆速度相应pid控制参数的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡雯，等: "基于遗传算法的混合动力汽车前向仿真驾驶员模型参数优化" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112033694A (zh) * 2020-08-31 2020-12-04 安徽江淮汽车集团股份有限公司 自然驾驶工况台架测试方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN112818588B (zh) 一种电力系统的最优潮流计算方法、装置及存储介质
CN113799867B (zh) 电动助力转向系统的调校方法、装置、设备及存储介质
CN111126598B (zh) 自动泊车方法、装置、计算机设备和存储介质
CN109583586B (zh) 一种语音识别或图像识别中的卷积核处理方法及装置
CN111338396A (zh) 车辆速度控制方法、存储介质及电子设备
CN114091655A (zh) 神经网络量化方法、装置、存储介质以及终端
CN113848899A (zh) 车辆横向控制方法、装置、设备及存储介质
CN112287950B (zh) 特征提取模块压缩方法、图像处理方法、装置、介质
CN113602267A (zh) 车道保持控制方法、存储介质及电子设备
KR20130068251A (ko) 최대 로그 우도법 기반의 최적 음향모델 생성 장치 및 방법
CN109803209B (zh) 汽车中控系统音量的调节方法、存储介质和汽车中控系统
CN110516806A (zh) 神经网络参数矩阵的稀疏化方法和装置
WO2023060586A1 (zh) 自动驾驶指令生成模型优化方法、装置、设备及存储介质
CN111767981B (zh) Mish激活函数的近似计算方法
CN112406873A (zh) 纵向控制模型参数确认方法、车辆控制方法、存储介质和电子设备
CN113137730B (zh) 送风控制方法、装置及计算机可读存储介质
CN113525356B (zh) 自动泊车系统、自动泊车方法、存储介质及电子设备
CN110962686B (zh) 一种车辆能量流的控制方法、装置及车辆
CN109492759B (zh) 神经网络模型预测方法、装置和终端
CN115742995B (zh) 一种车辆性能调节方法、装置和电子设备
CN112659973B (zh) 电池充电控制方法、存储介质及电子设备
CN112251777B (zh) 氧化铝浓度控制方法、存储介质和电子设备
CN111634194B (zh) 一种电机选择方法、设备及存储介质
CN116552474B (zh) 一种基于强化学习的车速控制方法、装置、设备和介质
CN117208082A (zh) 转向比的调整方法、装置、电子设备及车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination