汽车后视镜的除雾控制系统及其方法技术方案

一种汽车后视镜的除雾控制系统及其方法，其获取预定时间段内多个预定时间点的气囊气压值；采用基于深度学习的人工智能技术，进行所述气囊气压值的时序变化特征信息的充分表达，以此基于实际的气囊气压值来进行压电泵的工作频率自适应控制，从而保证吹气口的气流强度满足实际需求，以优化汽车后视镜的除雾效果。保证除雾系统的使用安全性和行车安全性。保证除雾系统的使用安全性和行车安全性。保证除雾系统的使用安全性和行车安全性。

【技术实现步骤摘要】
汽车后视镜的除雾控制系统及其方法


[0001]本申请涉及智能化控制
，并且更具体地，涉及一种汽车后视镜的除雾控制系统及其方法。

技术介绍

[0002]随着汽车数量不断增加，驾驶安全问题越来越受到关注。汽车后视镜是汽车安全行驶中非常重要的一部分，它可以帮助驾驶员观察汽车后方情况，并及时处理突发事故、防止碰撞等。后视镜作为驾驶时最常用的辅助设备之一，在保证驾驶安全方面起着至关重要的作用。然而，在恶劣气象条件下，例如强烈的雨雪天气时，汽车后视镜会出现雾化现象，导致驾驶员无法清晰观察到后方情况，从而加大了驾驶风险。
[0003]因此，期望一种优化的汽车后视镜的除雾控制系统。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种汽车后视镜的除雾控制系统及其方法，其获取预定时间段内多个预定时间点的气囊气压值；采用基于深度学习的人工智能技术，进行所述气囊气压值的时序变化特征信息的充分表达，以此基于实际的气囊气压值来进行压电泵的工作频率自适应控制，从而保证吹气口的气流强度满足实际需求，以优化汽车后视镜的除雾效果。保证除雾系统的使用安全性和行车安全性。
[0005]第一方面，提供了一种汽车后视镜的除雾控制方法，其包括：
[0006]获取预定时间段内多个预定时间点的气囊气压值；
[0007]将所述多个预定时间点的气囊气压值按照时间维度排列为气囊气压值时序输入向量；
[0008]计算所述气囊气压值时序输入向量中每相邻两个预定时间点的气囊气压值之间的差值以得到气囊气压值时序变化输入向量；
[0009]将所述气囊气压值时序输入向量和所述气囊气压值时序变化输入向量进行级联以得到气囊气压绝对
‑
相对时序输入向量；
[0010]将所述气囊气压绝对
‑
相对时序输入向量通过包含第一卷积层和第二卷积层的时序特征提取器以得到气囊气压绝对
‑
相对时序特征向量；
[0011]使用高斯密度图对所述气囊气压绝对
‑
相对时序特征向量进行特征级表达强化以得到解码特征矩阵；
[0012]对所述解码特征矩阵进行特征优化以得到优化解码特征矩阵；以及
[0013]将所述优化解码特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示当前时间点的推荐的压电泵的工作频率值。
[0014]在上述汽车后视镜的除雾控制方法中，将所述气囊气压值时序输入向量和所述气囊气压值时序变化输入向量进行级联以得到气囊气压绝对
‑
相对时序输入向量，包括：以如下级联公式将所述气囊气压值时序输入向量和所述气囊气压值时序变化输入向量进行级
联以得到气囊气压绝对
‑
相对时序输入向量；其中，所述级联公式为：
[0015]V
c
＝Concat[V
a
，V
b
][0016]其中，V
a
，V
b
表示所述气囊气压值时序输入向量和所述气囊气压值时序变化输入向量，Concat[
·
]表示级联函数，V
c
表示所述气囊气压绝对
‑
相对时序输入向量。
[0017]在上述汽车后视镜的除雾控制方法中，将所述气囊气压绝对
‑
相对时序输入向量通过包含第一卷积层和第二卷积层的时序特征提取器以得到气囊气压绝对
‑
相对时序特征向量，包括：将所述气囊气压绝对
‑
相对时序输入向量输入所述时序特征提取器的第一卷积层以得到第一尺度气囊气压特征向量，其中，所述第一卷积层具有第一尺度的一维卷积核；将所述气囊气压绝对
‑
相对时序输入向量输入所述时序特征提取器的第二卷积层以得到第二尺度气囊气压特征向量，其中，所述第二卷积层具有第二尺度的一维卷积核，所述第一尺度不同于所述第二尺度；以及，将所述第一尺度气囊气压特征向量和所述第二尺度气囊气压特征向量进行级联以得到所述气囊气压绝对
‑
相对时序特征向量。
[0018]在上述汽车后视镜的除雾控制方法中，使用高斯密度图对所述气囊气压绝对
‑
相对时序特征向量进行特征级表达强化以得到解码特征矩阵，包括：以如下高斯公式构造所述气囊气压绝对
‑
相对时序特征向量的高斯密度图；其中，所述高斯公式为：
[0019][0020]其中，μ1表示所述气囊气压绝对
‑
相对时序特征向量，且σ1的每个位置的值表示所述气囊气压绝对
‑
相对时序特征向量中相应两个位置的特征值之间的方差，表示所述高斯密度图；对所述高斯密度图中各个位置的高斯分布进行高斯离散化处理以将所述高斯密度图中各个位置的高斯分布降维为一维的特征向量；以及，将所述各个位置的一维的特征向量进行二维排列以得到所述解码特征矩阵。
[0021]在上述汽车后视镜的除雾控制方法中，对所述解码特征矩阵进行特征优化以得到优化解码特征矩阵，包括：以如下优化公式对所述解码特征矩阵进行向量谱聚类代理学习融合优化以得到所述优化解码特征矩阵；其中，所述优化公式为：
[0022][0023][0024]其中，M
d
是所述解码特征矩阵，M'
d
是所述优化解码特征矩阵，M
dT
是所述解码特征矩阵的转置矩阵，且D
V
是所述解码特征矩阵的每两个相应行特征向量之间的距离组成的距离矩阵，D
VT
是所述距离矩阵的转置矩阵，V1～V
n
表示所述解码特征矩阵的各个行特征向量，exp(
·
)表示矩阵的指数运算，所述矩阵的指数运算表示以矩阵中各个位置特征值为幂的自然指数函数值，
⊙
和
⊕
分别表示按位置点乘和矩阵加法。
[0025]在上述汽车后视镜的除雾控制方法中，将所述优化解码特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示当前时间点的推荐的压电泵的工作频率值，包括：使用所述解码器以如下解码公式对所述优化解码特征矩阵进行解码回归以得到所述解码值；其中，所述解码公式为：其中，M
d
表示所述优化解码特征矩阵，Y表示解码值，W表示权重矩阵，B表示偏置向量，表示矩阵乘。
[0026]第二方面，提供了一种汽车后视镜的除雾控制系统，其包括：
[0027]数据获取模块，用于获取预定时间段内多个预定时间点的气囊气压值；
[0028]向量排列模块，用于将所述多个预定时间点的气囊气压值按照时间维度排列为气囊气压值时序输入向量；
[0029]差值计算模块，用于计算所述气囊气压值时序输入向量中每相邻两个预定时间点的气囊气压值之间的差值以得到气囊气压值时序变化输入向量；
[0030]级联模块，用于将所述气囊气压值时序输入向量和所述气囊气压值时序变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车后视镜的除雾控制方法，其特征在于，包括：获取预定时间段内多个预定时间点的气囊气压值；将所述多个预定时间点的气囊气压值按照时间维度排列为气囊气压值时序输入向量；计算所述气囊气压值时序输入向量中每相邻两个预定时间点的气囊气压值之间的差值以得到气囊气压值时序变化输入向量；将所述气囊气压值时序输入向量和所述气囊气压值时序变化输入向量进行级联以得到气囊气压绝对
‑
相对时序输入向量；将所述气囊气压绝对
‑
相对时序输入向量通过包含第一卷积层和第二卷积层的时序特征提取器以得到气囊气压绝对
‑
相对时序特征向量；使用高斯密度图对所述气囊气压绝对
‑
相对时序特征向量进行特征级表达强化以得到解码特征矩阵；对所述解码特征矩阵进行特征优化以得到优化解码特征矩阵；以及将所述优化解码特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示当前时间点的推荐的压电泵的工作频率值。2.根据权利要求1所述的汽车后视镜的除雾控制方法，其特征在于，将所述气囊气压值时序输入向量和所述气囊气压值时序变化输入向量进行级联以得到气囊气压绝对
‑
相对时序输入向量，包括：以如下级联公式将所述气囊气压值时序输入向量和所述气囊气压值时序变化输入向量进行级联以得到气囊气压绝对
‑
相对时序输入向量；其中，所述级联公式为：V
c
＝Concat[V
a
，V
b
]其中，V
a
，V
b
表示所述气囊气压值时序输入向量和所述气囊气压值时序变化输入向量，Concat[
·
]表示级联函数，V
c
表示所述气囊气压绝对
‑
相对时序输入向量。3.根据权利要求2所述的汽车后视镜的除雾控制方法，其特征在于，将所述气囊气压绝对
‑
相对时序输入向量通过包含第一卷积层和第二卷积层的时序特征提取器以得到气囊气压绝对
‑
相对时序特征向量，包括：将所述气囊气压绝对
‑
相对时序输入向量输入所述时序特征提取器的第一卷积层以得到第一尺度气囊气压特征向量，其中，所述第一卷积层具有第一尺度的一维卷积核；将所述气囊气压绝对
‑
相对时序输入向量输入所述时序特征提取器的第二卷积层以得到第二尺度气囊气压特征向量，其中，所述第二卷积层具有第二尺度的一维卷积核，所述第一尺度不同于所述第二尺度；以及将所述第一尺度气囊气压特征向量和所述第二尺度气囊气压特征向量进行级联以得到所述气囊气压绝对
‑
相对时序特征向量。4.根据权利要求3所述的汽车后视镜的除雾控制方法，其特征在于，使用高斯密度图对所述气囊气压绝对
‑
相对时序特征向量进行特征级表达强化以得到解码特征矩阵，包括：以如下高斯公式构造所述气囊气压绝对
‑
相对时序特征向量的高斯密度图；其中，所述高斯公式为：其中，μ1表示所述气囊气压绝对
‑
相对时序特征向量，且σ1的每个位置的值表示所述气
囊气压绝对
‑
相对时序特征向量中相应两个位置的特征值之间的方差，表示所述高斯密度图；对所述高斯密度图中各个位置的高斯分布进行高斯离散化处理以将所述高斯密度图中各个位置的高斯分布降维为一维的特征向量；以及将所述各个位置的一维的特征向量进行二维排列以得到所述解码特征矩阵。5.根据权利要求4所述的汽车后视镜的除雾控制方法，其特征在于，对所述解码特征矩阵进行特征优化以得到优化解码特征矩阵，包括：以如下优化公式对所述解码特征矩阵进行向量谱聚类代理学习融合优化以得到所述优化解码特征矩阵；其中，所述优化公式为：其中，所述优化公式为：其中，M
d
是所述解码特征矩阵，M'
d
是所述优化解码特征矩阵，M
dT
是所述解码特征矩阵的转置矩阵，且D
V
是所述解码特征矩阵的每两个相应行特征向量之间的距离组成的距离矩阵，D
VT
是所述距离矩阵的...

【专利技术属性】
技术研发人员：唐爱国，罗德正，曾云清，蒲长江，张建朋，
申请(专利权)人：江西宏信光学科技有限公司，
类型：发明
国别省市：