【技术实现步骤摘要】
本申请涉及车辆驾驶控制的，具体涉及一种车辆转向控制方法、系统及车辆。
技术介绍
1、目前，无人车(或者说智能驾驶车辆)是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车，是汽车发展的重要方向之一。其中，转向系统用于控制无人车的行驶方向，保证无人车能够按照既定轨迹行驶。
2、现有的车辆转向控制，一般通过计算无人车的车身长度和转弯半径获取无人车的车轮实际转角，同时通过转向传动比，用方向盘转角计算出无人车的车轮的目标转角，然后对车辆目标转角与车轮实际转角作差，通过转向传动比获得方向盘目标转角，最后还对上次与上上次的目标转角进行作差，以进行进一步的转向补偿。
3、上述方案在进行车辆转向控制时，未考虑方向盘死区问题，因大多数客车中都存在较大的方向盘转向死区，所以车辆在接收小角度修正且这角度在方向盘死区范围内的情况下，会出现智能驾驶控制层下发了方向盘转向指令，但实际车辆车轮未达到预期转向的情况，导致转向控制不准确。
技术实现思路
1、为了解决上述问题而提出了本申请，根据本申请的一方面，提供了一种车辆转向控制方法，所述方法包括：获取用于转向控制的输入信息，其中所述输入信息包括轮胎转角信息，所述轮胎转角信息指示需求的轮胎转角；将所述输入信息输入到训练好的神经网络中，所述神经网络基于所述输入信息输出方向盘转角信息，所述方向盘转角信息指示目标方向盘转角；基于所述方向盘转角信息控制车辆的方向盘以所述目标方向盘转角转动，使得所述轮胎实现以所述需求的轮胎
2、示例性地，所述输入信息还包括速度信息，所述速度信息指示所述车辆的车速，所述神经网络进一步基于所述轮胎转角信息和所述速度信息输出所述方向盘转角信息。
3、示例性地，所述神经网络的训练过程包括：将训练数据集中的样本数据输入到待训练的网络模型，所述样本数据包括轮胎转角样本数据，或者包括轮胎转角样本数据和车辆车速样本数据这两者；由所述网络模型基于所述样本数据输出预测数据，所述预测数据包括方向盘转角预测数据；获取方向盘转角真实数据，基于所述方向盘转角真实数据和所述方向盘转角预测数据之间的误差更新所述网络模型的参数；迭代执行所述样本数据的输入、所述预测数据的输出以及所述参数的更新，在达到预设迭代次数或者达到所述误差最小化时训练结束，得到所述训练好的神经网络。
4、示例性地，所述误差包括均方误差，所述均方误差作为损失函数，在每次迭代时进行随机梯度下降，以最小化所述损失函数。
5、示例性地，所述神经网络包括输入层、隐藏层和输出层，其中：所述输入层包括一个或两个神经元；所述输出层包括一个神经元；所述隐藏层包括五层，每层包括四个神经元。
6、示例性地，所述神经网络为dnn模型。
7、示例性地，所述轮胎转角信息来自所述车辆的控制器局域网的报文。
8、示例性地，所述速度信息来自所述车辆的控制器局域网的报文，或者来自所述车辆的传感器采集的数据。
9、根据本申请的另一方面，提供了一种车辆转向控制系统，所述系统包括：信息获取模块，用于获取用于转向控制的输入信息，其中所述输入信息包括轮胎转角信息，所述轮胎转角信息指示需求的轮胎转角；指令生成模块，用于将所述输入信息输入到训练好的神经网络中，所述神经网络基于所述输入信息输出方向盘转角信息，所述方向盘转角信息指示目标方向盘转角；指令执行模块，用于根据所述方向盘转角信息控制车辆的方向盘以所述目标方向盘转角转动，使得所述轮胎实现以所述需求的轮胎转角进行转向。
10、根据本申请的另一方面，提供了一种车辆转向控制装置，所述装置包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被运行时，使得所述处理器执行上述的车辆转向控制方法。
11、根据本申请的又一方面，提供了一种自动驾驶系统，所述自动驾驶系统包括上述的车辆转向控制装置。
12、根据本申请的再一方面，所述车辆上设置有上述的车辆转向控制装置或自动驾驶系统。
13、本申请的车辆控制方法，借助训练好的神经网络来得到方向盘转角信息以用于指示目标方向盘转角，根据目标方向盘转角控制车辆的轮胎进行转向；其中神经网络的输入信息包括轮胎转角信息，神经网络通过训练学习了轮胎转角信息和目标方向盘转角之间的关系，通过获取的轮胎转角信息借助训练好的神经网络可以得到更加准确的目标方向盘转角，从而对车辆的转向进行精确控制。本方法相较于相关技术，能够实现车轮转向与方向盘转向的高度匹配，提高智能驾驶控制的精度。
本文档来自技高网...【技术保护点】
1.一种车辆转向控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述输入信息还包括速度信息，所述速度信息指示所述车辆的车速，所述神经网络进一步基于所述轮胎转角信息和所述速度信息输出所述方向盘转角信息。
3.根据权利要求1或2所述的方法，其特征在于，所述神经网络的训练过程包括：
4.根据权利要求3所述的方法，其特征在于，所述误差包括均方误差，所述均方误差作为损失函数，在每次迭代时进行随机梯度下降，以最小化所述损失函数。
5.根据权利要求3所述的方法，其特征在于，所述神经网络包括输入层、隐藏层和输出层，其中：
6.根据权利要求3所述的方法，其特征在于，所述神经网络为DNN模型。
7.根据权利要求1或2所述的方法，其特征在于，所述轮胎转角信息来自所述车辆的控制器局域网的报文。
8.根据权利要求2所述的方法，其特征在于，所述速度信息来自所述车辆的控制器局域网的报文，或者来自所述车辆的传感器采集的数据。
9.一种车辆转向控制系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种车辆转向控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述输入信息还包括速度信息，所述速度信息指示所述车辆的车速，所述神经网络进一步基于所述轮胎转角信息和所述速度信息输出所述方向盘转角信息。
3.根据权利要求1或2所述的方法，其特征在于，所述神经网络的训练过程包括：
4.根据权利要求3所述的方法，其特征在于，所述误差包括均方误差，所述均方误差作为损失函数，在每次迭代时进行随机梯度下降，以最小化所述损失函数。
5.根据权利要求3所述的方法，其特征在于，所述神经网络包括输入层、隐藏层和输出层，其中：
6.根据权利要求3所述的方法，其特征在于，所述神经网络为dnn模型。
7.根据权利要求1或2所述的...
【专利技术属性】
技术研发人员：蔡冠滨，彭旺，梁丰收，张升升，孙海洋，
申请(专利权)人：比亚迪股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。