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：浙江天行健智能科技有限公司

摘要：本发明公开了一种基于GMM和CART回归树的路感模拟方法，包括进行实车试验并采集数据，试验数据预处理，归一化试验数据聚类，划分训练和测试数据集，训练和测试基于GMM和CART回归树的路感模拟模型，判断所得路感模型是否满足要求，根据所得基于GMM和CART回归树的路感模拟模型进行路感模拟。CART回归树模型的输入变量为纵向车速、车辆横向加速度、车辆横摆角速度、车辆垂向载荷、方向盘转角和方向盘角速度，输出变量为方向盘力矩。试验证明，本方法所获得的基于GMM和CART回归树的路感模拟模型精度较高且建模过程易实施，在一定程度上克服了现有技术的缺陷。

主权项：1.一种基于GMM和CART回归树的路感模拟方法，其特征在于，包括以下步骤：步骤一、进行实车试验并采集数据：选取驾驶员进行实车试验，车辆在试验道路中行驶，采集的试验数据包括纵向车速、车辆横向加速度、车辆横摆角速度、车辆垂向载荷、方向盘转角、方向盘角速度和方向盘力矩；步骤二、试验数据预处理：对试验数据去除异常点后进行归一化处理，得到归一化试验数据集；步骤三、归一化试验数据聚类：对归一化试验数据使用高斯混合模型分类算法进行聚类，聚类后得到与聚类群落数量k相同个数的数据类，k为大于1的正整数；步骤四、划分训练和测试数据集：将归一化试验数据集划分为训练数据集和测试数据集；步骤五、训练和测试路感模型：使用聚类后训练数据集和CART回归树算法，训练模型时，模型的输入变量包括纵向车速、车辆横向加速度、车辆横摆角速度、车辆垂向载荷、方向盘转角、方向盘角速度；输出变量为方向盘力矩，训练得到k个与数据类数量相同的基于GMM和CART回归树的路感模拟模型；使用测试数据集测试得到的k个基于GMM和CART回归树的路感模拟模型；训练基于GMM和CART回归树的路感模拟模型时，具体步骤为：将CART回归树模型表示为： ；其中，fx为CART回归树函数，m为大于1的正整数，I为单位矩阵，x为输入变量；数据空间被划分成了R1～Rm单元，每个单元上有一个固定的输出值cm；计算模型输出值与实际值的误差： ；其中，xi为输入变量x的第i个数据，yi为实际输出值；i为大于1的正整数；假设，选择第j个输入变量xj为切分变量，所述输入变量为纵向车速、车辆横向加速度、车辆横摆角速度、车辆横摆角加速度、车辆垂向载荷、方向盘转角、方向盘角速度中的任意一个为切分变量，j为变量编号；以切分变量的取值s为切分点，得到两个区域R1，R2： ；当j和s固定时，找到两个区域的代表值c1，c2使各自区间上的平方差最小，即： ；式中c1，c2为区间上的平均值，即： ；使用训练数据集训练CART回归树模型的工作步骤如下：1）输入：训练数据集D；2）输出：回归树fx；3）在训练数据集所在的输入空间中，递归地将每个区域划分为两个子区域，并决定每个子区域的输出值；构建二叉决策树，步骤包括：①选择最优切分变量j与切分点s，求解： ；②遍历变量j，对固定的切分变量j扫描切分点s，选择使上式达到最小值的对j,s；③用选定的对j,s划分区域并决定对应的输出值： ； ；式中，Nm为空间中的数据点总量；④继续对两个子区域调用步骤1和2，直至循环次数达到上限值；⑤将输入空间划分为M个区域R1,R2,...,RM，生成决策树；步骤六、判断所得路感模型是否满足要求：若所得路感模型满足精度要求则建模成功，否则重新进行实车路采试验；测试所得的k个基于GMM和CART回归树的路感模拟模型并根据测试结果判断所得路感模型是否满足要求的具体步骤为：1）依次取出测试数据集中的测试数据点，将该测试数据点对应的车辆纵向速度、车辆横向加速度、车辆横摆角速度、车辆垂向载荷、方向盘转角和方向盘角速度作为输入变量，输入与该测试数据点所属数据类对应的基于GMM和CART回归树的路感模型，得到预测的方向盘力矩值；2）计算对于测试数据集的整体，预测所得方向盘力矩数据组与真实方向盘力矩数据组之间的MSE值；判断所得路感模型是否满足要求：若MSE值大于阈值α，则认为所建立的基于GMM和CART回归树的路感模拟模型可接受，否则不可接受；其中，所述阈值α为0.1；步骤七、根据得到的基于GMM和CART回归树的路感模拟模型进行路感模拟。

全文数据：

权利要求：

百度查询： 浙江天行健智能科技有限公司 一种基于GMM和CART回归树的路感模拟方法