(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111676705.1 (22)申请日 2021.12.31 (71)申请人 清华大学 地址 100084 北京市海淀区10 0084信箱82 分箱清华大学专利办公室 (72)发明人 侯晓慧　张俊智　何承坤　 (74)专利代理 机构 北京纪凯知识产权代理有限 公司 11245 代理人 孙楠 (51)Int.Cl. F16H 61/02(2006.01) F16H 59/44(2006.01) F16H 59/58(2006.01) F16H 59/18(2006.01) F16H 59/54(2006.01)F16H 59/70(2006.01) F16H 59/36(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/20(2019.01) (54)发明名称 极限工况下的车辆自动换挡控制方法、 系 统、 介质及设备 (57)摘要 本发明涉及一种极限工况下的车辆自动换 挡控制方法、 系统、 介质及设备， 其包括： 获取初 始训练数据集， 从所述初始训练数据集中进行N 次随机有放回的抽取样本构成N个子数据集； 以 双向长短期记忆网络作为基于引导聚集算法的 基学习器， 将N个所述子数据集分别输入双向长 短期记忆网络模 型进行预测， 并对 所述双向长短 期记忆网络模型进行优化， 得到N个预测输 出值； 将N个预测输 出值输入组合策略中， 将N个预测输 出值进行取平均值处理得到强学习器， 预测得到 当前运动状态车辆的下一时刻最佳挡位。 本发明 能基于当前极限工况下的车辆状态准确地预测 下一时刻的车辆最佳挡位， 使自动驾驶车辆拥有 职业车手的高水平驾驶能力。 权利要求书2页 说明书8页 附图4页 CN 114278727 A 2022.04.05 CN 114278727 A 1.一种极限工况 下的车辆自动换挡控制方法， 其特 征在于， 包括： 获取初始训练数据集， 从所述初始训练数据集中进行N 次随机有放 回的抽取样本构 成N 个子数据集； 以双向长短期记忆网络作为基于引导聚集算法的基学习器， 将N个所述子数据集分别 输入双向长短期记忆网络模型进行预测， 并对所述双向长短期记忆网络模型进行优化， 得 到N个预测输出值； 将N个预测输出值输入组合策略中， 将N个预测输出值进行取平均值处理得到强学习 器， 预测得到当前运动状态车辆的下一时刻最佳挡位。 2.如权利要求1所述车辆自动换挡控制方法， 其特征在于， 所述获取初始训练数据集， 包括： 车辆总速度、 前轮转角、 驱动踏板行程、 制动踏板行程、 发动机转速以及当前挡位。 3.如权利要求1所述车辆自动换挡控制方法， 其特征在于， 所述将N个所述子数据集分 别输入双向长短期记 忆网络模型进行 预测， 包括： 将预测过程分为前向预测与后向预测两个方向， 两个方向预测为独立进行计算、 无交 互， 各自更新状态和产生输出； 所述两个方向的隐藏层状态共同决定 输出结果。 4.如权利要求3所述车辆自动换挡控制方法， 其特征在于， 所述 隐藏层状态， 是前向隐 藏层状态和后向隐藏层状态的叠加， 包括： 将车辆某一时刻的基本参数作为输入； 将所述该时刻基本参数对应部件 的权重矩阵和偏置向量进行叠加， 采用Sigmoid激活 函数计算得到该时刻的单向遗 忘门输出、 输入门输出和输出门输出； 更新所述遗忘门输出、 所述输入门输出和所述输出门输出， 根据 更新结果， 采用双曲正 切函数， 得到该时刻的单向内部状态； 根据所述单向内部状态和所述更新的输出门输出， 采用 双曲正切函数， 得到该时刻的 单向隐藏层状态； 所述单向隐藏层状态分为所述前向隐藏层状态和所述后向隐藏层状态， 将所述两个隐 藏层状态进行叠加， 得到该时刻的所述隐藏层状态。 5.如权利要求1所述车辆自动换挡控制方法， 其特征在于， 所述双向长短期记忆网络模 型采用损失函数作为目标函数， 通过不断迭代得到最优解。 6.如权利要求1所述车辆自动换挡控制方法， 其特征在于， 采用灰狼粒子群算法对所述 双向长短期记 忆网络模型进行优化， 包括： 在取值范围内随机生成一系列 粒子群位置， 初始化速度， 并给定最大迭代次数， 种群数 量， 学习率和惯性因数； 计算各粒子的适应度， 确定粒子最优值和种群最优值， 保存适应度函数最小的三个粒 子位置， 分别记作α 狼、 β 狼、 δ狼的初始位置； 更新狼群位置及α 狼、 β 狼、 δ狼的位置， 并重新计算粒子位置， 更新粒子个体最优值和种 群最优值； 根据粒子群算法预测结果确定最优粒子位置 。 7.如权利要求6所述车辆自动换挡控制方法， 其特征在于， 所述根据粒子群算法预测结 果确定最优粒子位置， 包括： 若所述预测结果的均方根误差低于预先设定的水平或到达最 大迭代次数， 则输出种群最优值， 反 之， 则重新计算各 粒子的适应度。权　利　要　求　书 1/2 页 2 CN 114278727 A 28.一种极限工况 下的车辆自动换挡控制系统， 其特 征在于， 包括： 数据集获取模块， 获取初始训练数据集， 从所述初始训练数据集中进行N 次随机有放 回 的抽取样本构成N个子数据集； 预测模块， 以双向长短期记忆网络作为基于引导聚集算法的基学习器， 将N个所述子数 据集分别输入双向长短期记忆网络模型进 行预测， 并对所述双向长 短期记忆网络模型进 行 优化， 得到N个预测输出值； 输出模块， 将N个预测输出值输入组合策略中， 将N个预测输出值进行取平均值处理得 到强学习器， 预测得到当前运动状态车辆的下一时刻最佳挡位。 9.一种存储一个或多个程序的计算机可读存储介质， 其特征在于， 所述一个或多个程 序包括指令， 所述指令当由计算设备执行时， 使得所述计算设备执行如权利要求1至7所述 方法中的任一方法。 10.一种计算设备， 其特征在于， 包括： 一个或多个处理器、 存储器及一个或多个程序， 其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行， 所述一 个或多个程序包括用于执 行如权利要求1至7 所述方法中的任一方法的指令 。权　利　要　求　书 2/2 页 3 CN 114278727 A 3