参数调整方法、装置、设备及计算机可读存储介质与流程

计算;推算;计数设备的制造及其应用技术1.本技术涉及通信技术领域，特别涉及一种参数调整方法、装置、设备及计算机可读存储介质。背景技术：2.随着大规模自动驾驶车辆的投入运营，车辆类型繁多，包括且不限于清扫车、铰链车、洗地车等，不同车辆的车辆模型不同、运营的场景地形不同、横纵向场景不同、要求的行驶速度也不同，等等。3.在现有的车辆控制系统中，通常采用手动调参的方法，这种方法较为麻烦，需要手动获取离线数据、清洗数据、建立模型、进行可视化分析、修正参数，定期使用这种方法，可以保证车辆在一定时间内的控制效果，但由于参数的调整过程较为主观，且更新周期长，影响了车辆的控制效果。也就是说，使用离线数据进行可视化分析来调整控制参数的方式，对于控制效果的判断是主观的，控制效果的优化难以确定，控制效果优化结果较差，即参见调整质量较差，而且调参效率较低；此外，由于车辆参数更新周期长，而车辆参数在车辆运行时间较长后会发生变化，将导致控制效果变差。技术实现要素：4.有鉴于此，本技术提供了一种参数调整方法、装置、设备及计算机可读存储介质，能够提升调参质量和调参效率，从而提升了车辆控制效果。5.具体地，本技术是通过如下技术方案实现的：6.一种参数调整方法，包括：7.获取目标车辆在历史行驶过程中的数据，作为初始行驶数据；8.对所述初始行驶数据进行数据清洗，得到目标行驶数据；9.将所述目标行驶数据进行场景分类，得到至少一种场景类型；10.对于每一场景类型，建立该场景类型对应的车辆模型；11.对所述车辆模型的控制参数进行自动调整。12.一种参数调整装置，包括：13.数据获取单元，用于获取目标车辆在历史行驶过程中的数据，作为初始行驶数据；14.数据清洗单元，用于对所述初始行驶数据进行数据清洗，得到目标行驶数据；15.场景分类单元，用于将所述目标行驶数据进行场景分类，得到至少一种场景类型；16.模型建立单元，用于对于每一场景类型，建立该场景类型对应的车辆模型；17.参数调整单元，用于对所述车辆模型的控制参数进行自动调整。18.一种电子设备，包括：处理器、存储器；19.所述存储器，用于存储计算机程序；20.所述处理器，用于通过调用所述计算机程序，执行上述参数调整方法。21.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述参数调整方法。22.在以上本技术提供的技术方案中，获取目标车辆在历史行驶过程中的数据，作为初始行驶数据；对初始行驶数据进行数据清洗，得到目标行驶数据；将目标行驶数据进行场景分类，得到至少一种场景类型；对于每一场景类型，建立该场景类型对应的车辆模型；对车辆模型的控制参数进行自动调整。可见，本技术采用的是一种离线自动调参方式，在车辆运营测试后，将车辆行驶数据自动地输入调参系统，利用该调参系统实时更新控制参数，达到了高效、实时更新参数的目的，从而提升了调参质量和调参效率，进而提升了车辆控制效果。本技术还提供了一种参数调整装置、设备及计算机可读存储介质。附图说明23.图1为本技术示出的一种参数调整方法的流程示意图；24.图2为本技术示出的分类指标示意图；25.图3为本技术示出的一种参数调整装置的组成示意图；26.图4为本技术示出的一种电子设备的结构示意图。具体实施方式27.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。28.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。29.应当理解，尽管在本技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。30.在介绍本技术实施例之前，首先对本技术实施例涉及的技术术语进行介绍。31.pid：proportional(比例)、integral(积分)、differential(微分)的缩写，在过程控制中，按偏差的比例(p)、积分(i)和微分(d)进行控制的控制器。32.参见图1，为本技术实施例提供的一种参数调整方法的流程示意图，包括以下步骤s101-s105：33.s101：获取目标车辆在历史行驶过程中的数据，作为初始行驶数据。34.在本技术实施例中，目标车辆可以是任意一种类型的自动驾驶车辆，比如清扫车、铰链车、洗地车、乘用车等。35.为了对目标车辆的控制参数进行自动调整，需要先获取目标车辆在历史行驶过程中的数据，即，获取目标车辆在历史行驶过程中所需要的数据，这里，将这些数据定义初始行驶数据。36.具体地，该初始行驶数据可以包括车辆定位数据、车辆底层数据、路径规划数据、车辆控制数据中的至少一种数据。其中，车辆定位数据是指目标车辆在行驶过程中的位置数据等，车辆底层数据是指目标车辆在行驶过程中的刹车、方向盘、手动/自动驾驶模式等数据，路径规划数据是指目标车辆的规划路线等数据，车辆控制数据是指目标车辆在行驶过程中对车辆进行控制的相关数据。37.s102：对初始行驶数据进行数据清洗，得到目标行驶数据。38.在本技术实施例中，由于初始行驶数据中的这些数据并不是全都可用的，比如有些数据是没有达到指标的数据，因此，可以对该初始行驶数据进行数据清洗，通过数据清洗，过滤掉一些不可用的数据，比如非自动驾驶、定位有问题、规划震荡较大的数据。这里，将经数据清洗后的数据，定义为目标行驶数据。39.另外，为了便于进行数据分析，可以将该目标行驶数据统一到同一时间轴上，即，将目标行驶数据中带有不同时间戳的数据画在同一时间轴上。40.s103：将目标行驶数据进行场景分类，得到至少一种场景类型。41.可以理解的是，由于存在不同的车辆运行场景，需要适配不同的控制参数，因此，可以将目标行驶数据按照场景进行数据分类，从而划分出一种或多种场景类型。42.在本技术实施例的一种实现方式中，s103中的“将目标行驶数据进行场景分类，得到至少一种场景类型”，具体可以包括：基于预设的分类指标集合，将目标行驶数据进行场景分类，得到至少一种场景类型，其中，分类指标集合包括车辆类型、车辆运行场景、车辆行驶速度、行驶道路地形中的至少一种分类指标。43.在本实现方式中，可以从车辆类型、车辆运行场景、车辆行驶速度、行驶道路地形等方面进行场景分类。如图2所示的分类指标示意图，其中，车辆类型可以分为清扫车、铰链车、洗地车、乘用车等；车辆运行场景可以分为横向场景和纵向场景，而横向场景可以分为转弯、避障、弯道、回道等，纵向场景可以分为起步、刹车、变速等；车辆行驶速度可以分为高速、低速等；行驶道路地形可以分为上坡、下坡、平地等。44.对于分类得到的每一场景类型，该场景类型可以涉及至少一种分类指标，也就是说，可以从多个角度组合进行分类，将目标行驶数据按需求分为各种不同的场景类型，比如一辆低速行驶的铰链车在平地上转弯加速的场景类型。45.s104：对于每一场景类型，建立该场景类型对应的车辆模型。46.在本技术实施例中，当通过上述s103进行场景分类，得到一种或多种场景类型后，对于其中的每一场景类型，可以为每一场景类型对应建立一个车辆模型，该车辆模型包括且不限于运动学模型、动力学模型等。47.在本技术实施例的一种实现方式中，s103中的“建立该场景类型对应的车辆模型”，具体可以包括：根据目标车辆的车辆类型、目标车辆的出厂参数和/或初始行驶数据，建立该场景类型对应的车辆模型。48.在本实现方式中，可以直接由目标车辆的车辆类型和基本车辆参数，并结合运动学公式，建立车辆模型。基本车辆参数包括且不限于目标车辆的驱动轮转向轮、质心位置、轴距、方向盘传动比、油门刹车性能等参数，其中，驱动轮转向轮、质心位置、轴距属于车辆出厂参数，而方向盘传动比、油门刹车性能是基于初始行驶数据中的车辆定位数据和车辆底层数据等计算得到的。49.关于车辆模型的输入量和输出量，其输入量包括且不限于目标车辆的历史定位数据、车辆参数、控制数据，该输入量结合运动学公式和车辆参数，其输出量为目标车辆的未来控制量。其中，车辆参数包括且不限于车辆轴距、质心位置、驱动轮转向轮、方向盘传动比、方向盘偏移量等参数。50.s105：对车辆模型的控制参数进行自动调整。51.在本技术实施例中，由于目标车辆在应对不同场景时，需要适配不同的控制参数，并能够实时地更新参数以应对变化的车辆模型。因此，当针对目标车辆的每一场景类型建立对应的车辆模型后，需要针对该已经建立的车辆模型，对控制系统的各类参数进行自动调参，需要调节的参数由控制系统决定，包括且不限于控制方向盘时方向盘到底层车轮转向的延迟、方向盘偏移量、控制系统内部损失函数等。52.具体来讲，车辆模型的控制作用可以分为横向控制和纵向控制。其中，在横向控制中，运用到的控制策略包括且不限于pid控制、自适应控制、模型预测控制、神经网络控制等，横向控制对应不同的控制参数、以及底层车辆参数，包括且不限于方向盘偏移量、方向盘响应延迟时间；在纵向控制中，运用到的控制策略包括且不限于pid控制、多层切换控制等，纵向控制对应不同的控制参数、以及底层车辆参数，包括且不限于刹车响应延迟、油门响应延迟、刹车的加速度响应、油门的加速度响应。53.在本技术实施例的一种实现方式中，s105中的“对车辆模型的控制参数进行自动调整”，可以包括：对车辆模型的控制参数进行自动调整；当完成本次参数调整后，基于车辆模型对应的场景类型，对车辆模型的控制误差进行加权统计，以对车辆模型的控制参数进行评分；当评分结果不满足评分要求时，继续执行对车辆模型的控制参数进行自动调整的步骤，直至评分结果满足评分要求为止。54.在本实现方式中，需要对已经建立的车辆模型进行一次或多次的参数调整，自动调参的方法包括且不限于网格搜索、贝叶斯搜索、随机搜索等。具体来讲，对于每一场景类型对应的车辆模型，当针对该车辆模型完成本次自动调参后，可以利用预先建立的一个完整的、可靠的控制效果评价系统，对本次调参效果进行评价，在进行评价时，可以利用控制效果评价系统对横纵向控制误差进行加权统计分析，当分析结果表明调参后的控制参数满足评分要求时，说明得到了最佳的控制参数，此时针对该车辆模型的自动调参结束，但是，当分析结果表明调参后的控制参数不满足评分要求时，说明未得到最佳的控制参数，需要继续针对该车辆模型进行自动调参，这样，经过一次或多次的神经网络自动调参后，得到最佳的控制参数。55.需要说明的是，对应车辆数据的多场景分析，控制效果的评价也是在不同场景类型下完成的，对于不同的场景类型，控制误差的比重不同。例如，在车辆转弯场景中，由于延迟的存在，存在一定角度误差，控制效果评价时角度误差的比重较低，而在车辆直行场景中，角度误差的比重则是较高的。因此，在不同场景类型下，可以对控制误差指标进行加权统计，其中，控制误差指标包括且不限于角度误差、横向误差、速度误差、刹车距离、起步时间等，从而得到最终的评价分数，该评价分数可定量地反映车辆模型的这一套控制参数的优劣。56.由于使用了控制效果评价系统，其定量地统计了控制误差，并针对不同场景类型采用不同的权重，将控制效果量化，更好地达到了优化控制的效果。57.此外，本技术实施例可以利用pipeline建立例行的车辆参数调整系统，离线更新车辆控制参数。58.当针对不同场景类型的车辆模型，得到最佳的控制参数(得到控制参数的最优解)后，将得到的新的控制参数作为更新数据，进入目标车辆新的运营测试中，这样可以得到新的车辆行驶数据(即新的初始行驶数据)，进入循环，例行更新参数、从而有效优化了目标车辆的控制效果。59.在以上本技术实施例提供的参数调整方法中，获取目标车辆在历史行驶过程中的数据，作为初始行驶数据；对初始行驶数据进行数据清洗，得到目标行驶数据；将目标行驶数据进行场景分类，得到至少一种场景类型；对于每一场景类型，建立该场景类型对应的车辆模型；对车辆模型的控制参数进行自动调整。可见，本技术实施例采用的是一种离线自动调参方式，在车辆运营测试后，将车辆行驶数据自动地输入调参系统，利用该调参系统实时更新控制参数，达到了高效、实时更新参数的目的，从而提升了调参质量和调参效率，进而提升了车辆控制效果。60.参见图3，为本技术实施例提供的一种参数调整装置的组成示意图，该装置包括：61.数据获取单元310，用于获取目标车辆在历史行驶过程中的数据，作为初始行驶数据；62.数据清洗单元320，用于对所述初始行驶数据进行数据清洗，得到目标行驶数据；63.场景分类单元330，用于将所述目标行驶数据进行场景分类，得到至少一种场景类型；64.模型建立单元340，用于对于每一场景类型，建立该场景类型对应的车辆模型；65.参数调整单元350，用于对所述车辆模型的控制参数进行自动调整。66.在本技术实施例的一种实现方式中，所述初始行驶数据包括车辆定位数据、车辆底层数据、路径规划数据、车辆控制数据中的至少一种数据。67.在本技术实施例的一种实现方式中，场景分类单元330，具体用于：68.基于预设的分类指标集合，将所述目标行驶数据进行场景分类，得到至少一种场景类型；其中，所述分类指标集合包括车辆类型、车辆运行场景、车辆行驶速度、行驶道路地形中的至少一种分类指标。69.在本技术实施例的一种实现方式中，所述场景类型涉及至少一种分类指标。70.在本技术实施例的一种实现方式中，所述装置还包括：71.数据处理单元，用于得到目标行驶数据之后，将所述目标行驶数据统一到同一时间轴上。72.在本技术实施例的一种实现方式中，模型建立单元340，具体用于：73.根据所述目标车辆的车辆类型、所述目标车辆的出厂参数和/或所述初始行驶数据，建立该场景类型对应的车辆模型。74.在本技术实施例的一种实现方式中，参数调整单元350，具体用于：75.对所述车辆模型的控制参数进行自动调整；76.当完成本次参数调整后，基于所述车辆模型对应的场景类型，对所述车辆模型的控制误差进行加权统计，以对所述车辆模型的控制参数进行评分；77.当评分结果不满足评分要求时，继续执行对所述车辆模型的控制参数进行自动调整的步骤，直至评分结果满足评分要求为止。78.上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。79.对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。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技术方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。80.本技术实施例还提供了一种电子设备，该电子设备的结构示意图如图4所示，该电子设备4000包括至少一个处理器4001、存储器4002和总线4003，至少一个处理器4001均与存储器4002电连接；存储器4002被配置用于存储有至少一个计算机可执行指令，处理器4001被配置用于执行该至少一个计算机可执行指令，从而执行如本技术中任意一个实施例或任意一种可选实施方式提供的任意一种参数调整方法的步骤。81.进一步，处理器4001可以是fpga(field－programmable gate array，现场可编程门阵列)或者其它具有逻辑处理能力的器件，如mcu(microcontroller unit，微控制单元)、cpu(central process unit，中央处理器)。82.应用本技术实施例，采用了一种离线自动调参方式，在车辆运营测试后，将车辆行驶数据自动地输入调参系统，利用该调参系统实时更新控制参数，达到了高效、实时更新参数的目的，从而提升了调参质量和调参效率，进而提升了车辆控制效果。83.本技术实施例还提供了另一种计算机可读存储介质，存储有计算机程序，该计算机程序用于被处理器执行时实现本技术中任意一个实施例或任意一种可选实施方式提供的任意一种参数调整方法的步骤。84.本技术实施例提供的计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、cd-rom、和磁光盘)、rom(read-only memory，只读存储器)、ram(random access memory，随即存储器)、eprom(erasable programmable read-only memory，可擦写可编程只读存储器)、eeprom(electrically erasable programmable read-only memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，可读存储介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。85.应用本技术实施例，采用了一种离线自动调参方式，在车辆运营测试后，将车辆行驶数据自动地输入调参系统，利用该调参系统实时更新控制参数，达到了高效、实时更新参数的目的，从而提升了调参质量和调参效率，进而提升了车辆控制效果。86.以上所述仅为本技术的较佳实施例而已，并不用以限制本技术，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术保护的范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!