一种辅助制动方法及系统的制作方法
【技术领域】
[0001] 本发明属于行车安全领域，特别涉及一种辅助制动方法及系统。
【背景技术】
[0002] 我国山区面积广大，山岭重丘地区的公路长下坡路段较多，这些路段交通事故频 发。长下坡行驶过程中，若要保持车速稳定，车辆的大部分重力势能将转化为制动器的热 能。当制动蹄与制动鼓温度过高时，制动力矩将会显著下降，出现热衰退现象。这是造成长 下坡路段交通事故高发的重要原因，这个问题在国外已得到充分的重视。而在国内，长期以 来靠驾驶员经常给轮毂浇水，实施强行冷却来满足汽车连续下坡时的制动要求。这种方法 一方面可靠性不高，另一方面降低运输效率，同时在冬季行驶时也直接影响到后续车辆的 安全性。为改善运输条件，在汽车上应加装持续制动装置。
[0003] 在现有技术中，持续制动装置包括发动机制动、排气制动、电涡流缓速器、液力缓 速器等。其中发动机制动和排气制动是最简单、成本最低的持续制动装置。随着国内商用车 技术的发展和道路条件的改善，商用车行驶速度不断提高，要求商用车的比功率不断增加， 而它对发动机制动和排气制动的应用起到了积极的作用。
[0004] 在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
[0005] 但是，发动机制动、排气制动的制动功率有限，且随变速器挡位的增加制动扭矩大 幅度减小，无法满足汽车在上述速度范围内连续下坡行驶时的持续制动要求。电涡流缓速 器的安装使汽车的价格、质量和使用过程中消耗增加，且增加的幅度随缓行器的容量（制 动转矩）的增加而增加。同时，长时间工作时，电涡流缓速器也存在着热衰退问题。即上述 制动方式不能满足长下坡行驶条件下的制动需求。
【发明内容】
[0006] 为了解决现有技术的问题，第一方面，本发明提供了一种辅助制动方法，所述辅助 制动方法，包括：
[0007] 确定辅助制动方式组合；
[0008] 构建BP神经网络，将所述辅助制动方式组合部署在所述BP神经网络中，向所述BP神经网络输入训练数据；
[0009] 根据所述训练数据，对所述BP神经网络进行调整，直至所述BP神经网络满足预设 条件时终止调整，确定调整后的成熟BP神经网络；
[0010] 将实际制动需求输入到所述成熟BP神经网络中，接收所述成熟BP神经网络的处 理结果；
[0011] 根据所述处理结果确定需要的辅助制动方式；
[0012] 其中，所述实际制动需求包括期望车速、道路坡度和实际车速。
[0013] 可选的，所述确定辅助制动方式组合，包括：
[0014] 将常用制动方式按不同的方式进行配合，得到辅助制动方式组合；
[0015] 其中，所述常用制动方式包括发动机制动、排气制动、缓速器制动。
[0016] 可选的，所述根据所述训练数据，对所述BP神经网络进行调整，直至所述BP神经 网络满足预设条件时终止调整，确定调整后的成熟BP神经网络，包括：
[0017] 对所述BP神经网络的权值阈值进行初始化处理；
[0018] 将所述训练数据输入至所述BP神经网络中，获取所述BP神经网络的输出结果，根 据所述输出结果对所述BP神经网络的权值阈值进行调整；
[0019] 重复根据所述输出结果对所述BP神经网络的权值阈值进行调整的步骤，直至所 述BP神经网络的输出误差小于预设误差值为止，将此时的所述BP神经网络作为成熟BP神 经网络。
[0020] 可选的，所述将所述训练数据输入至所述BP神经网络中，获取所述BP神经网络的 输出结果，根据所述输出结果对所述BP神经网络的权值阈值进行调整，包括：
[0021] 将所述训练数据输入至所述BP神经网络的输入层；
[0022] 所述输入层将所述训练数据传递至所述BP神经网络的隐层；
[0023] 所述隐层根据所述训练数据生成第一输出结果，将所述第一输出结果传递至所述 BP神经网络的输出层；
[0024] 所述输出层根据所述第一输出结果生成第二输出结果；
[0025] 根据所述第一输出结果获取所述隐层的第一计算误差，根据所述第二输出结果获 取所述输出层的第二计算误差；
[0026] 根据所述第一计算误差对所述隐层的权值和阈值进行调整，根据所述第二计算误 差对所述输出层的权值和阈值进行调整。
[0027] 可选的，所述根据所述处理结果确定需要的辅助制动方式，包括：
[0028] 根据所述处理结果获取制动档位，根据所述制动档位确定具体的制动方式。
[0029] 第二方面，本发明提供一种辅助制动系统，所述辅助制动系统，包括：
[0030] 确定单元，用于确定辅助制动方式组合；
[0031] 网络单元，用于构建BP神经网络，将所述辅助制动方式组合部署在所述BP神经网 络中，向所述BP神经网络输入训练数据；
[0032] 训练单元，用于根据所述训练数据，对所述BP神经网络进行调整，直至所述BP神 经网络满足预设条件时终止调整，确定调整后的成熟BP神经网络；
[0033] 输入单元，用于将实际制动需求输入到所述成熟BP神经网络中，接收所述成熟BP 神经网络的处理结果；
[0034] 获取单元，用于根据所述处理结果确定需要的辅助制动方式；
[0035] 其中，所述实际制动需求包括期望车速、道路坡度和实际车速。
[0036] 可选的，，所述确定单元用于：
[0037] 将常用制动方式按不同的方式进行配合，得到辅助制动方式组合；
[0038] 其中，所述常用制动方式包括发动机制动、排气制动、缓速器制动。
[0039] 可选的，所述训练单元，包括：
[0040] 初始化模块，用于对所述BP神经网络的权值阈值进行初始化处理；
[0041] 调整模块，用于将所述训练数据输入至所述BP神经网络中，获取所述BP神经网络 的输出结果，根据所述输出结果对所述BP神经网络的权值阈值进行调整；
[0042] 判定模块，用于重复根据所述输出结果对所述BP神经网络的权值阈值进行调整 的步骤，直至所述BP神经网络的输出误差小于预设误差值为止，将此时的所述BP神经网络 作为成熟BP神经网络。
[0043] 可选的，所述调整模块具体用于：
[0044] 将所述训练数据输入至所述BP神经网络的输入层；
[0045] 所述输入层将所述训练数据传递至所述BP神经网络的隐层；
[0046] 所述隐层根据所述训练数据生成第一输出结果，将所述第一输出结果传递至所述 BP神经网络的输出层；
[0047] 所述输出层根据所述第一输出结果生成第二输出结果；
[0048] 根据所述第一输出结果获取所述隐层的第一计算误差，根据所述第二输出结果获 取所述输出层的第二计算误差；
[0049] 根据所述第一计算误差对所述隐层的权值和阈值进行调整，根据所述第二计算误 差对所述输