本發(fā)明涉及汽車技術領域，具體而言，涉及一種控制車輛起步的方法及裝置。

背景技術：

在車輛起步時，尤其是在裝有機械式自動變速器(automatedmechanicaltransmission，amt)的車輛在起步時，發(fā)動機的節(jié)氣門開度與自動離合器的結合要相互配合，從而實現(xiàn)平順起步。

現(xiàn)有技術中，在車輛起步時，一般只能按照預定的一種模式起步，這樣，使得起步模式無法響應駕駛員的起步意圖，即發(fā)動機的節(jié)氣門開度與自動離合器的結合無法響應駕駛員對加速踏板的操作，這樣使得車輛在起步時容易出現(xiàn)車輛竄動、振抖等問題，從而導致無法實現(xiàn)平順起步。

綜上，現(xiàn)有技術中，車輛在起步時，容易出現(xiàn)車輛竄動、振抖等問題，從而導致無法實現(xiàn)車輛的平順起步。

技術實現(xiàn)要素：

有鑒于此，本發(fā)明實施例的目的在于提供一種控制車輛起步的方法及裝置，以解決或試圖緩解上述問題。

第一方面，本發(fā)明實施例提供了一種控制車輛起步的方法，其中，所述方法包括：

車輛起步前，在預設時間長度內(nèi)多次獲取駕駛員踩下加速踏板的開度值；

按照預先設置的多個開度取值，分別確定大于或等于每個所述開度取值的所有開度值的采集時間長度與所述預設時間長度的比值；

根據(jù)確定出的多個比值，控制所述車輛起步。

結合第一方面，本發(fā)明實施例提供了上述第一方面的第一種可能的實現(xiàn)方式，其中，所述按照預先設置的多個開度取值，分別確定大于或等于每個所述開度取值的所有開度值的采集時間長度與所述預設時間長度的比值，包括：

根據(jù)預先設置的多個開度取值，分別確定大于或等于每個所述開度取值的所有開度值的個數(shù)；

分別計算每個所述個數(shù)與所述預設時間長度內(nèi)獲取的開度值的個數(shù)的比值；

將所述個數(shù)的比值確定為所述采集時間長度與所述預設時間長度的比值。

結合第一方面，本發(fā)明實施例提供了上述第一方面的第二種可能的實現(xiàn)方式，其中，所述根據(jù)確定出的多個比值，控制所述車輛起步，包括：

根據(jù)所述比值和預先建立的神經(jīng)網(wǎng)絡模型的權重轉換系數(shù)，計算駕駛員的起步意圖值；

根據(jù)所述駕駛員的起步意圖值，確定所述車輛的起步模式；

控制所述車輛按照所述起步模式起步。

結合第一方面的第二種可能的實現(xiàn)方式，本發(fā)明實施例提供了上述第一方面的第三種可能的實現(xiàn)方式，其中，所述根據(jù)所述駕駛員的起步意圖值，確定所述車輛的起步模式，包括：

選擇與所述駕駛員的起步意圖值對應的起步模式；

或者，

根據(jù)所述駕駛員的起步意圖值，及預先設定的起步意圖值和起步意圖之間的映射關系，確定所述駕駛員的起步意圖；

選擇與所述駕駛員的起步意圖相匹配的起步模式。

結合第一方面的第二種可能的實現(xiàn)方式或者結合第一方面的第三種可能的實現(xiàn)方式，本發(fā)明實施例提供了上述第一方面的第四種可能的實現(xiàn)方式，其中，根據(jù)以下步驟建立所述神經(jīng)網(wǎng)絡模型：

建立所述神經(jīng)網(wǎng)絡模型的輸入層、隱藏層和輸出層；

獲取預先訓練的樣本集，所述預先訓練的樣本集包括多個訓練樣本，每個所述訓練樣本包括加速踏板的多個開度值和駕駛員的起步意圖值；

根據(jù)所述加速踏板的多個開度值和所述駕駛員的起步意圖值，確定所述輸出層至所述隱藏層的第一轉換權重系數(shù)及所述隱藏層至所述輸入層的第二轉換權重系數(shù)；

根據(jù)所述第一轉換權重系數(shù)、所述第二轉換權重系數(shù)、所述輸入層、所述隱藏層和所述輸出層，建立所述神經(jīng)網(wǎng)絡模型。

第二方面，本發(fā)明實施例提供了一種控制車輛起步的裝置，其中，所述裝置包括：

第一獲取模塊，用于車輛起步前，在預設時間長度內(nèi)多次獲取駕駛員踩下的加速踏板的開度值；

第一確定模塊，用于按照預先設置的多個開度取值，分別確定大于或等于每個所述開度取值的所有開度值的采集時間長度與預設時間長度的比值；

控制模塊，用于根據(jù)確定出的多個比值，控制所述車輛起步。

結合第二方面，本發(fā)明實施例提供了上述第二方面的第一種可能的實現(xiàn)方式，其中，所述第一確定模塊包括：

第一確定單元，用于根據(jù)預先設置的多個開度取值，分別確定大于或等于每個所述開度取值的所有開度值的個數(shù)；

第一計算單元，用于分別計算每個所述個數(shù)與所述預設時間長度內(nèi)獲取的開度值的個數(shù)的比值；

第二確定單元，用于將所述個數(shù)的比值確定為所述采集時間長度與所述預設時間長度的比值。

結合第二方面，本發(fā)明實施例提供了上述第二方面的第二種可能的實現(xiàn)方式，其中，所述控制模塊包括：

第二計算單元，用于根據(jù)所述比值和預先建立的神經(jīng)網(wǎng)絡模型的權重轉換系數(shù)，計算駕駛員的起步意圖值；

第三確定單元，用于根據(jù)所述駕駛員的起步意圖值，確定所述車輛的起步模式；

控制單元，用于控制所述車輛按照所述起步模式起步。

結合第二方面的第二種可能的實現(xiàn)方式，本發(fā)明實施例提供了上述第一方面的第三種可能的實現(xiàn)方式，其中，所述第三確定單元具體用于，

選擇與所述駕駛員的起步以圖紙對應的起步模式；

或者，

根據(jù)所述駕駛員的起步意圖值，及預先設定的起步意圖值和起步意圖之間的映射關系，確定所述駕駛員的起步意圖；

選擇與所述駕駛員的起步意圖相匹配的起步模式。

結合第二方面的第二種可能的實現(xiàn)方式或者結合第二方面的第三種可能的實現(xiàn)方式，本發(fā)明實施例提供了上述第二方面的第四種可能的實現(xiàn)方式，其中，所述裝置還包括：

第一建立模塊，用于建立所述神經(jīng)網(wǎng)絡模型的輸入層、隱藏層和輸出層；

第二獲取模塊，用于獲取預先訓練的樣本集，所述預先訓練的樣本集包括多個訓練樣本，每個所述訓練樣本包括加速踏板的多個開度值和駕駛員的起步意圖值；

第二確定模塊，用于根據(jù)所述加速踏板的多個開度值和所述駕駛員的起步意圖值，確定所述輸出層至所述隱藏層的第一轉換權重系數(shù)及所述隱藏層至所述輸入層的第二轉換權重系數(shù)；

第二建立模塊，用于根據(jù)所述第一轉換權重系數(shù)、所述第二轉換權重系數(shù)、所述輸入層、所述隱藏層和所述輸出層，建立所述神經(jīng)網(wǎng)絡模型。

在本發(fā)明實施例提供的控制車輛起步的方法及裝置中，所使用的采集時間長度可以反映駕駛員的起步意圖，因此，在控制車輛起步時，考慮駕駛員的起步意圖，使得起步時發(fā)動機的節(jié)氣門和自動離合器的結合與駕駛員對加速踏板的操作相匹配，從而減少了車輛起步時出現(xiàn)竄動、振抖的現(xiàn)象，實現(xiàn)了車輛的平順起步。

為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發(fā)明的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他相關的附圖。

圖1示出了本發(fā)明實施例所提供的控制車輛起步的方法的流程圖；

圖2示出了本發(fā)明實施例所提供的控制車輛起步的方法中，控制車輛起步的流程圖；

圖3示出了本發(fā)明實施例所提供的控制車輛起步的方法中，節(jié)氣門開度與離合器結合隨時間的變化曲線；

圖4示出了本發(fā)明實施例所提供的控制車輛起步的第一種結構示意圖；

圖5示出了本發(fā)明實施例所提供的控制車輛起步的第二種結構示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發(fā)明實施例的組件可以以各種不同的配置來布置和設計。因此，以下對在附圖中提供的本發(fā)明的實施例的詳細描述并非旨在限制要求保護的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實施例?；诒景l(fā)明的實施例，本領域技術人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

考慮到，現(xiàn)有技術中，車輛在起步時，容易出現(xiàn)車輛竄動、振抖等問題，從而導致無法實現(xiàn)車輛的平順起步?；诖?，本發(fā)明實施例提供了一種控制車輛起步的方法及裝置，下面通過實施例進行描述。

參考圖1所示，本發(fā)明實施例提供了一種控制車輛起步的方法，該方法包括步驟s110-s130，具體如下：

s110，在車輛起步前，在預設時間長度內(nèi)多次獲取駕駛員踩下加速踏板的開度值；

s120，按照預先設置的多個開度取值，分別確定大于或等于每個開度取值的所有開度值的采集時間長度與預設時間長度的比值。

s130，根據(jù)確定出的多個比值，控制車輛起步。

其中，當駕駛員踩下加速踏板時，加速踏板的開度會逐漸增大，在駕駛員踩下加速踏板之前，加速踏板的開度為零。

在本發(fā)明實施例中，在車輛的加速踏板上設置有位置傳感器，該位置傳感器用來采集加速踏板的開度值，具體的，位置傳感器采集的是加速踏板上的電壓值，該電壓值用于表征加速踏板的開度，根據(jù)電壓值和加速踏板的開度值之間的轉換關系，可以得到每個電壓值對應的開度值，因此，從位置傳感器輸出的是加速踏板的開度值。

當車輛上電時，位置傳感器開始采集加速踏板的開度值。

本發(fā)明實施例的執(zhí)行主體為amt的控制器。

在上述步驟s110中，在車輛起步前，并且車輛上電后，在預設時間長度內(nèi)控制器會多次獲取駕駛員踩下的加速踏板的開度值，具體的，控制器每間隔一定時間從位置傳感器獲取一次加速踏板的開度值。

其中，上述每間隔一定時間可以是間隔1ms，也可以是其它數(shù)值，上述間隔的具體時間數(shù)值可以根據(jù)實際應用場景進行設置，本發(fā)明實施例并不對上述間隔的時間的具體數(shù)值進行限定。

優(yōu)選的，上述預設時間長度為600ms，從駕駛員踩下加速踏板開始600ms的時間長度內(nèi)。

在上述步驟s120中，按照預先設置的多個開度取值，分別確定大于或等于每個開度取值的所有開度值的采集時間長度與預設時間長度的比值，具體包括：

根據(jù)預先設置的多個開度取值，分別確定大于或等于每個開度取值的所有開度取值的個數(shù)；

分別計算上述每個個數(shù)與預設時間長度內(nèi)獲取的開度值的個數(shù)的比值；

將上述個數(shù)的比值確定為上述采集時間長度與預設時間長度的比值。

在上述步驟s120中，預先設置的多個開度取值可以是10個、15個或者20個，具體個數(shù)可以根據(jù)實際應用場景進行設置，本發(fā)明實施例并不對上述預先設置的開度取值的具體個數(shù)進行限定。

一般的，車輛在起步時，駕駛員通常踩下的加速踏板的最大開度值為20％，因此，在本發(fā)明實施例中，可以將0～20％平均劃分，可以得到多個開度取值，每個開度取值對應一個等級，這樣可以確定出每個等級對應的開度取值。比如說，將0～20％平均劃分為10個等級，則第一個等級對應的取值可以為2％，第二個等級對應的取值為4％，第三個等級對應的取值為6％,以此類推，確定出每個等級對應的開度取值。

當然，上述只是列舉了一種開度取值的設置方法，在本發(fā)明實施例中，可以將0～20％平均劃分，也可以將0～30％平均劃分，上述20％只是其中一種實施例，在實際應用中，還可以選取大于20％的任意數(shù)值作為上述進行劃分的一個最大開度值。具體的，在進行劃分時，選取的進行劃分時的一個最大開度值可以根據(jù)實際應用設置，本發(fā)明實施例并不對其進行限定。

在上述步驟s120中，分別確定大于或等于每個開度取值的所有開度值中對應的采集時間長度，可以通過如下方式實現(xiàn)，具體包括：

此處仍以上述平均劃分的等級對應的開度取值為例進行說明，第一個等級對應的開度取值為2％,第二個等級對應的開度取值為4％，第三個等級對應的開度取值6％，以此類推，可以確定出每個等級對應的開度取值。

在本發(fā)明實施例中，比如說，在步驟s110中獲取了10個開度值，分別為1％、1.2％、2％、2.1％、2.5％、3％、3.6％、4.5％、5.2％、5.6％，按照上述舉例設置的開度取值，則可以確定出大于或等于第一個開度取值的所有開度值有2％、2.1％、2.5％、3％、3.6％、4.5％、5.2％、5.6％這八個，大于或等于第二個開度取值的所有開度值有4.5％、5.2％、5.6％，大于或等于2％的開度值共八個，而上述預設時間內(nèi)獲取的開度值的個數(shù)為10個，因此，可以將8/10＝0.8確定為大于或等于第一個開度取值的所有開度值的采集時間長度與預設時間長度的比值。采用同樣的方式分別計算出大于或等于每個開度取值的所有開度值的采集時間長度與預設時間長度的比值，通過上述方式，可以確定出多個比值。

當然，上述只是列舉了其中一種確定上述比值的方法，除此之外，還可以通過如下方式實現(xiàn)：

比如說，在步驟s110中獲取了10個開度值，分別為1％、1.2％、2％、2.1％、2.5％、3％、3.6％、4.5％、5.2％、5.6％，按照上述舉例設置的開度取值，則可以確定出大于或等于第一個開度取值的所有開度值有2％、2.1％、2.5％、3％、3.6％、4.5％、5.2％、5.6％這八個，大于或等于第二個開度取值的所有開度值有4.5％、5.2％、5.6％，大于或等于2％的開度值共八個，假設每個開度值之間的采集時間間隔為1ms，則可以確定出大于或等于第一個開度取值的采集時間長度為8ms，計算8ms和預設時間長度的比值。

因此，在上述步驟s120中可以得到一系列的比值。

參考圖2所示，在步驟s130中，根據(jù)確定出的多個比值，控制車輛起步，包括步驟s210-s230，具體如下：

s210，根據(jù)上述比值和預先建立的神經(jīng)網(wǎng)絡模型的權重轉換系數(shù)，計算駕駛員的起步意圖值；

s220，根據(jù)駕駛員的起步意圖值，確定車輛的起步模式；

s230，控制車輛按照上述起步模式起步。

在本發(fā)明實施例中，上述預先建立的神經(jīng)網(wǎng)絡模型為bp(backpropagation)神經(jīng)網(wǎng)絡模型。

本發(fā)明實施例中的神經(jīng)網(wǎng)絡模型分為輸入層、隱藏層和輸出層三部分，輸入層包含多個輸入節(jié)點，隱藏層包含多個輸入節(jié)點，輸出層的輸出節(jié)點也為多個，優(yōu)選的，本發(fā)明實施例中所使用的神經(jīng)網(wǎng)絡模型的輸出層的輸出節(jié)點為兩個，當然，每層的節(jié)點個數(shù)的具體數(shù)值可以根據(jù)實際情況進行設置。

在本發(fā)明實施例中，根據(jù)上述一系列的比值和神經(jīng)網(wǎng)絡模型的權重轉換系數(shù)，通過如下公式，計算駕駛員的起步意圖值：

其中，在上述公式中，wij表示神經(jīng)網(wǎng)絡模型的輸入節(jié)點i和隱藏節(jié)點j之間的轉換權重系數(shù)，vjk表示神經(jīng)網(wǎng)絡模型的隱藏節(jié)點和輸出節(jié)點之間的轉換權重系數(shù)，i表示的是輸入層的輸入節(jié)點，i＝1,2,…,n，n表示的是上述比值的個數(shù)，j表示的是隱藏層的節(jié)點，隱藏層的節(jié)點的個數(shù)可以根據(jù)實際情況設置，在本發(fā)明實施例中，m表示的是隱藏層節(jié)點的個數(shù)，j＝1,2,…,m，α為預先設定的隱藏層的閾值，β為預先設定的輸出層的閾值，pi表示的是上述計算出的比值，si表示的是隱藏層節(jié)點的激活值，ok為輸出層節(jié)點的激活值，bj表示的是隱藏層的輸出值，yk表示的是輸出層的輸出值。

上述公式中，函數(shù)f的定義如下：

在本發(fā)明實施例中，上述輸出層的輸出值yk表示的則是駕駛員的起步意圖值，并且，在本發(fā)明實施例中，k的取值為1和2，即神經(jīng)網(wǎng)絡模型的輸出值為[y1,y2]。

具體的，上述根據(jù)駕駛員的起步意圖值，確定車輛的起步模式，具體包括如下兩種情況：

第一種情況，

選擇與駕駛員的起步意圖值對應的起步模式；

在該中情況下，預先建立有起步意圖值和車輛起步模式之間的映射關系，這樣，當確定出駕駛員的起步意圖值后，則根據(jù)該起步意圖值，從上述映射關系中查找與該起步意圖值相對應的車輛起步模式，查找出的起步模式作為車輛的起步模式。

第二種情況，

根據(jù)駕駛員的起步意圖值，及預先設定的起步意圖值和起步意圖之間的映射關系，確定駕駛員的起步意圖；

選擇與駕駛員的起步意圖相匹配的起步模式。

在該種情況下，預先建立的是起步意圖和起步模式之間的映射關系，因此，首先需要根據(jù)計算出的駕駛員的起步意圖值，確定出該起步意圖值對應的駕駛員的起步意圖，具體的，駕駛員的起步意圖包括緩起步意圖、中等起步意圖和急起步意圖，不同的[y1,y2]值對應不同的起步意圖，比如說，可以是[0,1]對應緩起步意圖，[1,0]對應中等起步意圖，[1,1]對應急起步意圖，[0,0]對應無起步意圖。

在本發(fā)明實施例中，預先設定有起步意圖值和起步意圖之間的映射關系，根據(jù)計算出的起步意圖值和該映射關系，可以確定出駕駛員的起步意圖，由于計算出的起步意圖值可能會存在小數(shù)位數(shù)，因此，采用四舍五入的方式將計算出的起步意圖值取整為0或1。

當確定出駕駛員的起步意圖后，根據(jù)駕駛員的起步意圖和預先建立的起步意圖和起步模式之間的映射關系，確定出與駕駛員的起步意圖相匹配的起步模式。

當確定出與駕駛員的起步意圖相匹配的起步模式后，控制車輛按照該起步模式進行起步。

參考圖3所示，為每種起步意圖對應的節(jié)氣門開度與離合器結合隨時間的變化曲線，圖3(a)為緩起步意圖對應的節(jié)氣門開度和離合器結合隨時間的變化曲線，圖3(b)為中等起步意圖對應的節(jié)氣門開度和離合器隨時間的變化曲線，圖3(c)為急起步意圖對應的節(jié)氣門開度和離合器隨時間的變化曲線。

除此之外，在本發(fā)明實施例提供的方法中，還可以預先設置多個開度等級，以及每個開度等級對應的取值范圍，根據(jù)每個開度等級對應的取值范圍確定每個開度等級內(nèi)包含的開度值；根據(jù)每個開度等級內(nèi)包含的開度值，確定每個開度等級內(nèi)的最低開度值對應的采集時刻和最高開度值對應的采集時刻之間的第二采集時間長度，之后計算第二采集時間長度與預設采集時間長度之間的第二比值，將該第二比值作為預先建立的神經(jīng)網(wǎng)絡模型的輸入值，確定駕駛員的起步意圖，并根據(jù)駕駛員的起步意圖控制車輛起步。

具體的，本發(fā)明實施例所采用的神經(jīng)網(wǎng)絡模型通過如下步驟(1)-步驟(4)建立得到的：

(1)建立神經(jīng)網(wǎng)絡的輸入層、隱藏層和輸出層；

(2)獲取預先訓練的樣本集，該預先訓練的樣本集包括多個訓練樣本，每個訓練樣本包括加速踏板的多個開度值和駕駛員的起步意圖值；

(3)根據(jù)上述加速踏板的多個開度值和駕駛員的起步意圖值，確定輸出層至隱藏層的第一轉換權重系數(shù)及隱藏層至輸入層的第二轉換權重系數(shù)；

(4)根據(jù)上述第一轉換權重系數(shù)、第二轉換權重系數(shù)、輸入層、隱藏層和輸出層，建立上述神經(jīng)網(wǎng)絡模型。

在本發(fā)明實施例中，建立的神經(jīng)網(wǎng)絡模型的輸入層、隱藏層和輸出層，本發(fā)明實施例中，建立的是三層神經(jīng)網(wǎng)絡模型，之后，則根據(jù)車輛起步實驗中獲取的樣本集對上述神經(jīng)網(wǎng)絡模型中的輸出層至隱藏層的第一轉換權重系數(shù)，及隱藏層至輸出層的第二轉換權重系數(shù)進行校準，確定出本發(fā)明實施例中所采用的神經(jīng)網(wǎng)絡模型的第一轉換權重系數(shù)和第二轉換權重系數(shù)，具體過程如下：

首先通過進行大量的車輛起步實驗獲取樣本集，該樣本集中包括多個訓練樣本，每個訓練樣本均包括駕駛員的起步意圖值和駕駛員在起步時對加速踏板操作時的加速踏板的開度值；

采用和上述步驟s120相同的方法對上述加速踏板的開度值進行處理，得到一系列的采集時間長度與起步時獲取加速踏板的開度值的整個采集時間長度之間的比值，將該一系列比值確定為神經(jīng)網(wǎng)絡的輸入值，根據(jù)每個訓練樣本可以確定出輸入值和輸出值(駕駛員的起步意圖值)的一個對應關系，具體的，神經(jīng)網(wǎng)絡的輸入值可以記為神經(jīng)網(wǎng)絡的輸出值記為其中，r表示的是第r個訓練樣本，在本發(fā)明實施例中，設置的輸入層的輸入節(jié)點的個數(shù)為10個，輸出層的輸出節(jié)點的個數(shù)為2個。

之后，通過如下公式計算隱藏層節(jié)點的激活值sj和輸出值bj；

其中，在上述公式中，表示的是使用第r個訓練樣本計算出來的隱藏層節(jié)點的激活值，表示的是使用第r個訓練樣本計算出來的隱藏節(jié)點的輸出值，j表示的是隱藏層的輸出節(jié)點，i表示的是隱藏層的輸入節(jié)點，α^r表示的是預先設定的隱藏層的閾值，表示的是隱藏層至輸入層的轉換權重系數(shù)。

通過如下公式計算輸出層節(jié)點的激活值ok和輸出值yk；

其中，在上述公式中，表示的是使用第r個訓練樣本計算出來的輸出層節(jié)點的激活值，表示的是使用第r個訓練樣本計算出來的輸出層節(jié)點的輸出值，k表示的是輸出層的輸出節(jié)點，β^r表示的是預先設定的輸出層的閾值，表示的是輸出層至隱藏層的轉換權重系數(shù)。

之后，通過如下公式計算輸出層和隱藏層的校正誤差：

其中，在上述公式中表示的是使用第r個訓練樣本計算出的輸出層的校正誤差，表示的是使用第r個訓練樣本計算出的隱藏層的校正誤差，f′表示的是函數(shù)f的導數(shù)。

接下來，通過如下公式計算輸出層至隱藏層的第一轉換權重系數(shù)的校正量和輸出層閾值的校正量；

其中，在上述公式中，表示的是使用第r個訓練樣本計算出的第一轉換權重系數(shù)的校正量，λ1表示的是輸出層至隱藏層的反饋校正系數(shù)，δβ^r表示的是輸出層閾值的校正量。

通過如下公式計算隱藏層至輸入層的第二轉換權重系數(shù)和隱藏層閾值的校正量；

其中，在上述公式中，表示的是使用第r個訓練樣本計算出的第二轉換權重系數(shù)的校正量，λ2表示的是隱藏層至輸入層的反饋校正系數(shù)，δα^r表示的是使用第r個訓練樣本計算出的隱藏層閾值的校正量。

通過上述訓練之后，可以計算出新的第一轉換權重系數(shù)和第二轉換權重系數(shù)，及隱藏層閾值和輸出層閾值，

其中，在上述公式中，表示的是新的第二權重轉換系數(shù)，表示的是新的第一權重轉換系數(shù)，α^r+1表示的是新的隱藏層的閾值，β^r+1表示的是新的輸出層的閾值。

最后，判斷上述隱藏層和輸出層的校正誤差是否滿足下述條件：

其中，在上述公式中，ith表示的是預先設定的誤差上限閾值。

若滿足，則訓練過程結束，則將確定為第二權重轉換系數(shù)，將確定為第一權重轉換系數(shù)，α^r+1確定為隱藏層的閾值，β^r+1確定為輸出層的閾值，若不滿足，將上述樣本序號r加1，重新確定第一轉換權重系數(shù)、第二轉換權重系數(shù)和輸出層的閾值、隱藏層的閾值。

當確定出上述神經(jīng)網(wǎng)絡模型第一轉換權重系數(shù)、第二轉換權重系數(shù)及閾值后，得到上述神經(jīng)網(wǎng)絡模型。

本發(fā)明實施例提供的控制車輛起步的方法，所使用的采集時間長度可以反映駕駛員的起步意圖，因此，在控制車輛起步時，考慮駕駛員的起步意圖，使得起步時發(fā)動機的節(jié)氣門和自動離合器的結合與駕駛員對加速踏板的操作相匹配，從而減少了車輛起步時出現(xiàn)竄動、振抖的現(xiàn)象，實現(xiàn)了車輛的平順起步。

參考圖4所示，本發(fā)明實施例還提供了一種控制車輛起步的裝置，該裝置用于執(zhí)行本發(fā)明實施例提供的控制車輛起步的方法，具體的，該裝置可以是amt車輛的控制器，該裝置包括第一獲取模塊410、第一確定模塊420和控制模塊430；

上述第一獲取模塊410，用于在車輛起步前，在預設時間長度內(nèi)多次獲取駕駛員踩下的加速踏板的開度值；

上述第一確定模塊420，用于按照預先設置的多個開度取值，分別確定大于或等于每個開度取值的所有開度值的采集時間長度與預設時間長度的比值；

上述控制模塊430，用于根據(jù)確定出的多個比值，控制車輛起步。

其中，作為一個實施例，上述第一確定模塊420確定的比值，是通過第一確定單元、第一計算單元和第二確定單元實現(xiàn)的，具體包括：

上述第一確定單元，用于根據(jù)預先設置的多個開度取值，分別確定大于或等于每個開度取值的所有開度值的個數(shù)；上述第一計算單元，用于分別計算每個上述個數(shù)與預設時間長度內(nèi)獲取的開度值的個數(shù)的比值；上述第二確定單元，用于將上述個數(shù)的比值確定為上述采集時間長度與預設時間長度的比值。

具體的，參考圖5所示，在本發(fā)明實施例中，上述控制模塊430根據(jù)確定出的多個比值，控制車輛起步，可以通過第二計算單元431第三確定單元432和控制單元433實現(xiàn)，具體包括：

上述第二計算單元431，用于根據(jù)上述比值和預先建立的神經(jīng)網(wǎng)絡模型的權重轉換系數(shù)，計算駕駛員的起步意圖值；上述第二確定單元432，用于根據(jù)駕駛員的起步意圖值，確定上述車輛的起步模式；上述控制單元433，用于控制上述車輛按照上述起步模式起步。

在本發(fā)明實施例中，上述第三確定單元，控制上述車輛按照上述起步模式起步，具體通過如下兩種方式實現(xiàn)：

第一種情況，

選擇與上述駕駛員的起步意圖值對應的起步模式；

第二種情況，

根據(jù)駕駛員的起步意圖值，及預先設定的起步意圖值和起步意圖之間的映射關系，確定駕駛員的起步意圖；

選擇與駕駛員的起步意圖相匹配的起步模式。

其中，在本發(fā)明實施例中，建立神經(jīng)網(wǎng)絡模型是通過第一建立模塊、第二獲取模塊、第二確定模塊和第二建立模塊實現(xiàn)的，具體包括：

上述第一建立模塊，用于建立上述神經(jīng)網(wǎng)絡模型的輸入層、隱藏層和輸出層；上述第二獲取模塊，用于獲取預先訓練的樣本集，該預先訓練的樣本集包括多個訓練樣本，每個訓練樣本包括加速踏板的多個開度值和駕駛員的起步意圖值；上述第二確定模塊，用于根據(jù)上述加速踏板的多個開度值和駕駛員的起步意圖值，確定上述輸出層至隱藏層的第一轉換權重系數(shù)及隱藏層至輸入層的第二轉換權重系數(shù)；上述第二建立模塊，用于根據(jù)上述第一轉換權重系數(shù)、上述第二轉換權重系數(shù)、上述輸入層、上述隱藏層和輸出層，建立上述神經(jīng)網(wǎng)絡模型。

本發(fā)明實施例提供的控制車輛起步的裝置中，所使用的采集時間長度可以反映駕駛員的起步意圖，因此，在控制車輛起步時，考慮駕駛員的起步意圖，使得起步時發(fā)動機的節(jié)氣門和自動離合器的結合與駕駛員對加速踏板的操作相匹配，從而減少了車輛起步時出現(xiàn)竄動、振抖的現(xiàn)象，實現(xiàn)了車輛的平順起步。

本發(fā)明實施例所提供的控制車輛起步的裝置可以為設備上的特定硬件或者安裝于設備上的軟件或固件等。本發(fā)明實施例所提供的裝置，其實現(xiàn)原理及產(chǎn)生的技術效果和前述方法實施例相同，為簡要描述，裝置實施例部分未提及之處，可參考前述方法實施例中相應內(nèi)容。所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，前述描述的系統(tǒng)、裝置和單元的具體工作過程，均可以參考上述方法實施例中的對應過程，在此不再贅述。

在本發(fā)明所提供的實施例中，應該理解到，所揭露裝置和方法，可以通過其它的方式實現(xiàn)。以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，又例如，多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些通信接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上。可以根據(jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明提供的實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。

所述功能如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中?；谶@樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質。

應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋，此外，術語“第一”、“第二”、“第三”等僅用于區(qū)分描述，而不能理解為指示或暗示相對重要性。

最后應說明的是：以上所述實施例，僅為本發(fā)明的具體實施方式，用以說明本發(fā)明的技術方案，而非對其限制，本發(fā)明的保護范圍并不局限于此，盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內(nèi)，其依然可以對前述實施例所記載的技術方案進行修改或可輕易想到變化，或者對其中部分技術特征進行等同替換；而這些修改、變化或者替換，并不使相應技術方案的本質脫離本發(fā)明實施例技術方案的精神和范圍。都應涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應所述以權利要求的保護范圍為準。