一种基于MAML-AUKF模型的制动主缸压力预测方法

本发明公开了一种基于MAML‑AUKF模型的制动主缸压力预测方法，涉及人机共驾领域。该方法包括：构建MAML‑AUKF模型；根据驾驶人制动减速度峰值将制动主缸压力预测任务划分为多个元学习任务；获取驾驶人踩下制动踏板过程中的腿部sEMG信号与制动主缸压力并建立数据集，并按照预设比例划分为不同任务的支持集和查询集；基于不同任务的支持集，通过MAML‑AUKF模型的内循环训练实现AUKF模型的参数更新；基于不同任务的查询集，通过MAML‑AUKF模型的外循环训练实现AUKF模型的参数更新；采集驾驶人的实时sEMG信号数据集，将其输入经MAML方法训练更新后的AUKF模型中预测制动主缸压力。本发明能够适应sEMG信号频繁变化的噪声条件，提高AUKF模型在预测制动主缸压力滤波中的鲁棒性和泛化能力。