一种电动三轮车安全驾驶系统的制作方法

1.一种电动三轮车安全驾驶系统，其特征在于，包括车重检测模块、转弯角度检测模块、平稳度检测模块、车速控制模块和预训练的三轮车防侧翻神经网络模型；

2.根据权利要求1所述的电动三轮车安全驾驶系统，其特征在于，所述车重检测模块包括称重传感器，安装于三轮车底盘的承重点，用于检测三轮车载重时的重量数据；所述转弯角度检测模块包括陀螺仪传感器，安装于三轮车的车架，用于检测三轮车的实时转弯角度数据；所述平稳度检测模块包括加速度计和倾斜传感器，安装在三轮车的车架或底盘，用于检测三轮车的平稳度数据；所述预训练的三轮车防侧翻神经网络模型部署于电动三轮车的中央处理单元；检测到的重量数据、实时转弯角度数据和平稳度数据传输至电动三轮车的中央处理单元。

3.根据权利要求1所述的电动三轮车安全驾驶系统，其特征在于，所述车速控制模块包括电子控制单元和执行器，在三轮转弯时，所述车速控制模块能基于车速阈值调节三轮车的电机输出，从而控制车速。

4.根据权利要求1所述的电动三轮车安全驾驶系统，其特征在于，三轮车防侧翻神经网络模型包括输入层、隐层和输出层；输入层用于接收车速、三轮车重心高度、三轮车载重时的总重量、三轮车的实时转弯角度和三轮车的平稳度；隐层采用多层感知器结构，隐层的每一层都使用relu激活函数；输出层为单神经元层，使用线性激活函数，输出车速阈值。

5.根据权利要求2所述的电动三轮车安全驾驶系统，其特征在于，隐层有两层；输入向量经过线性变换和偏置调整后，再经过relu激活函数，得到第一隐层的输出f1(x)：第一隐层的输出经过线性变换和偏置调整后，再经过relu激活函数，得到第二隐层的输出f2(f1(x))。

6.根据权利要求3所述的电动三轮车安全驾驶系统，其特征在于，车速阈值υmax的计算公式为：

7.根据权利要求4所述的电动三轮车安全驾驶系统，其特征在于，三轮车防侧翻神经网络模型的预训练过程中使用梯度下降法最小化损失函数，对模型参数进行更新，用到的损失函数考虑了侧翻风险、过载风险和平稳度风险。