CN110027605A - 调整线控转向***以适于机动车驾驶员的控制单元和方法 - Google Patents

Abstract

本发明涉及调整线控转向***以适于机动车驾驶员的控制单元和方法，具体公开了机动车中用于调整线控转向***以适于驾驶员的方法（20）及控制单元（10）。首先，从包括车辆速度传感器、车辆加速度传感器、转向角传感器、转向力矩传感器以及横摆率传感器中至少一者的一组传感器获取信号。处理来自所述传感器的信号以确定驾驶员是训练有素的驾驶员还是未经训练的驾驶员。其次，从至少包括车辆加速度传感器、转向角传感器、转向力矩传感器的一组传感器获取信号。然后，使用模糊逻辑处理信号以确定驾驶员是低敏感度驾驶员还是高敏感度驾驶员。以上处理的技术优势在于转向比被应用到线控转向***以降低驾驶员疲劳并改进驾驶的容易性。

Description

调整线控转向***以适于机动车驾驶员的控制单元和方法

技术领域

本发明涉及机动车中用于调整线控转向***以适于驾驶员的控制单元及方法。

背景技术

转向***是机动车中的许多部件之一，并且转向***的重要性无需过分强调。转向***帮助车辆或机动车的驾驶员将车辆保持在稳定的路径及方向上，并且还帮助在任何需要的时候转弯。事故或灾祸有时确实会发生，这除了导致事故的许多其它原因之外，还因为车辆的驾驶员不能够将车辆正确转向到所期望的方向上。

附图说明

下面参考附图在原理上阐述本公开的实施例。附图是：

图1图示了第一布置结构的示意图，第一布置结构包括连接到多个传感器的控制单元；

图2图示了第二布置结构的示意图，第二布置结构包括连接到电子网络的控制单元；

图3图示了机动车中调整线控转向***以适于驾驶员的方法中的步骤；

图4a图示了用于加速度的改变的模糊逻辑隶属函数；

图4b图示了用于转向角的改变的模糊逻辑隶属函数；

图4c图示了用于转向力矩的改变的模糊逻辑隶属函数；以及

图4d图示了用于转向校正率的模糊逻辑隶属函数。

具体实施方式

图1图示了第一布置结构的示意图，第一布置结构包括连接到多个传感器（101、102、103、104及105）的控制单元10。在该布置结构中，控制单元10从多个传感器（101、102、103、104和105）直接接收信号。在上句的语境中，“直接”指的是：在没有任何其它的或外部的硬件实体的任何介入或参与的情况下，由控制单元10从多个传感器接收信号。换言之，所包括的硬件实体仅为控制单元10和多个传感器（101、102、103、104和105）。图2图示了第二布置结构的示意图，第二布置结构包括连接到电子网络110的控制单元10。电子网络110可以是控制器局域网络（CAN）或者通常安装在机动车和网络中的任何类似的网络。在第二布置结构中，电子网络110从多个传感器（101、102、103、104和105）接收信号，并且控制单元10从电子网络110接收信号。控制单元10可以是任何电子控制单元或机动车中使用的微处理器，以获取并处理机动车中生成的信息并控制机动车的功能。控制单元10的示例可以是通常安装在机动车中并在机动车中使用的ECU或电子控制单元。本领域普通技术人员理解通向电子网络110和来自电子网络110的信息交换。上述第一布置结构和第二布置结构中的以及该当前申请的语境中的多个传感器（101、102、103、104和105）不限于五个。五个仅是示例，并且多个传感器可以采用任何数目。将在下文中描述多个传感器。

机动车中用于调整线控转向***以适于驾驶员的控制单元10适于在预定的时间段内从第一组传感器获取信号。控制单元10还适于处理从第一组传感器获取的信号以确定驾驶员是否是训练有素的驾驶员与未经训练的驾驶员中的任何一者。控制单元10还适于在另一预定的时间段内从第二组传感器获取信号。在获取之后，控制单元10还适于处理在另一预定的时间段内从第二组传感器获取的信号以确定驾驶员是否是低敏感度（sensitivity）驾驶员与高敏感度驾驶员中的任何一者。控制单元10还适于基于驾驶员是否是训练有素的驾驶员或未经训练的驾驶员中的任何一者以及是否是低敏感度驾驶员与高敏感性驾驶员中的任何一者来将转向比（steering ratio）应用到线控转向***。本领域普通技术人员所理解的线控转向***是具有机械控制与电子控制两者的组合的转向***。换言之，在线控转向***中，常规转向***中的许多机械部件被电子部件替代。

图3图示了机动车中调整线控转向***以适于驾驶员的方法20中的步骤。方法20包括第一步骤205：由控制单元10在预定的时间段内从机动车中的第一组传感器获取信号。方法20包括第二步骤210：由控制单元10处理从第一组传感器获取的信号，以确定驾驶员是否是训练有素的驾驶员与未经训练的驾驶员中的任何一者。方法20包括第三步骤215：由控制单元10在另一预定的时间段内从第二组传感器获取信号。方法20包括第四步骤220：由控制单元10处理在另一预定的时间段内从第二组传感器获取的信号，以确定驾驶员是否是低敏感度驾驶员与高敏感度驾驶员中的任何一者。方法20包括第五步骤225：基于驾驶员是否是训练有素的驾驶员与未经训练的驾驶员中的任何一者以及是否是低敏感度驾驶员与高敏感度驾驶员中的任何一者，由控制单元10将转向比应用到线控转向***。

第一组传感器包括以下中的至少一者：车辆速度传感器、车辆加速度传感器、转向角传感器、转向力矩传感器以及横摆率（yaw rate）传感器。上述传感器形成之前所描述的多个传感器。如其名称所暗含的，车辆速度传感器测量车辆的速度，车辆加速度传感器测量车辆的加速度，转向角传感器测量转向的转动角度，转向力矩传感器测量施加到方向盘的力矩，以及横摆率传感器测量车辆的横摆率。横摆率是车辆围绕车辆竖直轴线的角速度。第一组传感器可以是来自上述多个传感器中的一个传感器或多个。第二组传感器包括以下中的至少一者：车辆速度传感器、车辆加速度传感器、转向角传感器、转向力矩传感器以及横摆率传感器。第二组传感器可以是来自上述多个传感器中的一个传感器或多个。

在方法20中，由控制单元10从第一组传感器获取信号包括从第一组传感器直接接收信号。在当前说明书中，之前已经描述了“直接接收信号”。在方法20中，替代地，由控制单元10从第一组传感器获取信号包括通过车辆或机动车中的电子网络110接收信号。在方法20中，由控制单元10从第二组传感器获取信号包括从第二组传感器直接接收信号。在方法20中，替代地，由控制单元10从第二组传感器获取信号包括通过车辆或机动车中的电子网络110接收信号。

在方法20中，由控制单元10处理在另一预定的时间段内从第二组传感器获取的信号以确定驾驶员是否是低驾驶员敏感度区域和高驾驶员敏感度区域中的任何一者包括利用模糊逻辑处理从第二组传感器获取的信号。

在该申请的语境下，“组”可以包括任何数值，即从一到大于一的任何值。作为示例，组可以包括仅一个值。作为另一个示例，组可以包括2个值。作为又一另外的示例，组可以包括5个值。作为另外的示例，组可以包括10个值。

下文中描述了方法20的工作方式。在步骤205中，在预定的时间段内从第一组传感器获取信号。之前已经描述了第一组传感器。第一组传感器可以包括来自多个传感器的仅一个传感器或多于一个传感器。作为示例，第一组传感器仅包括转向角传感器。因此，在步骤205中，从转向角传感器获取信号达5秒。预定的时间段不限于仅5秒，并还可以采用其它值。

步骤205中获取的信号在步骤210中进行处理，以确定驾驶员是否是训练有素的驾驶员与未经训练的驾驶员中的任何一者。作为示例，来自转向角传感器的信号被处理，以检查它们是否落在预定的阈值内。例如，当驾驶员正持续沿直线延伸的道路或高速路驾驶时，训练有素的驾驶员通常将不会持续保持对方向盘作出校正以沿着路径行驶，而未经训练的驾驶员通常会保持对方向盘作出校正。在驾驶员已右转弯或左转弯或掉头之后，相同的比照仍然成立。转向角传感器测量方向盘旋转到的角度。方向盘被旋转得越多，由转向角传感器测量的角度就越高。如果从转向角传感器在预定的时间段内获取的信号越过预定的阈值，则驾驶员被归类为未经训练的驾驶员。如果从转向角传感器在预定的时间段内获取的信号落在预定的阈值内，则驾驶员被归类为训练有素的驾驶员。例如，如果转向角的预定阈值是5°，并且如果所获取的信号对应于小于5°的转向角，则驾驶员是训练有素的驾驶员。而如果所获取的信号对应于大于5°的转向角，则驾驶员是未经训练的驾驶员。然而，在预定的时间段中，多个信号被单独地从转向角传感器获取。并非多个信号中的所有信号都会落入来自多个传感器中的任何传感器的任何测量结果的预定阈值内或外。利用如上的相同的示例详细地说明的话，对于沿着直线路径驾驶的训练有素的驾驶员，所获取的多个信号中的大多数将会落在预定的阈值内，但可能所获取的多个信号中的少数落在阈值界限外，因为驾驶员可能避让坑洼并且可能仅是使车辆急速地转向。因此，在步骤210中，在处理期间，对于所获取的多个信号配置并使用预定百分比界限。该预定的百分比界限用以补偿在所获取的信号中因为环境条件产生的异常，所述环境条件不受训练有素的驾驶员的控制。仅当对获取的多个信号的处理表明驾驶员会是训练有素的驾驶员时，才应用该预定的百分比界限。详细地说明的话，如果并非多个信号中的所有而是所获取的多个信号中的大多数落在阈值界限内，则应用预定的百分比界限以检查是否大多数超出预定的百分比界限。如果大多数落在阈值百分比界限外，则驾驶员是训练有素的驾驶员。例如，对于转向角传感器，如果预定的百分比界限是75%，并且如果10个信号点内有8个信号点落在预定的阈值内，则驾驶员是训练有素的驾驶员，因为信号中的80%处于预定阈值内并且80%大于预定百分比界限75%。如果仅7个信号点处于预定阈值内，则驾驶员将被归类为未经训练的驾驶员。该处理在控制单元10中完成。

上面所描述的仅是示例，并且步骤210中的处理也可以利用从多于一个传感器获取的信号来完成。

在步骤215中，由控制单元10在另一预定的时间段内从第二组传感器获取信号。就从多个传感器选定的传感器而言，第二组传感器可以与第一组传感器相同或不同。例如，第一组传感器可以具有两个传感器，而第二组传感器可以具有三个传感器。利用示例详细地说明的话，第二组传感器可以包括车辆加速度传感器、转向角传感器以及转向力矩传感器。步骤215中的另一预定的时间段可以与步骤205中的预定的时间段相同或不同。

在步骤220中，由控制单元10处理在步骤215中获取的信号以确定驾驶员是低敏感度驾驶员还是高敏感度驾驶员。与高敏感度驾驶员相比，低敏感度驾驶员采取行动相对较慢。高敏感度驾驶员对状况作出快速反应。低敏感度驾驶员倾向于转向过度，而高敏感度驾驶员倾向于转向不足。模糊逻辑被用于处理步骤220中所做的计算。利用模糊逻辑算法，事件和隶属函数用于对敏感度值的计算。下面利用示例来描述步骤220中的处理。

本领域普通技术人员理解用于模糊逻辑的隶属函数。隶属函数是限定输入空间中的各点如何映射到0与1之间的隶属值的曲线。图4a图示了用于加速度的改变的模糊逻辑隶属函数。加速度的小的改变由三角形区段305表示，加速度的大的改变由三角形区段310表示，并且没有改变或非常小的改变由矩形区段315表示。加速度的小的改变的示例可以是-5km/s²到+5 km/s²。加速度的非常小的改变或没有改变的示例可以是-2 km/s²到+2 km/s²，并且加速度的大的改变的示例可以是-20 km/s²到+20 km/s²。图4b图示了用于转向角的改变的模糊逻辑隶属函数。转向角的小的改变由三角形区段405表示，加速度的大的改变由三角形区段410表示，并且非常小的改变或没有改变由矩形区段415表示。转向角的小的改变的示例可以是2.5度到10度，非常小的改变或没有改变的示例可以是0到2.5度，并且大的改变的示例可以是10到30度。

图4c图示了用于转向力矩的改变的模糊逻辑隶属函数。转向力矩的小的改变由三角形区段505表示，转向力矩的大的改变由三角形区段510表示，并且非常小的改变或没有改变由矩形区段515表示。小的改变的示例可以是0.1 Nm到1 Nm，大的改变的示例可以是1Nm到3 Nm，并且非常小的改变或没有改变的示例可以是0到0.1 Nm。

图4d图示了用于转向校正率的模糊逻辑隶属函数。转向校正率的小的改变由矩形区段605表示，转向校正率的大的改变由矩形区段610表示，并且非常小的改变或没有改变由矩形区段615表示。转向校正率由转向力矩的改变得到。转向力矩的任何改变可被视为转向校正，并且一段时间内的转向校正为转向校正率。转向校正率的小的改变的示例是0.1Nm/s，转向校正率的大的改变的示例是1 Nm/s到3 Nm/s，并且非常小的改变至没有改变的示例是0到0.1 Nm/s。

在该示例中，如果从车辆加速度传感器获取的信号落在由矩形区段315（加速度的非常小的改变或没有改变）界定的区域内，从转向力矩传感器获取的信号落在由三角形区段505（转向力矩的小的改变）界定的区域内，从转向角传感器获取的信号落在由矩形区段415（转向角的非常小的改变或没有改变）界定的区域内，并且转向校正率落在由矩形区段605（转向校正率的小的改变）界定的区域内，则驾驶员敏感度是低的。并且类似地，如果从车辆加速度传感器获取的信号落在由矩形区段315（加速度的非常小的改变或没有改变）界定的区域内，从转向力矩传感器获取的信号落在由三角形区域510（转向力矩的大的改变）界定的区域内，从转向角传感器获取的信号落在由矩形区段415（转向角的非常小的改变或没有改变）界定的区域内，并且转向校正率落在由矩形区段605（转向校正率的小的改变）或区段610（转向校正率的大的改变）界定的区域内，则驾驶员敏感度是高的。

在第五步骤225中，控制单元10通过选择特定的转向比而将转向比应用到线控转向***。转向比指的是以角度表示的方向盘的转动与车轮的转动之间的比。较高的转向比意味着，方向盘必须转动更多以使车轮转动，而低的转向比意味着，方向盘必须转动更少以使车轮转动。控制单元10储存多个转向比，并且适当的比被选定并应用到线控转向***。这改变驾驶员为了执行车辆车轮所需的转动而需要转动方向盘的角度。所应用的较高的转向比的范围可以在从11:1到20:1的范围内，这是对于训练有素的驾驶员。所应用的较低的转向比的范围可以在从3:1到10:1的范围内，这是对于未经训练的驾驶员。一般而言，未经训练的或者缺乏经验的驾驶员倾向于频繁地校正路线或校正他们的转向方向，并因此，在这种情况下，应用较低的转向比将会是有帮助且有利的。这是因为转向角的小的转动即可以带来所需的路线校正。另一方面，由于训练有素的驾驶员相对而言不太可能频繁地校正路线，较高的转向角可适用于训练有素的驾驶员。转向比中的每个的范围，即较高转向比范围和较低转向比范围，可以分成高敏感度范围和低敏感度范围。详细地说明的话，较高转向比范围的高敏感度范围从16:1到20:1，并且较高转向比范围的低敏感度范围从11:1到15:1。类似地，较低转向比范围的高敏感度范围从7:1到10:1，并且较低转向比范围的低敏感度范围从3:1到6:1。一般而言，高敏感度驾驶员倾向于在任何外部刺激下对改变不由自主地或者立即作出反应，并且还可能对于任何外部改变转向得有点过多。因此，高敏感度驾驶员的以上倾向可以通过具有较高的转向比来抵消或平衡。因此，较高转向比范围与较低转向比范围两者中的高敏感度范围被应用到高敏感度驾驶员。类似地，较高转向比范围与较低转向比范围两者中的低敏感度范围被应用到低敏感度驾驶员。以上范围是示例性的。在行业中，可以应用相同的范围或相似的范围。

因此，对于是高敏感度驾驶员的训练有素的驾驶员，选择从16:1到20:1的转向比。对于是低敏感度驾驶员的训练有素的驾驶员，选择从11:1到15:1的转向比。对于是高敏感度驾驶员的未经训练的驾驶员，选择从7:1到10:1的转向比。对于是低敏感度驾驶员的未经训练的驾驶员，选择从3:1到6:1的转向比。取决于机动车的型号、转向比的可用性等从所述范围中选择单个的转向比。

以上方法以及控制单元10的调整（adaptation）的优点使得有助于线控转向***取决于驾驶员的表现及熟练程度而调整或改变。这降低了驾驶员的驾驶疲劳并且改进了驾驶员驾驶的容易性。这导致事故以及灾祸减少。

将要理解的是，上述描述意图仅是说明所公开的技术的原理，而不是穷尽所公开的技术，并且本领域技术人员将会明白改变及变型，并且本发明不意图受到限制，除了如所附权利要求中明确陈述的那样。

Claims (9)

1.一种在机动车中调整线控转向***以适于驾驶员的方法，所述方法包括：

由控制单元（10）在预定的时间段内从所述机动车中的第一组传感器获取信号；

由所述控制单元（10）处理从所述第一组传感器获取的信号，以确定所述驾驶员是否是训练有素的驾驶员与未经训练的驾驶员中的任何一者；

由所述控制单元（10）在另一预定的时间段内从第二组传感器获取信号；

由所述控制单元（10）处理在另一预定的时间段内从所述第二组传感器获取的信号，以确定所述驾驶员是否是低敏感度驾驶员与高敏感度驾驶员中的任何一者；以及

基于所述驾驶员是否是训练有素的驾驶员与未经训练的驾驶员中的任何一者以及是否是低敏感度驾驶员与高敏感度驾驶员中的任何一者，由所述控制单元（10）将转向比应用到所述线控转向***。

2.如权利要求1所述的方法（20），其中，所述第一组传感器包括以下中的至少一者：车辆速度传感器、车辆加速度传感器、转向角传感器、转向力矩传感器以及横摆率传感器。

3.如权利要求1所述的方法（20），其中，所述第二组传感器包括以下中至少一者：车辆速度传感器、车辆加速度传感器、转向角传感器、转向力矩传感器以及横摆率传感器。

4.如权利要求1所述的方法（20），其中，由所述控制单元（10）从所述第一组传感器获取信号包括从所述第一组传感器直接接收信号。

5.如权利要求1所述的方法（20），其中，由所述控制单元（10）从所述第一组传感器获取信号包括通过所述机动车中的电子网络（110）接收信号。

6.如权利要求1所述的方法（20），其中，由所述控制单元（10）从所述第二组传感器获取信号包括从所述第二组传感器直接接收信号。

7.如权利要求1所述的方法（20），其中，由所述控制单元（10）从所述第二组传感器获取信号包括通过所述机动车中的电子网络（110）接收信号。

8.如权利要求1所述的方法（20），其中，由所述控制单元（10）处理在另一预定的时间段内从所述第二组传感器获取的信号以确定所述驾驶员是否是低敏感度驾驶员与高敏感度驾驶员中的任何一者包括利用模糊逻辑处理从所述第二组传感器获取的信号。

9.一种机动车中用于调整线控转向***以适于驾驶员的控制单元（10），所述控制单元（10）适于：

在预定的时间段内从第一组传感器获取信号；

处理从所述第一组传感器获取的信号，以确定所述驾驶员是否是训练有素的驾驶员与未经训练的驾驶员中的任何一者；

在另一预定的时间段内从第二组传感器获取信号；

处理在另一预定的时间段内从所述第二组传感器获取的信号，以确定所述驾驶员是否是低敏感度驾驶员与高敏感度驾驶员中的任何一者；以及

基于所述驾驶员是否是训练有素的驾驶员与未经训练的驾驶员中的任何一者以及是否是低敏感度驾驶员与高敏感度驾驶员中的任何一者，将转向比应用到所述线控转向***。