CN112906906B - 一种踏板驾驶机器人自学习方法 - Google Patents

一种踏板驾驶机器人自学习方法 Download PDF

Info

Publication number
CN112906906B
CN112906906B CN202110261583.3A CN202110261583A CN112906906B CN 112906906 B CN112906906 B CN 112906906B CN 202110261583 A CN202110261583 A CN 202110261583A CN 112906906 B CN112906906 B CN 112906906B
Authority
CN
China
Prior art keywords
accelerator pedal
vehicle
self
pedal
learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110261583.3A
Other languages
English (en)
Other versions
CN112906906A (zh
Inventor
甄凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Auto Research Automobile Inspection Center Ningbo Co ltd
Original Assignee
China Auto Research Automobile Inspection Center Ningbo Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Auto Research Automobile Inspection Center Ningbo Co ltd filed Critical China Auto Research Automobile Inspection Center Ningbo Co ltd
Priority to CN202110261583.3A priority Critical patent/CN112906906B/zh
Publication of CN112906906A publication Critical patent/CN112906906A/zh
Application granted granted Critical
Publication of CN112906906B publication Critical patent/CN112906906B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)

Abstract

本发明涉及一种踏板驾驶机器人自学习方法，包括油门踏板自学习部分，所述油门踏板自学习部分包括以下步骤：确定油门踏板的零位置；确定油门踏板的末位置；对油门踏板分段开度自学习：在第一油门踏板开度和第二油门踏板开度之间设置若干油门踏板开度节点；计算出油门踏板在不同开度节点下所对应的伺服电机的角度；通过伺服电机动力特性模型计算油门踏板力；获取油门踏板从较低的油门踏板开度节点到较高的油门踏板开度节点的车辆加速情况，得到油门踏板与车速之间的关系。本发明能够缩短在不同车况下以及更换车型之后的控制参数调整时间。

Description

一种踏板驾驶机器人自学习方法
技术领域
本发明涉及汽车驾驶机器人，特别是涉及一种踏板驾驶机器人自学习方法。
背景技术
随着汽车工业的发展，人类对汽车的性能要求越来越高，需要借助于大量的试验来改进设计。由于汽车试验重复性强、持续时间长、工作环境恶劣，因此更适合由机器人来操作。采用驾驶机器人进行汽车试验不仅可以降低试验人员的劳动强度，节省试验费用，提高试验效率，而且能消除人为因素的影响，保证汽车试验数据的准确度和有效性。
车辆性能自学习是汽车驾驶机器人的关键技术，不同类型的车辆，甚至同型号的不同车辆或者统一车辆在不同的运行时刻，其动力学参数是不同的。为了缩短在不同车况下以及更换车型之后的控制参数调整时间，亟需一种踏板驾驶机器人自学习方法。
发明内容
本发明所要解决的技术问题是提供一种踏板驾驶机器人自学习方法，能够缩短在不同车况下以及更换车型之后的控制参数调整时间。
本发明解决其技术问题所采用的技术方案是：提供一种踏板驾驶机器人自学习方法，包括油门踏板自学习部分，所述油门踏板自学习部分包括以下步骤：
（a）确定油门踏板的零位置；
（b）确定油门踏板的末位置；
（c）对油门踏板分段开度自学习：在第一油门踏板开度和第二油门踏板开度之间设置若干油门踏板开度节点；计算出油门踏板在不同开度节点下所对应的伺服电机的角度；通过伺服电机动力特性模型计算油门踏板力；获取油门踏板从较低的油门踏板开度节点到较高的油门踏板开度节点的车辆加速情况，得到油门踏板与车速之间的关系。
所述步骤（a）中通过编码器判断变速箱与摇臂端面是否发生滑动，当发生滑动时，获取所述油门踏板力，此时的油门踏板力为油门踏板的零位置所能承受的最大力。
所述步骤（b）中控制所述伺服电机在预设时间内将油门踏板的零位置旋转运动到油门踏板的末位置，在此过程中当所述伺服电机的堵转电流稳定到一固定值的时，所述油门踏板的当前位置即为油门踏板的末位置。
所述步骤（c）中获取油门踏板从较低的油门踏板开度节点到较高的油门踏板开度节点的车辆加速情况，得到油门踏板与车速之间的关系是指：将油门踏板从零位置分别移动到不同油门踏板开度节点和油门踏板的末位置，得到第一组车辆加速情况；再从最小的油门踏板开度节点分别移动到其它油门踏板开度节点和油门踏板的末位置，得到第二组车辆加速情况，以此类推，得到若干组车辆加速情况；将获得的若干组车辆加速情况填写至自学习map图中。
所述的踏板驾驶机器人自学习方法还包括制动踏板自学习部分，所述制动踏板自学习部分包括以下步骤：
（A）确定制动踏板的零位置；
（B）对制动踏板分段开度自学习：将车辆加速到第一预设速度，稳定后通过行驶阻力将车辆的速度减速到第二预设速度，控制制动踏板以预设制动力进行制动，得到车辆制动减速情况。
所述步骤（A）中通过限位器对制动踏板的零位置进行限位。
所述步骤（B）中将车辆加速到第一预设速度，稳定后通过行驶阻力将车辆的速度减速到第二预设速度，控制制动踏板以预设制动力进行制动，得到车辆制动减速情况时，还包括通过调整第一预设速度、第二预设速度和预设制动力得到多组车辆制动减速情况，并将多组车辆制动减速情况填写至自学习map图中。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过确定油门踏板的零位和末位，并对油门踏板进行分段开度自学习，得到油门踏板与车速之间的关系，同时本发明还通过确定制动踏板的零位，并对制动踏板进行分段开度自学习，得到制动踏板与车速之间的关系，其缩短了在不同车况下以及更换车型之后的控制参数调整时间。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种踏板驾驶机器人自学习方法，包括油门踏板自学习部分和制动踏板自学习部分。
其中，油门踏板自学习部分包括以下步骤：
确定油门踏板的零位置（0位）：摇臂处于负向15°左右，且有一可调起始旋转角度限位器进行起始位置限位（0位限位位置）；上电，电磁离合器使得变速箱与摇臂端面动力（靠两结合面的静摩擦力）结合，两端面间且无相对滑动问题（通过机械设计，可设计为两端面间摩擦材料使得油门踏板力在≤250N或力矩≤20Nm的情况下，无相对滑动，一旦产生了相对滑动，其编码器识别计算的旋转角度就会产生偏差）；硬件安装配合上紧凑无间隙，且对于车辆本身无加速效果。因此在确定油门踏板的零位置时可以通过编码器判断变速箱与摇臂端面是否发生滑动，当发生滑动时，获取所述油门踏板力，此时的油门踏板力为油门踏板的零位置所能承受的最大力。
确定油门踏板的末位置（油门踏板开度100%）：本步骤中控制所述伺服电机在预设时间内将油门踏板的零位置旋转运动到油门踏板的末位置，在此过程中当所述伺服电机的堵转电流稳定到一固定值的时，所述油门踏板的当前位置即为油门踏板的末位置。
具体地说，上述功能可以通过应用软件实现，首先设置100%位置，并将学习时间设置为5s，应用软件的程序可以自动驱动伺服电机在5s时间内由0位旋转运动到其100%最大油门开度位置。可以通过力控（例如最大100N的力施加进去，直到伺服电机堵转电流大到一定值，认定此刻已到100%最大油门开度）的方式来识别/分辨油门踏板此刻已到100%最大开度位置。另外一种就是，首先设置100%位置，此刻可以通过人工踩踏油门踏板从0位一脚踩踏到底指导100%最大油门开度，当然在人工踩踏过程中要缓慢施力进行并要求伺服电机+减速器+电磁离合器+摇臂等执行机构良好的轻松跟随动作，进而使得伺服电机精确计算出从0位到100%最大开度位置所转过的角度。
对油门踏板分段开度自学习：在第一油门踏板开度和第二油门踏板开度之间设置若干油门踏板开度节点；计算出油门踏板在不同开度节点下所对应的伺服电机的角度；通过伺服电机动力特性模型计算油门踏板力；获取油门踏板从较低的油门踏板开度节点到较高的油门踏板开度节点的车辆加速情况，得到油门踏板与车速之间的关系。
具体地说，将油门踏板开度10%-90%或20%-80%中间分5-6个节点（增量梯度10-20%）。考虑到参数转换关系：摇臂的半径为80mm，油门踏板也是绕以固定点做旋转运动，可以通过各车辆的油门踏板产品参数得知油门踏板的旋转半径，通过此计算关系可以精确计算出油门踏板在0-100%中下各个节点下所对应的伺服电机的角度（此处不考虑硬件装配间隙，不考虑电磁离合器的打滑，经减速器转换到伺服电机的旋转角度）；在不启动车辆的情况下，自学***直道路上行驶所受到的阻力与车速的关系；当车辆处于加速行驶时，加速度为a（现在只考虑加速运动，a≥0m/s2），F=aV2+bV+c+ma；当车辆处于加速和爬坡的行驶工况时，爬坡度为α（现在只考虑向上爬坡行驶工况），克服爬坡的力为F1=m*g*sin（α），即总力为F= F=aV2+bV+c+ma+ m*g*sin（α）。
获取油门踏板从0位到不同油门开度（0-10%，0-20%，0-30%......0-100%）下的车辆加速情况，油门踏板的从0位到某既定油门开度时的响应时间由自动驾驶机器人本身决定；再获取从10%油门开度到不同油门开度（10-20%，10-30%，10-40%......10-100%）从而得到一组车辆加速情况；再获取从20%油门开度到不同油门开度（20-30%，20-40%，20-50%......20-100%），此次类推，再获取从60%油门开度到不同油门开度（60-70%，60-70%......），得到一组车辆加速情况。由转毂反馈的车速信号，可以得到一系列2维和3维的自学习map图，将一系列自学习得到的数值填写进map即可作为本车辆的一系列加速试验所用（由此可以计算出油门踏板的起始开度、终末开度、Δ油门开度，油门踏板机器人响应时间，车辆起始车速、车辆终末车速，车辆Δ车速，车辆加速时间，车辆每一时刻的加速度，由车辆车速和车辆加速度甚至是爬坡度计算出来的阻力值等），从而完成油门踏板的自学习。
制动踏板自学习部分包括以下步骤：
确定制动踏板的零位置：摇臂处于负向15°左右，且有一可调起始旋转角度限位器进行起始位置限位（0位限位位置）；通过调节螺杆，硬件安装配合上紧凑无间隙，且对于车辆本身无制动效果。由此可见，本实施方式中通过限位器对制动踏板的零位置进行限位，从而确定制动踏板的零位置。
对制动踏板分段开度自学习：将车辆加速到第一预设速度，稳定后通过行驶阻力将车辆的速度减速到第二预设速度，控制制动踏板以预设制动力进行制动，得到车辆制动减速情况。
具体地说，车辆先通过油门踏板加速到20/30/40/50/60/70/80/90/100/110/120/140km/h，车辆在此车速下稳定时快速松开油门踏板，车辆在行驶阻力的作用下正常减速运行（其减速度为-a=-F/m=-（aV2+bV+c）/m），当车辆车速（车速由转毂车速模拟信号输入）分别减速到10/20/30/40/50/60/70/80/90/100/110/120km/h时控制制动踏板快速进行制动，其制动力分别为50N/100N/200N/300N/400N/500N（响应时间为t，即制动踏板机器人制动力从0到50N/100N/200N/300N/400N/500N所用的时间，其t由制动机器人本体和控制器***决定），得到一组车辆制动减速情况。由转毂反馈的车速信号，可以得到一系列2维和3维的自学习map图，将一系列自学习得到的数值填写进map即可作为本车辆的一系列减速制动试验所用（由此可以计算出制动踏板的制动力，油门踏板机器人响应时间，车辆起始车速、车辆终末车速，车辆Δ车速，车辆减速时间，车辆每一时刻的减速度，由车辆车速和车辆减速度甚至是下坡度计算出来的阻力值等），从而完成制动踏板的自学习。

Claims (6)

1.一种踏板驾驶机器人自学习方法，其特征在于，包括油门踏板自学习部分，所述油门踏板自学习部分包括以下步骤：
(a)确定油门踏板的零位置；
(b)确定油门踏板的末位置；
(c)对油门踏板分段开度自学习：在第一油门踏板开度和第二油门踏板开度之间设置若干油门踏板开度节点；计算出油门踏板在不同开度节点下所对应的伺服电机的角度；通过伺服电机动力特性模型计算油门踏板力；获取油门踏板从较低的油门踏板开度节点到较高的油门踏板开度节点的车辆加速情况，得到油门踏板与车速之间的关系；其中，获取油门踏板从较低的油门踏板开度节点到较高的油门踏板开度节点的车辆加速情况，得到油门踏板与车速之间的关系是指：将油门踏板从零位置分别移动到不同油门踏板开度节点和油门踏板的末位置，得到第一组车辆加速情况；再从最小的油门踏板开度节点分别移动到其它油门踏板开度节点和油门踏板的末位置，得到第二组车辆加速情况，以此类推，得到若干组车辆加速情况；将获得的若干组车辆加速情况填写至自学习map图中。
2.根据权利要求1所述的踏板驾驶机器人自学习方法，其特征在于，所述步骤(a)中通过编码器判断变速箱与摇臂端面是否发生滑动，当发生滑动时，获取所述油门踏板力，此时的油门踏板力为油门踏板的零位置所能承受的最大力。
3.根据权利要求1所述的踏板驾驶机器人自学习方法，其特征在于，所述步骤(b)中控制所述伺服电机在预设时间内将油门踏板的零位置旋转运动到油门踏板的末位置，在此过程中当所述伺服电机的堵转电流稳定到一固定值的时，所述油门踏板的当前位置即为油门踏板的末位置。
4.根据权利要求1所述的踏板驾驶机器人自学习方法，其特征在于，还包括制动踏板自学习部分，所述制动踏板自学习部分包括以下步骤：
(A)确定制动踏板的零位置；
(B)对制动踏板分段开度自学习：将车辆加速到第一预设速度，稳定后通过行驶阻力将车辆的速度减速到第二预设速度，控制制动踏板以预设制动力进行制动，得到车辆制动减速情况。
5.根据权利要求4所述的踏板驾驶机器人自学习方法，其特征在于，所述步骤(A)中通过限位器对制动踏板的零位置进行限位。
6.根据权利要求4所述的踏板驾驶机器人自学习方法，其特征在于，所述步骤(B)中将车辆加速到第一预设速度，稳定后通过行驶阻力将车辆的速度减速到第二预设速度，控制制动踏板以预设制动力进行制动，得到车辆制动减速情况时，还包括通过调整第一预设速度、第二预设速度和预设制动力得到多组车辆制动减速情况，并将多组车辆制动减速情况填写至自学习map图中。
CN202110261583.3A 2021-03-10 2021-03-10 一种踏板驾驶机器人自学习方法 Active CN112906906B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110261583.3A CN112906906B (zh) 2021-03-10 2021-03-10 一种踏板驾驶机器人自学习方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110261583.3A CN112906906B (zh) 2021-03-10 2021-03-10 一种踏板驾驶机器人自学习方法

Publications (2)

Publication Number Publication Date
CN112906906A CN112906906A (zh) 2021-06-04
CN112906906B true CN112906906B (zh) 2023-03-24

Family

ID=76104828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110261583.3A Active CN112906906B (zh) 2021-03-10 2021-03-10 一种踏板驾驶机器人自学习方法

Country Status (1)

Country Link
CN (1) CN112906906B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113844441B (zh) * 2021-10-14 2023-01-31 安徽江淮汽车集团股份有限公司 前碰预警制动***的机器学习方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111169290B (zh) * 2018-11-09 2021-11-23 广州汽车集团股份有限公司 一种车辆行驶速度控制方法和***
CN109556885B (zh) * 2018-12-07 2020-05-05 安徽江淮汽车集团股份有限公司 一种电动汽车性能试验的自动驾驶控制方法及***
CN109489991B (zh) * 2018-12-07 2020-05-19 安徽江淮汽车集团股份有限公司 一种电动汽车性能试验的油门踏板开度的计算方法及***

Also Published As

Publication number Publication date
CN112906906A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN106515733B (zh) 车辆的控制装置
CN106605136B (zh) 用于测试车辆的部件的组合体的方法和试验台
KR101577244B1 (ko) 구동 트레인의 시험 시스템
US7054733B2 (en) Adaptive cruise control system for vehicle
CN112906906B (zh) 一种踏板驾驶机器人自学习方法
CN106926746B (zh) 基于驱动控制器实现电动汽车蠕动的控制方法
JP2020059367A (ja) 車両の制御装置
CN111409633A (zh) 一种车辆自适应巡航中的控制方法和装置
CN110901652B (zh) 一种电动差动转向车辆车速控制***及其直行纠偏方法
CN108639036A (zh) 液力缓速器制动方法及制动控制方法
CN102133893A (zh) 电动汽车驱动***换挡过程的冲击控制方法
CN113950438A (zh) 用于控制车辆的方法和控制装置
WO2021199863A1 (ja) 車両の制御装置
CN112462733B (zh) 基于汽车智能检测平台的定速巡航测试***及其测试方法
JP2002067734A (ja) 車両用追従走行制御装置
JP3697904B2 (ja) 車間距離制御装置
JPH08500654A (ja) 車両のスロットルトラクション制御
CN109849880A (zh) 通过使用行车特征分析来改变abs控制模式的方法
JPH10197409A (ja) 車両自動運転装置の車速制御方法
CN114684141A (zh) 车辆驱动装置的扭矩控制方法
JP6926664B2 (ja) 牽引車両の運動制御装置
JPH11227592A (ja) 制駆動力制御装置
CN105946847A (zh) 一种自主驾驶***的步进行驶方法及***
JP3216986B2 (ja) 二軸シャシダイナモメータを用いた自動車自動運転ロボットにおける走行制御方法
JP2000314683A (ja) エンジン試験装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant