CN114228692B - 一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法 - Google Patents
一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法 Download PDFInfo
- Publication number
- CN114228692B CN114228692B CN202111540766.5A CN202111540766A CN114228692B CN 114228692 B CN114228692 B CN 114228692B CN 202111540766 A CN202111540766 A CN 202111540766A CN 114228692 B CN114228692 B CN 114228692B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- slip rate
- slip
- automobile
- driving intention
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005540 biological transmission Effects 0.000 title claims abstract description 19
- 230000001133 acceleration Effects 0.000 claims abstract description 181
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 8
- 230000007704 transition Effects 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- ZVKAMDSUUSMZES-NZQWGLPYSA-N OS II Natural products CC(=O)N[C@H]1[C@H](OC[C@@H](O)[C@@H](O)[C@@H](O)CO)O[C@H](CO)[C@H](O[C@H]2O[C@H](CO)[C@@H](O)[C@H](O)[C@H]2O)[C@@H]1O[C@@H]3O[C@H](CO)[C@@H](O)[C@H](O)[C@H]3O ZVKAMDSUUSMZES-NZQWGLPYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/107—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/28—Wheel speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/10—Change speed gearings
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/12—Differentials
- B60W2710/125—Locking status
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Control Of Transmission Device (AREA)
Abstract
本发明公开了一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,包括以下步骤:通过车载传感器采集汽车行驶数据;汽车行驶数据采集结果为样本,建立用来对未来加速度和滑转率/滑移率进行预测的预测模型,预测模型离线训练完成后接入汽车控制***,通过采集实时行驶数据对其进行在线优化;以在线优化后的预测模型中加速度和滑转率/滑移率的预测结果为输入,采用模糊理论来判断汽车的行驶意图,为车辆控制提供理论依据,根据行驶意图辨识结果对车辆变速器以及制动***液压装置进行控制以达到控制目标。本发明可以提高辨识的精度,更能准确的反映真实行驶意图,实现无人驾驶时对汽车行驶意图的预判断。
Description
技术领域
本发明涉及汽车无人驾驶领域,具体涉及一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法。
背景技术
近年来随着科技的不断创新与发展,汽车保有量每年都呈现大幅度增长的趋势,带来交通事故频发的问题。据交通部门统计,在引发交通事故的众多原因中,驾驶员的失误操作占据很大比例,汽车的主动安全功能可以明显减少驾驶员对汽车的操作,因此汽车主动安全成为汽车工业需要研究和创新的关键问题。
目前随着大数据和云计算等先进技术的重大突破以及智慧城市和智能交通迅速发展,通过获得汽车行驶过程中的车速和轮速等数据建立行驶过程的预测模型来预测汽车未来的行驶意图成为可能,并为无人驾驶提供了理论依据和技术支撑。
发明内容
本发明的目的在于提供一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其可以通过采集汽车实时行驶数据建立加速度预测模型,从而实现汽车加速度的预测并以其作为特征值来辨识汽车未来行驶意图和车辆预控制。
为实现上述目的,本发明提供如下技术方案:
一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,包括以下步骤:
(1)行驶数据采集:通过车载传感器采集汽车行驶数据,所述汽车行驶数据包括包括车速、加速度、轮速;
(2)加速度和滑转率/滑移率预测模型离线训练及在线优化:以汽车行驶数据采集结果为样本,建立用来对未来加速度和滑转率/滑移率进行预测的预测模型,预测模型离线训练完成后接入汽车控制***,通过采集实时行驶数据对其进行在线优化;
(3)行驶意图在线辨识以及车辆控制:以在线优化后的预测模型中加速度和滑转率/滑移率的预测结果为输入,采用模糊理论来判断汽车的行驶意图,为车辆控制提供理论依据,根据行驶意图辨识结果对车辆变速器以及制动***液压装置进行控制以达到控制目标。
优选地,所述步骤(2)中,预测模型使用马尔可夫算法进行离线训练,通过车辆实时数据的输入进行不断地在线优化。训练完成后,将离线模型接入整车控制***,通过对汽车实时行驶数据的输入对加速度和滑转率/滑移率预测模型进行在线优化,提高其预测精度。
具体的,所述马尔可夫加速度和滑转率/滑移率预测模型根据马尔可夫算法原理对车速、加速度和滑转率/滑移率进行离散化处理,选择合适的离散区间,将车速、加速度和滑转率/滑移率划分为不同的状态区间并计算每个速度区间对应的各加速度状态区间以及各滑转率/滑移率状态区间的状态转移概率,最后分别将加速度和滑转率/滑移率状态转移概率有序排列组成加速度和滑转率/滑移率状态转移概率矩阵。重复上述步骤可计算出每个速度区间的加速度和滑转率/滑移率状态转移概率矩阵,将所有速度区间的加速度和滑转率/滑移率状态转移概率矩阵有序排列组成马尔可夫加速度和滑转率/滑移率预测模型。
所述加速度和滑转率/滑移率预测模型进行在线优化是指将离线训练的加速度和滑转率/滑移率预测模型接入汽车控制***,汽车行驶时通过传感器实时获得汽车速度和轮速、进一步计算获得加速度、滑转率/滑移率输入预测模型,模型根据速度区间选择对应的状态转移概率矩阵预测未来时刻的加速度和滑转率/滑移率,通过与传感器感知的下一时刻加速度和滑转率/滑移率相比,对该状态转移概率和状态转移概率矩阵进行更新,逐步提高加速度和滑转率/滑移率预测模型的精度。
优选地,所述步骤(3)中,行驶意图在线辨识是指以汽车行驶状态参数为输入,以行驶意图为输出,选择识别算法搭建行驶意图识别模型。行驶意图辨识模型的输出结果分为驱动和制动行驶意图,其中驱动意图包括紧急加速意图、中度加速意图、轻度加速意图和匀速行驶意图,制动意图包括紧急制动意图、中度制动意图、轻度制动意图和滑行制动意图。
优选地,所述输入的汽车行驶状态参数为预测加速度值、预测滑转率值和滑移率值,实现对汽车未来行驶状态的预辨识。
优选地,所述步骤(3)中,车辆控制是根据行驶意图辨识结果,对汽车未来行驶意图在线辨识,为车辆控制提供依据。若加速度预测值为正值且大于一定阈值,代表汽车处于加速状态,车辆控制***控制汽车驱动***工作;若加速度预测值为负值且小于一定阈值,代表汽车处于减速状态,车辆控制***控制汽车制动***工作;若加速度预测值为零值附近的某个区间,代表汽车处于匀速状态,车辆控制***不工作。
优选地,对车辆进行车辆加速控制是根据行驶意图辨识结果和车速对汽车下一时刻进行分级换挡规律预调节控制,使换挡规律更加符合行驶意图的动力需求。
优选地,所述分级换挡规律预调节控制是根据预测加速度和滑转率确定汽车的动力需求程度以及确定换挡规律的模式。
优选地,对车辆进行减速控制是根据行驶意图辨识结果对汽车下一时刻进行分级制动预调节控制,使制动***执行机构具备提前响应的功能且更满足制动需求。
优选地,所述分级制动预调节控制是根据预测减速度和滑移率确定汽车的制动需求以及确定合理的制动管路压力,具备精准制动的功能。
与现有技术相比,本发明的有益效果是:
与现在通过踏板进行行驶意图识别的方法相比,基于加速度和滑转率/滑移率预测的行驶意图辨识可以实现无人驾驶时对汽车行驶意图的预判断,通过对车辆未来行驶状态的预测,增加执行机构的操作时间,可在一定程度上减少交通事故的发生。此外,利用实时车速、轮速值计算得到的加速度和滑转率/滑移率预测值作为行驶意图辨识模型的输入,可大幅度提高行驶意图辨识的精度,进而在行驶过程中准确控制汽车,同时为无人驾驶汽车提供一定的理论基础。
附图说明
图1为本发明实施例中一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法工作原理图;
图2为本发明实施例中加速度预测模型图;
图3为本发明实施例中滑转率预测模型图;
图4为本发明实施例中行驶意图辨识模糊控制器模糊规则特征图;
图5为本发明实施例中加速度预测模型仿真结果图;
图6为本发明实施例中滑转率/滑移率预测模型仿真结果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-6,本发明实施例中,一种基于加速度预测的汽车行驶意图辨识及车辆控制方法,主要包括行驶数据采集、加速度和滑转率/滑移率模型离线训练及在线优化、行驶意图在线辨识以及车辆控制方法。
以加速度预测模型的建立为例,一种基于加速度预测的汽车行驶意图辨识及车辆控制方法,包括以下步骤:
1、行驶数据采集
综合考虑采集周期、成本、试验条件以及结合当地交通状况等各种因素,以线路循环测试法为采集方法,以OS-Ⅱ型号的非接触式光电车速传感器为采集设备,选择某市市区、郊区和绕城高速三个地点作为样本数据的采集路线。将部分缺失数据利用插值法补齐,部分奇异值做删除处理以获得合理的样本数据。根据每条路线采集的车速和轮速数据计算得到其相应的加速度和滑转率/滑移率值。预处理后的每条采集路线的样本数据分别保存6000组,每个采样时间为1秒。加速度计算公式为当a预测值为正值且大于一定阈值,滑转率计算公式为:/>当a预测值为负值且小于一定阈值,滑移率计算公式为:/>其余情况滑转率/滑移率为0。
2、加速度预测模型离线训练及在线优化
A.速度、加速度和滑转率/滑移率状态区间划分
由于不同车速下,加速度和滑转率/滑移率状态区间差异较大。为保证状态描述的准确性,先对车速v进行状态区间划分,再每个车速状态区间内在进行加速度a和滑转率/滑移率s的状态区间划分。车速区间较大,故选择120km/h为边界,离散区间Δv为10km/h,速度离散为12个状态,此外将车速大于120km/h的情况也归结在区间[110120]。加速度区间跨度较小,以±5m/s2为离散边界,离散区间为0.4m/s2,此外将绝对值大于5m/s2的情况均归结为紧急加速或减速区间,共计将加速度离散为25个状态。滑转率/滑移率的离散边界分别为0和1。因此以0.1为离散区间,可将滑转率/滑移率离散为10个状态。离散公式如下:
B.状态转移概率及状态转移概率矩阵的计算
将加速度区间按照[-5m/s2,-4.6m/s2)、[-4.6m/s2,-4.2m/s2)、…、[-0.2m/s2,0.2m/s2)、…、[4.2m/s2,4.6m/s2)、[4.6m/s2,5m/s2]的顺序分别标记为-12、-11、…、0、…、11、12,将滑转率/滑移率区间按照[0,0.1)、[0.1,0.2)、…、[0.8,0.9)、[0.9,1]的顺序分别标记为1、2、…、9、10,然后分别计算市区、郊区和绕城高速三种工况下加速度和滑转率/滑移率各状态区间的状态转移概率,其具体计算步骤为:
(1)设定x=1,2,…,12分别代表12个速度状态区间,设定y=1,2,…,6000代表每个工况下采集的样本数据,分别设定每个加速度区间向其他加速度区间的转移次数C-12-n、C-11-n、…、C0-n、…、C11-n、C12-n并初始化使其初始值均为0,n为加速度区间的编号。同样分别设定每个滑转率/滑移率区间向其他滑转率/滑移率区间的转移次数D1-m、D2-m、D3-m、…、C12-m并初始化使其初始值均为0,m为加速度区间的编号。本实例以x=1速度区间为例建立加速度和滑转率/滑移率预测模型。
(2)对该速度区间的每个加速度和滑转率/滑移率状态区间转移次数分别进行统计,当t时刻加速度所在区间标签为-12,且t+1时刻加速度所在区间标签为n时,表示为C-12-n=C-12-n+1;当t时刻滑转率/滑移率所在区间标签为1,且t+1时刻滑转率/滑移率所在区间标签为m时,表示为D1-m=D1-m+1;重复上述步骤,可计算该速度区间下每个加速度状态、滑转率/滑移率状态向其他加速度区间、滑转率/滑移率状态区间的转移次数;
(3)分别统计该速度区间下每个加速度区间向其他所有加速度区间状态转移的总次数,即C-12=C-12-1+C-12-2+…+C-12-n,每个滑转率/滑移率区间向其他所有滑转率/滑移率区间状态转移的总次数,即D1=D1-1+D1-2+…+C1-m因此可根据公式(2)计算该加速度区间的状态转移概率Pij,公式(3)计算该滑转率/滑移率区间的状态转移概率Qij
(4)根据公式(4)和(5)分别求解该速度区间下马尔可夫加速度和滑转率/滑移率一步状态转移概率矩阵,即该速度区间的加速度预测模型和滑转率/滑移率预测模型。
根据上述步骤可求得每个速度区间的加速度和滑转率/滑移率一步状态转移概率矩阵,则所有速度区间的加速度和滑转率/滑移率一步状态转移概率矩阵共同组成马尔可夫加速度和滑转率/滑移率预测模型。
C.加速度和滑转率/滑移率在线预测及优化
在k时刻,车速传感器和轮速传感器将当前车速vk和轮速ωk输入到马尔可夫加速度预测模型中并判断当前时刻车速所属车速区间,确定当前车速区间对应的加速度和滑转率/滑移率一步转移概率矩阵,并实时计算当前加速度ak和滑转率/滑移率sk。将当前加速度ak和滑转率/滑移率sk分别输入马尔可夫加速度和滑转率/滑移率预测模型,取最大状态转移概率值对应的加速度和滑转率/滑移率作为k+1时刻的加速度值ak+1和滑转率/滑移率sk+1。根据当前时刻速度vk与k+1时刻的加速度值ak+1,可计算出k+1时刻的预测车速值vk+1。确定k+1时刻预测车速vk+1所属车速区间,确定k+1时刻的预测车速区间对应的加速度和滑转率/滑移率一步转移概率矩阵,并根据k+1时刻预测加速度值ak+1和预测滑转率/滑移率值sk+1,进一步求得k+2时刻的加速度预测值ak+2和滑转率/滑移率值预测值sk+2,同时可根据k+2时刻的加速度预测值ak+2求得k+2时刻的车速预测值vk+2。不断重复上述步骤,可获得整个预测周期内的车速、加速度和滑转率/滑移率值。
由于车辆实时行驶数据持续输入,马尔可夫加速度预测模型可进行在线优化。加速度和滑转率/滑移率值预测模型将输入的实时数据进行离散化处理,划归到对应的速度区间和加速度区间,重新计算各加速度和滑转率/滑移率值区间状态转移概率,更新状态转移概率矩阵。随着数据样本的不断累积,各加速度和滑转率/滑移率值区间状态转移概率也会持续更新,最终趋于稳定,形成可靠性较高的加速度和滑转率/滑移率值预测模型。
3、行驶意图在线辨识
本实施例以模糊控制为行驶意图辨识方法建立行驶意图辨识控制器,其输入参数为预测加速度和滑转率/滑移率,输出结果为行驶意图,主要分为驱动意图和制动意图,驱动意图包括紧急加速,中度加速,轻度加速和匀速行驶,制动意图包括紧急制动,中度制动,轻度制动和滑行制动。
预测加速度a主要划分为9个隶属度函数:NB表示预测加速度负值很大,NM表示为预测加速度负值适中,NS表示预测加速度负值较小,NE表示预测加速度负值接近于0,Z表示预测加速度为0,PE表示预测加速度正值接近于0,PS表示预测加速度正值很小,PM表示预测加速度正值适中,PB表示预测加速度正值很大。
滑转率/滑移率s可分为4个隶属度函数:Z表示滑转率/滑移率的值在0附近,S表示滑转率/滑移率的值较小,M表示滑转率/滑移率的值适中,B表示滑转率/滑移率的值很大。
行驶意图特征di分为8个隶属度函数:ED表示紧急制动,MD表示中度制动,LD表示轻度制动,SD表示滑行制动,UV表示匀速行驶,SA表示轻度加速,MA表示中度加速,CA表示紧急加速。
根据划分的隶属度函数设计模糊规则:
如果预测加速度a为NB或者滑移率s为B时,行驶意图特征di为ED;
如果预测加速度a为NM且滑移率s为M时,行驶意图特征di为MD;
如果预测加速度a为NM且滑移率s为S时,行驶意图特征di为MD;
如果预测加速度a为NM且滑移率s为Z时,行驶意图特征di为LD;
如果预测加速度a为NS且滑移率s为M时,行驶意图特征di为MD;
如果预测加速度a为NS且滑移率s为S时,行驶意图特征di为LD;
如果预测加速度a为NS且滑移率s为Z时,行驶意图特征di为LD;
如果预测加速度a为NE且滑移率s为M时,行驶意图特征di为SD;
如果预测加速度a为NE且滑移率s为S时,行驶意图特征di为SD;
如果预测加速度a为NE且滑移率s为Z时,行驶意图特征di为UV;
如果预测加速度a为Z时,行驶意图特征di为UV;
如果预测加速度a为PB或滑转率s为B时,行驶意图特征di为CA;
如果预测加速度a为PM和滑转率s为M时,行驶意图特征di为MA;
如果预测加速度a为PM和滑转率s为S时,行驶意图特征di为MA;
如果预测加速度a为PM和滑转率s为Z时,行驶意图特征di为SA;
如果预测加速度a为PS和滑转率s为M时,行驶意图特征di为MA;
如果预测加速度a为PS和滑转率s为S时,行驶意图特征di为SA;
如果预测加速度a为PS和滑转率s为Z时,行驶意图特征di为SA;
如果预测加速度a为PE和滑转率s为M时,行驶意图特征di为SA;
如果预测加速度a为PE和滑转率s为S时,行驶意图特征di为UV;
如果预测加速度a为PE和滑转率s为Z时,行驶意图特征di为UV。
4、车辆控制方法
本实施例中的车辆控制主要为车辆纵向控制,根据行驶意图识别控制器输出的行驶意图特征对车辆进行加减速控制。参阅图4,以行驶意图在线辨识结果为前提,电子控制单元根据预测加速度和滑转率/滑移率实现对加速时的换挡规律和减速时的制动压力进行控制。
A、基于加速度和滑转率/滑移率预测的减速控制
根据行驶意图识别结果,减速时的车辆控制为制动压力提前控制,主要包括制动主缸压力控制和轮缸压力控制,其控制原理为以预测加速度和滑转率/滑移率为特征值计算预测行驶意图下所需的制动压力,实现对减速操作的提前控制。为防止车轮紧急减速时出现抱死情况,采用ABS对各车轮的轮缸压力进行调节,使各车轮产生最大制动力。轻度减速和中度减速时,ABS不工作,此时以制动主缸压力为控制目标进行减速控制。
B、基于加速度和滑转率/滑移率预测的加速控制
根据车速、预测加速度和滑转率/滑移率的大小,本实施例制定加速时的预换挡规律控制策略。所制定的预换挡规律控制策略以预测加速度和滑转率/滑移率为输入参数,通过预测加速度和滑转率/滑移率确定加速意图等级,确定汽车对动力的需求,提前切换变速器换挡规律模式。本实施例基于行驶意图识别结果,中度加速和紧急加速时由于预测加速度值较大,导致其动力需求较大,此时应优先考虑汽车的动力性,制定了动力性换挡控制策略;中度加速时其预测加速度值适中,其动力需求适中,此时适用于综合型的换挡控制策略,制定了综合型换挡控制策略;轻度加速时其预测加速度值较小,其动力需求较小,此时优先考虑汽车的经济性,制定了经济性换挡控制策略。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其特征在于,包括以下步骤:
(1)行驶数据采集:通过车载传感器采集汽车行驶数据,所述汽车行驶数据包括车速、加速度、轮速;
(2)加速度和滑转率/滑移率预测模型离线训练及在线优化:以汽车行驶数据采集结果为样本,建立用来对未来加速度和滑转率/滑移率进行预测的预测模型,预测模型离线训练完成后接入汽车控制***,通过采集实时行驶数据对其进行在线优化;
其中,加速度和滑转率/滑移率预测模型建立过程如下:
A.速度、加速度和滑转率/滑移率状态区间划分
先对车速v进行状态区间划分,在每个车速状态区间内再进行加速度a和滑转率/滑移率s的状态区间划分,车速区间较大,故选择120km/h为边界,离散区间Δv为10km/h,速度离散为12个状态,此外将车速大于120km/h的情况也归结在区间[110120],加速度区间跨度较小,以±5m/s2为离散边界,离散区间为0.4m/s2,此外将绝对值大于5m/s2的情况均归结为紧急加速或减速区间,共计将加速度离散为25个状态,滑转率/滑移率的离散边界分别为0和1,因此以0.1为离散区间,可将滑转率/滑移率离散为10个状态,离散公式如下:
B.状态转移概率及状态转移概率矩阵的计算
将加速度区间按照[-5m/s2,-4.6m/s2)、[-4.6m/s2,-4.2m/s2)、…、[-0.2m/s2,0.2m/s2)、…、[4.2m/s2,4.6m/s2)、[4.6m/s2,5m/s2]的顺序分别标记为-12、-11、…、0、…、11、12,将滑转率/滑移率区间按照[0,0.1)、[0.1,0.2)、…、[0.8,0.9)、[0.9,1]的顺序分别标记为1、2、…、9、10,然后分别计算市区、郊区和绕城高速三种工况下加速度和滑转率/滑移率各状态区间的状态转移概率,其具体计算步骤为:
①设定x=1,2,…,12分别代表12个速度状态区间,设定y=1,2,…,6000代表每个工况下采集的样本数据,分别设定每个加速度区间向其他加速度区间的转移次数C-12-n、C-11-n、…、C0-n、…、C11-n、C12-n并初始化使其初始值均为0,n为加速度区间的编号,同样分别设定每个滑转率/滑移率区间向其他滑转率/滑移率区间的转移次数D1-m、D2-m、D3-m、…、D12-m并初始化使其初始值均为0,m为加速度区间的编号;
②对该速度区间的每个加速度和滑转率/滑移率状态区间转移次数分别进行统计,当t时刻加速度所在区间标签为-12,且t+1时刻加速度所在区间标签为n时,表示为C-12-n=C-12-n+1;当t时刻滑转率/滑移率所在区间标签为1,且t+1时刻滑转率/滑移率所在区间标签为m时,表示为D1-m=D1-m+1;重复上述步骤,计算该速度区间下每个加速度状态、滑转率/滑移率状态向其他加速度区间、滑转率/滑移率状态区间的转移次数;
③分别统计该速度区间下每个加速度区间向其他所有加速度区间状态转移的总次数,即C-12=C-12-1+C-12-2+…+C-12-n,每个滑转率/滑移率区间向其他所有滑转率/滑移率区间状态转移的总次数,即D1=D1-1+D1-2+…+D1-m,因此根据公式(2)计算该加速度区间的状态转移概率Pij,公式(3)计算该滑转率/滑移率区间的状态转移概率Qij;
④根据公式(4)和(5)分别求解该速度区间下马尔可夫加速度和滑转率/滑移率一步状态转移概率矩阵,即该速度区间的加速度预测模型和滑转率/滑移率预测模型;
根据上述步骤可求得每个速度区间的加速度和滑转率/滑移率一步状态转移概率矩阵,则所有速度区间的加速度和滑转率/滑移率一步状态转移概率矩阵共同组成马尔可夫加速度和滑转率/滑移率预测模型;
(3)行驶意图在线辨识以及车辆控制:以在线优化后的预测模型中加速度和滑转率/滑移率的预测结果为输入,采用模糊理论来判断汽车的行驶意图,为车辆控制提供理论依据,根据行驶意图辨识结果对车辆变速器以及制动***液压装置进行控制以达到控制目标。
2.根据权利要求1所述的一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其特征在于:所述步骤(2)中,预测模型使用马尔可夫算法进行离线训练,通过车辆实时数据的输入进行不断地在线优化。
3.根据权利要求1所述的一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其特征在于:所述步骤(3)中,行驶意图在线辨识是指以汽车行驶状态参数为输入,以行驶意图为输出,选择识别算法搭建行驶意图识别模型。
4.根据权利要求3所述的一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其特征在于:所述输入的汽车行驶状态参数为预测加速度值、预测滑转率或滑移率值,实现对汽车未来行驶状态的预辨识。
5.根据权利要求1所述的一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其特征在于:所述步骤(3)中,车辆控制是根据行驶意图辨识结果,对汽车未来行驶意图在线辨识,为车辆控制提供依据。
6.根据权利要求5所述的一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其特征在于:对车辆进行车辆加速控制是根据行驶意图辨识结果和车速对汽车下一时刻进行分级换挡规律预调节控制,使换挡规律更加符合行驶意图的动力需求。
7.根据权利要求6所述的一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其特征在于:所述分级换挡规律预调节控制是根据预测加速度和滑转率确定汽车的动力需求程度以及确定换挡规律的模式。
8.根据权利要求5所述的一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其特征在于:对车辆进行减速控制是根据行驶意图辨识结果对汽车下一时刻进行分级制动预调节控制,使制动***执行机构具备提前响应的功能且更满足制动需求。
9.根据权利要求8所述的一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法,其特征在于:所述分级制动预调节控制是根据预测减速度和滑移率确定汽车的制动需求以及确定合理的制动管路压力,具备精准制动的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111540766.5A CN114228692B (zh) | 2021-12-16 | 2021-12-16 | 一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111540766.5A CN114228692B (zh) | 2021-12-16 | 2021-12-16 | 一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114228692A CN114228692A (zh) | 2022-03-25 |
CN114228692B true CN114228692B (zh) | 2024-04-26 |
Family
ID=80756870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111540766.5A Active CN114228692B (zh) | 2021-12-16 | 2021-12-16 | 一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114228692B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62131856A (ja) * | 1985-12-03 | 1987-06-15 | Nippon Denso Co Ltd | 車両の制動制御装置 |
KR19980036589A (ko) * | 1996-11-19 | 1998-08-05 | 박병재 | 자동차의 제동시 거동 제어장치 및 그 방법 |
CN104210383A (zh) * | 2014-09-18 | 2014-12-17 | 上海工程技术大学 | 一种四轮独立驱动电动汽车转矩分配控制方法及*** |
CN109237011A (zh) * | 2018-09-11 | 2019-01-18 | 江苏大学 | 一种含有驾驶行为预测模型的自动变速箱换挡控制方法 |
CN110262491A (zh) * | 2019-06-25 | 2019-09-20 | 南京航空航天大学 | 一种基于混合学习方式的车辆制动意图预测的方法及*** |
CN110308656A (zh) * | 2019-07-17 | 2019-10-08 | 江苏理工学院 | 汽车制动防抱死***的模糊免疫pid控制方法 |
CN112248988A (zh) * | 2020-10-23 | 2021-01-22 | 深圳市东仪电子有限公司 | 机动车制动及驱动控制方法、***、智能终端及存储介质 |
CN113635879A (zh) * | 2021-08-30 | 2021-11-12 | 武汉理工大学 | 一种车辆制动力分配方法 |
-
2021
- 2021-12-16 CN CN202111540766.5A patent/CN114228692B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62131856A (ja) * | 1985-12-03 | 1987-06-15 | Nippon Denso Co Ltd | 車両の制動制御装置 |
KR19980036589A (ko) * | 1996-11-19 | 1998-08-05 | 박병재 | 자동차의 제동시 거동 제어장치 및 그 방법 |
CN104210383A (zh) * | 2014-09-18 | 2014-12-17 | 上海工程技术大学 | 一种四轮独立驱动电动汽车转矩分配控制方法及*** |
CN109237011A (zh) * | 2018-09-11 | 2019-01-18 | 江苏大学 | 一种含有驾驶行为预测模型的自动变速箱换挡控制方法 |
CN110262491A (zh) * | 2019-06-25 | 2019-09-20 | 南京航空航天大学 | 一种基于混合学习方式的车辆制动意图预测的方法及*** |
CN110308656A (zh) * | 2019-07-17 | 2019-10-08 | 江苏理工学院 | 汽车制动防抱死***的模糊免疫pid控制方法 |
CN112248988A (zh) * | 2020-10-23 | 2021-01-22 | 深圳市东仪电子有限公司 | 机动车制动及驱动控制方法、***、智能终端及存储介质 |
CN113635879A (zh) * | 2021-08-30 | 2021-11-12 | 武汉理工大学 | 一种车辆制动力分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114228692A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107117170B (zh) | 一种基于经济性驾驶的实时预测巡航控制*** | |
Cao et al. | Application of fuzzy predictive control technology in automatic train operation | |
CN107958269B (zh) | 一种基于隐马尔可夫模型的行车危险度预测方法 | |
CN105857309A (zh) | 一种考虑多目标的车辆自适应巡航控制方法 | |
CN105243430A (zh) | 列车节能运行的目标速度曲线的优化方法 | |
Zhao et al. | Identification of driver’s braking intention based on a hybrid model of GHMM and GGAP-RBFNN | |
CN109191849B (zh) | 一种基于多源数据特征提取的交通拥堵持续时间预测方法 | |
Li et al. | Hierarchical predictive energy management of hybrid electric buses based on driver information | |
CN111703418B (zh) | 一种基于车车通信的多车分布式协同避撞方法及装置 | |
CN107515537A (zh) | 一种基于改进型暴力搜索法的列车单车节能运行方法 | |
US20230264578A1 (en) | Method for predicting energy consumption-recovery ratio of new energy vehicle, and energy saving control method and system for new energy vehicle | |
CN115662131B (zh) | 网联环境下道路事故路段的多车道协同换道方法 | |
CN113741199A (zh) | 一种基于智能网联信息的整车经济性速度规划方法 | |
CN111783943A (zh) | 一种基于lstm神经网络的驾驶员制动强度预测方法 | |
Wang et al. | A hybrid energy management strategy based on line prediction and condition analysis for the hybrid energy storage system of tram | |
CN115534929A (zh) | 基于多元信息融合的插电式混合动力汽车能量管理方法 | |
CN113276829B (zh) | 一种基于工况预测的车辆行驶节能优化变权重方法 | |
CN114228692B (zh) | 一种基于行驶意图辨识的车辆传动及制动***工况自适应控制方法 | |
CN113240901A (zh) | 一种智能车换道行为风险等级确定方法及装置 | |
CN113635900B (zh) | 一种预测巡航过程中基于能量管理的换道决策控制方法 | |
CN115071712A (zh) | 一种新能源汽车滑行工况能量回收强度智能化控制方法 | |
CN114005271A (zh) | 一种智能网联环境下交叉口碰撞风险量化方法 | |
Pan et al. | Energy-optimized adaptive cruise control strategy design at intersection for electric vehicles based on speed planning | |
CN116469263B (zh) | 一种网联环境下考虑公交车停靠的交通流控制方法 | |
CN114523967B (zh) | 一种基于神经网络的预见巡航控制方法 |
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 |