CN109421679A - 一种车辆自适应主动刹车方法 - Google Patents
一种车辆自适应主动刹车方法 Download PDFInfo
- Publication number
- CN109421679A CN109421679A CN201710770156.1A CN201710770156A CN109421679A CN 109421679 A CN109421679 A CN 109421679A CN 201710770156 A CN201710770156 A CN 201710770156A CN 109421679 A CN109421679 A CN 109421679A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- brake
- data
- neural network
- gradient
- 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.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T7/00—Brake-action initiating means
- B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2201/00—Particular use of vehicle brake systems; Special systems using also the brakes; Special software modules within the brake system controller
- B60T2201/02—Active or adaptive cruise control system; Distance control
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Transportation (AREA)
- Regulating Braking Force (AREA)
Abstract
本发明提供一种车辆自适应主动刹车方法,包括采集数据,数据包括车辆减速度、车辆档位信息、发动机输出扭矩、坡度、迎风阻力和车速;对坡度和迎风阻力进行计算;对神经网络进行训练;将数据传输到训练好的神经网络中,得到限定条件;将限定条件输入至自主刹车算法中,同时将刹车减速度上升至最大值的间隙t1、刹车最大值降至最低值的间隙t2和刹车最小安全车距Dsafrty输入至自主刹车算法中,进行数据拟合和分析,判断是否满足安全驾驶条件。本发明的有益效果是利用有效、智能的方法,实时反映车辆内外因素的改变,能够完整搜集车辆的信息,通过分析和计算评估处最合适的刹车时机,保证在复杂环境下更有效、更自然、更安全的保护车辆和驾驶者。
Description
技术领域
本发明属于汽车控制技术领域,尤其是涉及一种车辆自适应主动刹车方法。
背景技术
随着高级驾驶辅助行业和自动驾驶行业的兴起和成熟,越来越多的自主刹车被应用于车辆上;但由于车辆的刹车受多方面因素的影响,包括车辆本身的刹车系统状态、老化程度、轮胎的磨损等,外部环境包括天气、路面、上下坡等;所以,自主刹车系统亟需一种基于车辆内外部自学习的智能系统,来为司机提供更加全面、准确的刹车信息和在车辆处于危险时且司机未采取动作时主动刹车。
目前应用于车辆的主动刹车技术都是遵照一定的设计标准,在特定的环境下能满足自主刹车和避免碰撞进行固定化设计;比如50KM/h的速度下能完全避免与前方静止车辆的碰撞,但也仅限于车辆空载行驶在干燥、平坦的水泥路面时方可达到测试该指标;在车辆满载或路面潮湿等,甚至车辆本身刹车系统磨损等情况下皆不可再达到相应的设计标准。而且不能感知外部环境:如天气、路面状况、上下坡等;同样的制动方式会导致车辆有不同的制动效果,造成的后果包括:不能完全避免碰撞,或者过早采取制动,影响司机的正常驾驶,使自主刹车系统的性能大打折扣。
其中有部分自主刹车系统会增加模式选择,如空载、满载、运动等模式来切换自主刹车的算法计算,能一定程序上缓解内外部环境变化带来的影响;但模式设置有限,也不能完全覆盖自然界和车辆生命周期的复杂、多变情况,且模式选择操作麻烦,依然不能彻底解决存在的问题。
发明内容
本发明的目的在于克服现有技术的缺点,提供一种车辆自适应主动刹车方法,能够完整搜集车辆的信息,通过分析和计算评估处最合适的刹车时机。
为解决上述技术问题,本发明采用的技术方案是:一种车辆自适应主动刹车方法,包括:
采集数据,所述数据包括车辆减速度、车辆档位信息、发动机输出扭矩、坡度、迎风阻力和车速;
对所述坡度和所述迎风阻力进行计算;
对神经网络进行训练;
将所述数据传输到训练好的神经网络中,得到限定条件;
将所述限定条件输入至自主刹车算法中,同时将刹车减速度上升至最大值的间隙t1、刹车最大值降至最低值的间隙t2和刹车最小安全车距Dsafrty输入至所述自主刹车算法中,进行数据拟合和分析,判断是否满足安全驾驶条件。
进一步地,对所述坡度进行计算,将车辆整体重量G进行正交分解求得在斜坡方向的分力Fx和垂直斜坡方向的分力Fy,将所述斜坡方向的分力Fx作为输入值。
进一步地,利用计算公式计算所述迎风阻力:其中δ为空气阻力系数:货车取0.8-1.0,轿车取0.4-0.6,大客车取0.6-0.7;S为汽车前脸垂直投影面积:S=车宽×车高;Ve为汽车的行驶速度。
进一步地,所述对神经网络进行训练:集中收集车辆每一次刹车前一时刻的车辆状态数据A,同时收集车辆下一时刻刹车动作的效果数据B。每一对所述数据A和所述数据B即为网络训练的一个样本数据,将采集的所述样本数据,通过已知数据算出一组权量,通过所述权量向前传播,获得每个神经元的误差,将所述误差再传给隐藏层,所述隐藏层通过收敛函数不断迭代,直到所述神经网络收敛。
进一步地,所述收敛函数表达式为:
本发明具有的优点和积极效果是:由于采用上述技术方案,利用有效、智能的方法,实时反映车辆内外因素的改变,能够完整搜集车辆的信息,通过分析和计算评估处最合适的刹车时机,保证在复杂环境下更有效、更自然、更安全的保护车辆和驾驶者。
附图说明
图1是本发明整体结构示意图;
图2是本发明工作流程图
图3是本发明惯性元件接线图
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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获得的所有其他实施例,都属于本发明保护的范围。应当注意,为了清楚的目的,附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
如图1至图3所示,本实施例提供一种车辆自适应主动刹车方法,包括:
S1:采集数据,数据包括车辆减速度、车辆档位信息、发动机输出扭矩、坡度、迎风阻力和车速;
通过图3的惯性元件(IMU)去获得车辆的减速度、坡度,连接车辆的OBD/UDS接口去获取车辆的发动机输出扭矩、车速、档位信息。
S2:对坡度和迎风阻力进行计算。
对坡度进行计算,将车辆整体重量G进行正交分解求得在斜坡方向的分力Fx和垂直斜坡方向的分力Fy:
Fx=G·cosθ
Fy=G·sinθ
其中θ为坡度,将斜坡方向的分力Fx作为输入值。
利用计算公式计算迎风阻力:其中δ为空气阻力系数:货车取0.8-1.0,轿车取0.4-0.6,大客车取0.6-0.7;S为汽车前脸垂直投影面积:S=车宽×车高;Ve为汽车的行驶速度。
S3:对神经网络进行训练。
集中收集车辆每一次刹车前一时刻的车辆状态数据A,同时收集车辆下一时刻刹车动作的效果数据B。每一对数据A和数据B即为网络训练的一个样本数据,将采集的样本数据,通过已知数据算出一组权量,通过权量向前传播,获得每个神经元的误差,将误差再传给隐藏层,隐藏层通过收敛函数不断迭代,直到神经网络收敛。
其中收敛函数表达式为:
S4:将数据传输到训练好的神经网络中,得到限定条件;
限定条件包括:车辆减速度、车辆档位信息、发动机输出扭矩、坡度、迎风阻力和车速,具体限定效果和计算由对应计算公式给出;
S5:将限定条件输入至自主刹车算法中,同时将刹车减速度上升至最大值的间隙t1、刹车最大值降至最低值的间隙t2和刹车最小安全车距Dsafrty输入至自主刹车算法中,进行数据拟合和分析,判断是否满足安全驾驶条件。
其中,t1和t2为刹车系统本身参数,可通过对刹车系统充放气实验,检测压力值的实时变化曲线获得;最小安全车距为常数,建议值为0.5-1.5m;
综上数据进行拟合和分析,判断是否满足安全驾驶条件。
本实例的工作过程:如图2所示,采集车辆减速度、车辆档位信息、发动机输出扭矩、坡度、迎风阻力和车速等数据,将数据输入至训练好的神经网络中,得出限定条件,限定条件、刹车减速度上升至最大值的间隙t1、刹车最大值降至最低值的间隙t2和刹车最小安全车距Dsafrty输入至自适应刹车算法中进行大数据拟合与分析,判断是够满足安全驾驶;当满足安全驾驶时,输出数据输入至神经网络中作为训练样本;当不满足安全驾驶时,计算出安全距离并做出预警输出;如果司机做出主动操作,数据将输入至神经网络中作为训练样本,若司机为做出主动操作,则自动做出主动刹车动作。
本发明的有益效果是:由于采用上述技术方案,利用有效、智能的方法,实时反映车辆内外因素的改变,能够完整搜集车辆的信息,通过分析和计算评估处最合适的刹车时机,保证在复杂环境下更有效、更自然、更安全的保护车辆和驾驶者。
以上对本发明的一个或多个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (5)
1.一种车辆自适应主动刹车方法,其特征在于:包括:
采集数据,所述数据包括车辆减速度、车辆档位信息、发动机输出扭矩、坡度、迎风阻力和车速;
对所述坡度和所述迎风阻力进行计算;
对神经网络进行训练;
将所述数据传输到训练好的神经网络中,得到限定条件;
将所述限定条件输入至自主刹车算法中,同时将刹车减速度上升至最大值的间隙t1、刹车最大值降至最低值的间隙t2和刹车最小安全车距Dsafrty输入至所述自主刹车算法中,进行数据拟合和分析,判断是否满足安全驾驶条件。
2.根据权利要求1所述的车辆自适应主动刹车方法,其特征在于:对所述坡度进行计算,将车辆整体重量G进行正交分解求得在斜坡方向的分力Fx和垂直斜坡方向的分力Fy,将所述斜坡方向的分力Fx作为输入值。
3.根据权利要求1所述的车辆自适应主动刹车方法,其特征在于:利用计算公式计算所述迎风阻力:其中δ为空气阻力系数:货车取0.8-1.0,轿车取0.4-0.6,大客车取0.6-0.7;S为汽车前脸垂直投影面积:S=车宽×车高;Ve为汽车的行驶速度。
4.根据权利要求1所述的车辆自适应主动刹车方法,其特征在于:所述对神经网络进行训练:集中收集车辆每一次刹车前一时刻的车辆状态数据A,同时收集车辆下一时刻刹车动作的效果数据B。每一对所述数据A和所述数据B即为网络训练的一个样本数据,将采集的所述样本数据,通过已知数据算出一组权量,通过所述权量向前传播,获得每个神经元的误差,将所述误差再传给隐藏层,所述隐藏层通过收敛函数不断迭代,直到所述神经网络收敛。
5.根据权利要求4所述的车辆自适应主动刹车方法,其特征在于:所述收敛函数表达式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710770156.1A CN109421679A (zh) | 2017-08-31 | 2017-08-31 | 一种车辆自适应主动刹车方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710770156.1A CN109421679A (zh) | 2017-08-31 | 2017-08-31 | 一种车辆自适应主动刹车方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109421679A true CN109421679A (zh) | 2019-03-05 |
Family
ID=65505172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710770156.1A Pending CN109421679A (zh) | 2017-08-31 | 2017-08-31 | 一种车辆自适应主动刹车方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109421679A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112698051A (zh) * | 2021-03-23 | 2021-04-23 | 天津所托瑞安汽车科技有限公司 | 一种车速确定方法及装置、设备、介质 |
CN116952612A (zh) * | 2023-07-26 | 2023-10-27 | 山东北骏重工有限公司 | 一种基于人工智能的大型地下自卸车刹车安全评估系统 |
-
2017
- 2017-08-31 CN CN201710770156.1A patent/CN109421679A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112698051A (zh) * | 2021-03-23 | 2021-04-23 | 天津所托瑞安汽车科技有限公司 | 一种车速确定方法及装置、设备、介质 |
CN112698051B (zh) * | 2021-03-23 | 2021-06-18 | 天津所托瑞安汽车科技有限公司 | 一种车速确定方法及装置、设备、介质 |
CN116952612A (zh) * | 2023-07-26 | 2023-10-27 | 山东北骏重工有限公司 | 一种基于人工智能的大型地下自卸车刹车安全评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106740829B (zh) | 基于聚类分析双半挂汽车行驶稳定性自动识别与预警系统 | |
CN108960426B (zh) | 基于bp神经网络的道路坡度综合估计系统 | |
CN103402847B (zh) | 用于确定车辆的行驶阻力的方法 | |
CN105836560B (zh) | 电梯舒适度测试系统 | |
CN106553709B (zh) | 气动系统以及诊断气动系统并验证下压力估算值的方法 | |
CN102486400B (zh) | 车辆质量辨识方法和装置 | |
CN104691545B (zh) | 适应性车辆防碰撞方法 | |
CN103366416B (zh) | 一种车辆数据采集及发送装置 | |
CN107958269A (zh) | 一种基于隐马尔可夫模型的行车危险度预测方法 | |
CN104309435B (zh) | 一种路面不平度在线辨识方法 | |
CN108765942B (zh) | 一种智能网联汽车弯道危险预警系统及方法 | |
CN107730425A (zh) | 碳排放量计算方法、装置及存储介质 | |
DE102011089264A1 (de) | Technik für das Liefern gemessener aerodynamischer Kraftinformation, um die Kilometerleistung und die Fahrstabilität für das Fahrzeug zu verbessern | |
CN102745194A (zh) | 一种高速公路汽车防追尾前车的自适应报警方法 | |
CN105946860B (zh) | 一种考虑驾驶风格的弯道车速预测方法 | |
CN106650287A (zh) | 一种基于mlp神经网络的机动车尾气排放因子估计方法 | |
CN105606530A (zh) | 一种路面峰值附着系数测试装置及方法 | |
CN111605559B (zh) | 一种整车质量估算方法、扭矩控制方法及装置 | |
CN111994129A (zh) | 一种轮轨列车防滑控制方法及系统 | |
CN109878509A (zh) | 基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法 | |
CN102622516A (zh) | 面向道路安全评价的微观交通流仿真方法 | |
CN107437147A (zh) | 还原货运物流情景的车辆行驶风险动态评估方法及其系统 | |
CN116957345B (zh) | 用于无人驾驶系统中的数据处理方法 | |
CN110239556A (zh) | 一种驾驶员即时操控能力感知方法 | |
CN109421679A (zh) | 一种车辆自适应主动刹车方法 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1262583 Country of ref document: HK |