CN104331611B - 强侧向风作用下的公路车辆行驶危险态势预警方法及系统 - Google Patents

Abstract

本发明公开了一种强侧向风作用下的公路车辆行驶危险态势预警方法及系统，属于交通安全领域。目的在于设计一种有效的公路车辆行驶危险态势预警系统，当车辆行驶于强侧向风环境中时，准确估计侧向风作用力和力矩，及时预测因侧向风作用而导致的行驶危险态势，并提前向驾驶员发出警示。基于卡尔曼滤波算法，提出强侧向风对车辆作用力和力矩的估计方法；从路面附着系数对车辆行驶的约束出发，建立强侧向风作用下公路车辆的危险态势评价指标体系；采用四级报警方式，设计强侧向风作用下的公路车辆行驶危险态势预警系统。本发明可充分保证强侧向风作用下公路车辆的行驶安全，系统具有可靠性好、精度高等优点。

Description

强侧向风作用下的公路车辆行驶危险态势预警方法及系统

技术领域

本发明涉及强侧向风下公路车辆行驶危险态势预警方法及预警系统，属于交通安全领域。

背景技术

随着我国高等级公路的快速发展，人们对公路车辆的稳定性和安全性等提出了越来越高的要求。但是，由于侧向风的普遍存在，车辆的动态性能往往会因侧向风的干扰而降低。特别当车辆高速行驶时，若受到强侧向风作用，其行驶稳定性、安全性等都会显著降低，极端情况下还会使车辆偏离正确行驶路线，甚至发生侧滑、侧翻等严重事故。

侧向风属于自然界中一种很普遍的现象，特别是它会随时间和空间作非稳态的变化。风速的变化梯度越大，车辆在驶经强侧向风区域时，车身上的气动特性变化就越剧烈，此时车辆的稳定性和安全性将受到严重威胁。例如，车辆在行驶途中突遇桥梁、隧道或高大建筑物等，或者驶入沿海公路、高架桥等开阔地带，都可能遭遇强侧向风。当车辆经过强侧向风环境时，车辆侧滑、侧翻的风险也会大大增加，极易导致交通事故的发生，可见环境侧向风对车辆动态性能有重要影响。

侧向风对车辆的稳定性与安全性有着重要的影响，而当今车身结构的发展以轻量化为趋势，这种车身结构的优化反而会加剧车辆对侧向风的敏感度，同时由于侧向风具有较大的不确定性，较难通过直接安装车载传感器等来采集侧向风力与力矩等侧向风参数。

因此，发明侧向风力与力矩等侧向风参数的估计方法，以及强侧向风作用下公路车辆的危险态势预警系统，对于保证车辆的稳定性和安全性有着十分重要的作用和意义。换言之，侧向风力与力矩等侧向风参数的有效估计是开发车辆危险态势预警系统的前提，只有准确获取侧向风力与力矩这两个参数，提出侧向风的风险评估策略，才能开发出可靠的预警系统。

发明内容

本发明所要解决的问题是：提供一种能适应强侧向风下公路车辆行驶危险态势的预警方法和系统，该方法和系统能预测强侧向风下可能发生的车辆危险态势，提前发出警告，提醒驾驶员采取正确的措施。

本发明解决其技术问题采用以下的技术方案：

本发明提供的强侧向风作用下公路车辆行驶危险态势预警方法，是以期建立强侧向风的风险评估策略，通过该评估体系对强侧向风下车辆行驶危险态势进行准确辨识，达到预警的效果，该方法主要包括以下步骤：

(1)建立强侧向风下公路车辆的动力学模型：

该模型是一个包含车辆侧向与横摆运动的线性二自由度动力学模型；

(2)建立卡尔曼滤波器：

所述卡尔曼滤波器为：

其中：

式中：状态向量x＝[β，ω_r，y，ΔΨ]^T，β为质心侧偏角，ω_r为横摆角速度，y为横向位移，ΔΨ为横摆角增量；由侧向风引起的侧向风力、力矩作为系统的观测量W＝[F_w,M_w]^T；A、B、B_W、C为方程的系数矩阵；F_w为侧向风力；M_w为侧向风力矩；M为车辆质量；v为车辆速度；I_z为车辆绕垂向的转动惯量；C_f、C_r为前后轮的侧偏刚度；L_f、L_r为重心到前、后轴的距离；L为车辆轴距。

经过系统扩展，上述卡尔曼滤波器变形为：

式中：

其中：A、B、B_W、C为方程的系数矩阵。

(3)建立侧向风力与力矩M_w的估计值：

所述侧向风力F_w为：车辆在路面行驶时受到来自自然环境的侧向风扰动的作用力，

所述力矩M_w为：车辆在路面行驶时受到来自自然环境的侧向风扰动的作用力矩；

根据获得的观测值，结合卡尔曼滤波算法，估计侧向风力与力矩参数。通过扩展矩阵M，状态估计量及系统方程如下：

定义误差其误差动力学方程为：为确保这个误差动力学方程趋于稳定，须使误差动力学方程的所有特征值都有负实数根。

(4)建立风险评估策略：

1)利用下述计算的前、后轮胎-路面附着系数为：

式中：M_w为侧向风力矩；F_w为侧向风力；L_f、L_r为重心到前、后轴的距离；F_m为驱动力；M为车辆质量；g为重力加速度。

2)构建风险评估值为：

r＝f(μ_f,μ_r)

风险评估值r的范围为0～1之间。

本发明提供的强侧向风作用下公路车辆行驶危险态势预警系统，是将上述方法植入到强侧向风作用下的公路车辆行驶危险态势预警系统中，利用该预警系统预测强侧向风下可能发生的车辆危险态势，提前发出警告，提醒驾驶员采取正确的措施，确保车辆行驶的安全。

所述的强侧向风作用下的公路车辆行驶危险态势预警系统，其主要由装在车辆的前轮转角传感器，装在车辆重心位置的横摆角速度传感器，装在车辆重心位置的横向位移传感器，装在车辆重心位置的陀螺仪，车载电子控制单元，以及报警提示装置组成，其中：所述传感器分别用于采集包括前轮转角、横摆角速度、横向位移、横摆角加速度等参数信息，并且分别通过数据线与电子控制单元相连。

所述电子控制单元由单片机、报警提示装置组成。

所述单片机内的固化程序可以设置有强侧向风作用下风险评估预警算法模块，该模块中的风险评估预警算法为：

若0＜r≤0.3，报警级别G＝IV级，预警系统不发出报警指令，r为风险评估值；

若0.3＜r≤0.5，报警级别G＝III级，预警系统发出初级报警指令；

若0.5＜r≤0.8，报警级别G＝II级，预警系统发出中级报警指令；

若0.8＜r≤1，报警级别G＝I级，预警系统发出高级报警指令。

所述报警提示装置，其可以设置在驾驶室的中控台上，通过数据线与电子控制单元相连，该报警提示装置包括灯光、声音提示装置。

本发明与现有技术相比具有以下主要的优点：

提出的基于模型的参数估计方法，通过对强侧向风作用下的车辆动力学建模，同时将有关低成本的车载传感器的采集信息作为测量量，进而利用适当的滤波估计算法实现对难以直接测量的侧向风参数进行估计。

所设计的卡尔曼滤波器，可有效实现强侧向风作用下的侧向风力与力矩的在线估计，所估计参数可以较快的逼近真值，及时掌握车辆行驶过程中的来自外界扰动的参数变化，为主动安全预警及控制系统提供准确的参数信息。

综上所述，提出了一种侧向风参数估计方法，可满足强侧向风下公路车辆危险态势预警的需要，具有精度高、可靠性好等优点；提出了强侧向风的风险评估策略，在公路车辆行驶危险态势预警系统实际应用时，能实时监测公路交通安全异常情况，可充分保证驾驶员的行车安全，对驾驶员有着很好的指导作用，实用性强，具有较强的推广与应用价值。

附图说明

图1是强侧向风下车辆动力学模型示意图。

图2是强侧向风下车辆危险态势预警流程图。

具体实施方式

下面结合实施例和附图对本发明进行详细的描述，但并不局限于下面所述内容。

实施例1.强侧向风作用下的公路车辆行驶危险态势预警方法

该方法是以期建立侧向风风险评估策略，通过该评估体系对车辆强侧向风下的危险态势进行准确辨识，达到预警的效果，最终植入到强侧向风作用下的公路车辆行驶危险态势预警系统中。该方法包括以下步骤：

1.建立强侧向风下公路车辆的动力学模型

如图1所示，强侧向风下车辆动力学模型示意图。为了便于掌握侧向风对车辆稳定性和安全性的影响，将车辆动力学模型简化为线性二自由度的车辆模型，即为一个具有侧向与横摆运动的车辆动力学模型。图中，v为车辆速度，β为质心侧偏角，ω_r为横摆角速度，F_yf、F_yr为侧偏力，F_xf、F_xr为地面对前、后轮的纵向反作用力，δ为前轮转角，L_f、L_r为重心到前、后轴的距离，y为横向位移，ΔΨ为横摆角增量。

2.建立卡尔曼滤波器

建立卡尔曼滤波器如下：

式中：

式中：状态向量x＝[β，ω_r，y，ΔΨ]^T，β为质心侧偏角，ω_r为横摆角速度，y为横向位移，ΔΨ为横摆角增量；由侧向风引起的侧向风力、力矩作为系统的输入量W＝[F_w，M_w]^T；A、B、B_W、C为方程矩阵；F_w为侧向风力；M_w为侧向风力矩；M为车辆质量；v为车辆速度；I_z为车辆绕z轴的转动惯量；C_f、C_r为前后轮的侧偏刚度；L_f、L_r为重心到前、后轴的距离；L为车辆轴距。

经过系统扩展，上述卡尔曼滤波器变形为：

式中：

其中：A、B、B_W、C为方程的系数矩阵。

3.采集车辆的运动信息及相关参数

通过运动信息采集设备，采集车辆的运动信息及相关参数。本发明采用前轮转角传感器、横摆角速度传感器、横向位移传感器、陀螺仪等提供的测量信息，分别用于采集前轮转角、横摆角速度、横向位移、横摆角增量等状态信息。

4.估计侧向风力与力矩参数

根据获得的观测值，结合卡尔曼滤波算法，估计侧向风力与力矩参数。通过扩展矩阵M，状态估计量及系统方程如下：

定义误差其误差动力学方程为：为确保这个误差动力学方程趋于稳定，须使误差动力学方程的所有特征值都有负实数根。

通过对上述两个滤波器进行迭代计算，最终得到侧向风力F_w与力矩M_w的估计值。

5.风险评估

上述步骤完成了对侧向风力F_w与力矩M_w的参数估计后，可以通过参数估计值建立风险评估策略。车辆在强侧向风下行驶时，为了抑制侧向风的扰动，驾驶员通过控制车辆，前后轮与路面会产生一个相对作用力如下：

为了保持车辆速度的恒定，对于前驱车辆而言，前轮会产生一个驱动力F_m，下面定义强侧向风下已利用的轮胎-路面附着系数：

式中：M_w为侧向风力矩；F_w为侧向风力；L_f为前轴至重心的距离；L_r为后轴至重心的距离；F_m为驱动力；M为车辆质量；g为重力加速度。

对于车辆在正常行驶时，F_m值较低，远低于侧向风力F_w及其带来的影响，因而在计算时可忽略。

有了上述已利用的轮胎-路面附着系数就可以构建风险评估值，风险评估值公式如下：

r＝f(μ_f,μ_r)

风险评估值的范围为0～1之间。

当车辆在公路上行驶时，如果突然遇到强侧向风，风险评估值r越接近1，则车辆出现危险态势的危险系数越高。车辆危险态势预警算法模块中预设有危险报警范围，其分级别对驾驶员给予报警提示，制定了四种状态报警级别G及级别的划分规则。

实施例2.强侧向风作用下的公路车辆行驶危险态势预警系统

所述强侧向风作用下的公路车辆行驶危险态势预警系统，由装在车辆前轮的前轮转角传感器，装在车辆重心位置的横摆角速度传感器，装在车辆重心位置的横向位移传感器，装在车辆重心位置的陀螺仪，车载电子控制单元，以及报警提示装置组成，其中：所述传感器分别用于采集包括前轮转角、横摆角速度、横向位移、横摆角加速度等状态信息，并且分别通过数据线与电子控制单元相连。

所述电子控制单元包括有单片机，所述单片机内的固化程序设置有强侧向风作用下风险评估预警算法模块。

所述报警提示装置，其可以设置在驾驶室的中控台上，通过数据线与电子控制单元相连，该报警提示装置包括灯光、声音提示装置。

所述强侧向风作用下的公路车辆行驶危险态势预警系统，其工作过程如下：

如图2所示，强侧向风下车辆危险态势预警流程图。当车辆在公路上行驶时，如果突然遇到强侧向风，实施例1的步骤(5)中所计算的风险评估值r越接近1，则车辆出现危险态势的危险系数越高。车辆危险态势预警算法模块中预设有危险报警范围，其分级别对驾驶员给予报警提示，报警级别G及级别的划分规则如下：

若0＜r≤0.3，报警级别G＝IV级，预警系统不发出报警指令；

若0.3＜r≤0.5，报警级别G＝III级，预警系统发出初级报警指令；

若0.5＜r≤0.8，报警级别G＝II级，预警系统发出中级报警指令；

若0.8＜r≤1，报警级别G＝I级，预警系统发出高级报警指令。

上述报警级别的划分规则不仅能在强侧向风下车辆出现危险态势之前对驾驶员发出报警，及早提示驾驶员采取有效措施，还能根据强侧向风下的车辆行驶危险程度对驾驶员发出不同级别的报警提示信息，符合大部分驾驶员的驾驶习惯。

如表1所示，根据上述报警规则得出报警级别之后，预警系统将根据报警级别的不同驱动报警提示装置以不同的方式向驾驶员提供预警信息。报警提示装置能实现灯光报警、声音提示报警等功能。对应于报警级别G，报警提示装置的报警方式也对应有四种状态。

表1

报警级别G	报警类别	灯光警示	声音警示
				IV	安全	绿灯亮	无
III	初级报警	黄灯亮	无
				II	中级报警	黄灯亮	蜂鸣声
I	高级报警	红灯亮	蜂鸣声

Claims (4)

1.强侧向风作用下的公路车辆行驶危险态势预警方法，其特征在于该方法通过建立强侧向风的风险评估策略，利用该策略对车辆强侧向风下的危险态势进行准确辨识，并进行危险态势预警，该方法包括：

(1)建立的卡尔曼滤波器如下：

$\left\{\begin{array}{c}\stackrel{\·}{x}=Ax+Bu+B_{W}W\\ y=Cx\end{array}\right.$

其中：

$A=\left[\begin{array}{cccc}-2\frac{C_f+C_r}{Mv}& -1+\frac{2L_r{C}_r-2L_f{C}_f}{{\mathrm{Mv}}^2}& 0& 0\\ \frac{2L_r{C}_r-2L_f{C}_f}{I_z}& -\frac{2L_r^2{C}_r+2L_f^2{C}_f}{I_{z}v}& 0& 0\\ v& 0& 0& v\\ 0& 1& 0& 0\end{array}\right]$

$B=\left[\begin{array}{c}2\frac{C_f}{Mv}\\ 2\frac{C_f}{I_z}\\ 0\\ 0\end{array}\right],B_W=\left[\begin{array}{cc}\frac{1}{Mv}& 0\\ 0& \frac{1}{I_z}\\ 0& 0\\ 0& 0\end{array}\right],C=\left[\begin{array}{cccc}0& 1& 0& 0\\ 0& 0& 1& L\\ 0& 0& 0& 1\end{array}\right]$

式中：状态向量x＝[β，ω_r，y_h，ΔΨ]^T，β为质心侧偏角，ω_r为横摆角速度，y_h为横向位移，ΔΨ为横摆角增量；由侧向风引起的侧向风力、力矩作为系统的观测量W＝[F_w,M_w]^T；A、B、B_W、C为方程的系数矩阵；F_w为侧向风力；M_w为侧向风力矩；M为车辆质量；v为车辆速度；I_z为车辆绕垂向的转动惯量；C_f、C_r为前后轮的侧偏刚度；L_f、L_r为重心到前、后轴的距离；L为车辆轴距；

(2)计算侧向风力F_w与力矩M_w的估计值：

所述侧向风力F_w为：车辆在路面行驶时受到侧向风扰动的作用力，

所述侧向风力矩M_w为：车辆在路面行驶时受到侧向风扰动的作用力矩，

通过将卡尔曼滤波进行扩展，得到扩展方程为：

$\left\{\begin{array}{c}\stackrel{\·}{X}=\hat{A}X+\hat{B}u\\ Y=\hat{C}X\end{array}\right.$

式中：

$\hat{A}=\left[\begin{array}{cc}A& B_W\\ 0& 0\end{array}\right],\hat{B}=\left[\begin{array}{c}B\\ 0\end{array}\right],\hat{C}=\left[\begin{array}{cc}C& 0\end{array}\right]$

式中：A、B、B_W、C为方程的系数矩阵，

通过扩展矩阵M，状态估计量及系统方程如下：

$\left\{\begin{array}{c}\stackrel{\·}{\hat{X}}=\hat{A}\hat{X}+\hat{B}u+M\left(\hat{Y}-Y\right)\\ \hat{Y}=\hat{C}\hat{X}\end{array}\right.$

定义误差其误差动力学方程为：为确保这个误差动力学方程趋于稳定，须使误差动力学方程的所有特征值都有负实数根，

根据观测值和上述卡尔曼滤波算法，便可估计侧向风力与力矩参数；

(3)建立风险评估策略：

1)利用下述计算前后轮胎-路面附着系数：

${\mathrm{\μ}}_f=\frac{{\left(\frac{M_w+L_r{F}_w}{L_f+L_r}\right)}^2+F_m^2}{Mg\frac{L_r}{L_f+L_r}},{\mathrm{\μ}}_r=\frac{{\left(\frac{M_w-L_f{F}_w}{L_f+L_r}\right)}^2}{Mg\frac{L_f}{L_f+L_r}}$

式中：M_w为侧向风力矩；F_w为侧向风力；L_f、L_r为重心到前、后轴的距离；F_m为驱动力；M为车辆质量；g为重力加速度，

2)构建风险评估值公式为：

r＝f(μ_f,μ_r)

风险评估值r的范围为0～1之间。

2.强侧向风作用下的公路车辆行驶危险态势预警系统，其特征在于将权利要求1中所述方法植入到该预警系统中，利用该预警系统预测强侧向风下可能发生的车辆危险态势，提前发出警告，提醒驾驶员采取正确的措施，确保车辆行驶的安全。

3.根据权利要求2所述的强侧向风作用下的公路车辆行驶危险态势预警系统，其特征在于主要由装在车辆前轮的前轮转角传感器，装在车辆重心位置的横摆角速度传感器，装在车辆重心位置的横向位移传感器，装在车辆重心位置的陀螺仪，车载电子控制单元，以及报警提示装置组成，其中：所述传感器分别用于采集包括前轮转角、横摆角速度、横向位移、横摆角加速度状态信息，并且分别通过数据线与车载电子控制单元相连。

4.根据权利要求3所述的强侧向风作用下的公路车辆行驶危险态势预警系统，其特征在于所述车载电子控制单元包括单片机，该单片机内的固化程序设置有强侧向风作用下风险评估预警算法模块，该模块中的风险评估预警算法为：

若0＜r≤0.3，报警级别G＝IV级，预警系统不发出报警指令；

若0.3＜r≤0.5，报警级别G＝III级，预警系统发出初级报警指令；

若0.5＜r≤0.8，报警级别G＝II级，预警系统发出中级报警指令；

若0.8＜r≤1，报警级别G＝I级，预警系统发出高级报警指令。