CN104828062B

CN104828062B - 一种基于驾驶员制动意图识别的制动控制方法

Info

Publication number: CN104828062B
Application number: CN201510236577.7A
Authority: CN
Inventors: 向绪爱; 张缓缓; 赵培腾; 谭新佳
Original assignee: Shanghai University of Engineering Science
Current assignee: Shanghai University of Engineering Science
Priority date: 2015-05-11
Filing date: 2015-05-11
Publication date: 2018-03-13
Anticipated expiration: 2035-05-11
Also published as: CN104828062A

Abstract

本发明涉及一种基于驾驶员制动意图识别的制动控制方法，包括以下步骤：1)根据制动踏板开度传感器获取的制动踏板开度值和车速传感器获取的车辆行驶速度，通过模糊推理判断驾驶员当前的制动意图，得到当前制动意图的表征值；2)根据当前制动意图的表征值和当前车辆的制动踏板的开度值以及车速，得到当前制动意图对应的制动控制指令，进行相应的制动动作。与现有技术相比，本发明具有发挥制动潜能、提高驾驶安全性、响应迅速、可靠性高等优点。

Description

一种基于驾驶员制动意图识别的制动控制方法

技术领域

本发明涉及汽车制动技术领域，尤其是涉及一种基于驾驶员制动意图识别的制动控制方法

背景技术

汽车制动系统大多采用液压或气压制动，传统的制动系统通过驾驶员踩下制动踏板时，推动连接制动主缸的活塞连杆，制动主缸在系统回路中产生相应的压力，进而作用于制动执行器。由于液压或气压回路传输管路较长，制动器需要一定的响应时间，因而容易出现制动不及时而产生滞后现象。同时，传统的制动系统没有对驾驶员的真正意图进行解析，制动压力仅根据制动踏板的行程作相应的放大，因而在某些场合下(如遇到障碍物需要紧急停车的情况)，使得驾驶员缺少良好的制动感觉，难以使制动系统达到驾驶员期望的制动效果。

随着电子与控制技术的发展，出现了线控制动技术，制动控制器根据电控单元发出的制动控制信号对制动执行器进行控制，从而使制动过程更加高效节能。然而目前的线控制动系统中并没有对驾驶员意图与制动强度的关系进行解析，制动系统的实际制动强度并不能较好地符合驾驶员的真实意图。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种发挥制动潜能、提高驾驶安全性、响应迅速、可靠性高的基于驾驶员制动意图识别的制动控制方法

本发明的目的可以通过以下技术方案来实现：

一种基于驾驶员制动意图识别的制动控制方法，包括以下步骤：

1)根据制动踏板开度传感器获取的制动踏板开度值和车速传感器获取的车辆行驶速度，通过模糊推理判断驾驶员当前的制动意图，得到当前制动意图的表征值；

2)根据当前制动意图的表征值和当前车辆的制动踏板的开度值以及车速，得到当前制动意图对应的制动控制指令，进行相应的制动动作。

所述的驾驶员当前的制动意图包括平缓制动、一般制动和紧急制动，所述的平缓制动、一般制动和紧急制动的表征值分别为1、2和3。

所述的步骤1)具体包括以下步骤：

11)实时采样车辆行驶速度和制动踏板开度值并记录，采样的数据经滤波预处理剔除异常数据后进行分段存储，得到多个数据段；

12)将制动踏板开度值转换为最大行程的百分比值，并对每个数据段求取平均值；

13)判断各个数据段中的车辆行驶速度是否大于0，并且制动踏板开度百分比值是否大于0，若是则进行步骤14)，若否，则返回步骤11)；

14)根据获取的制动踏板开度百分比值计算得到制动踏板开度变化率；

15)根据表征值模糊规则对制动踏板开度百分比值和制动踏板开度变化率进行模糊化处理，并得到制动意图的表征值，所述的表征值模糊规则库为；

其中，BP为制动踏板开度值，DBP为制动踏板开度变化率，S为小级别，M为中级别，B为大级别，所述的S、M、B和处理结果的隶属范围有隶属度函数设定。

所述的步骤11)中的车辆行驶速度和制动踏板开度值的采样周期为0.04s，分段存储时间为1s。

所述的步骤2)制动控制指令为：

T_e＝f(min(αT_maxβ,T_max),T_max)

β＝f(e,de)

其中，T_e为驾驶员期望的制动力矩，α为制动踏板开度值的百分比，T_max为制动器所能产生的最大制动力矩，β为制动强度系数，e为制动踏板开度值，de为制动踏板开度变化率；

当驾驶意图识别结果为平缓制动和一般制动时，T_e＝min(αT_maxβ,T_max)；

当驾驶意图识别结果为紧急制动时，T_e＝T_max。

所述的制动强度系数β由制动踏板开度百分比值和制动踏板开度变化率根据制动强度系数模糊规则库模糊处理得到，所述的制动强度系数模糊规则库为：

制动强度系数β的范围为[0.8,1.2]，并且分为五级：S、MS、M、MB和B，所述的S、M、B和制动强度系数的隶属范围由隶属度函数设定。

所述的制动控制指令的制动强度达到地面附着条件所允许的最大值时，系统通过触发ABS系统进行联合制动。

与现有技术相比，本发明具有以下优点：

一、发挥制动潜能：通过对驾驶员制动意图的解析，对系统制动强度进行有效修正，使得实际制动效果更加符合驾驶员期望的制动状态，更好地发挥出制动系统的制动潜能。

二、提高驾驶安全性：通过对驾驶员制动意图的识别，及时发现驾驶员的紧急制动意图，从而迅速调节制动强度，减轻驾驶员的操作负担，并有效减少紧急制动情况下安全事故的发生。

三、响应迅速：该制动系统根据制动踏板状态及车速状态进行制动意图识别，并由电控单元发出的制动指令进行制动，因此制动响应迅速，可有效缩短制动距离。

四、可靠性高：本发明采用模糊规则库来推理识别，模拟了人的思维进行推理识别，其推理过程更加符合人类的思维方式，而驾驶意图是驾驶员思维的一部分，采用模糊推理进行驾驶意图的识别，有助于识别的可靠性。

附图说明

图1为本发明制动意图的识别流程。

图2为制动意图模糊推理流程图。

图3为基于制动意图模糊识别的制动控制流程图。

图4为制动踏板开度-隶属度模糊设置图。

图5为制动踏板开度变化率-隶属度模糊设置图。

图6为制动意图输出-隶属度模糊设置图。

图7为制动强度系数-隶属度设置图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例：

如图1所示为驾驶意图识别系统识别流程，其中包括数据采集模块、数据预处理模块、预识别判断模块、数据处理模块、数据存储模块、驾驶意图识别模块、数据输出模块等。

数据采集模块包括车速传感器和制动踏板开度传感器，实时采集车速和制动踏板开度信号并记录各采样周期内的所有值，采集的数据经预处理以后进行分段存储。其中采样周期为0.04s，数据分段时间为1s。

数据预处理模块对初始数据进行处理，包括数据滤波处理，剔除异常数据，将制动踏板开度值转化为其最大行程的百分比，范围为[0,100]，单位为开度百分比(％)，对数据进行单位换算，对每个数据段处理后的数据求取平均值，最后将各个数据段内的数据及各数据段的平均值存储到相应的存储单元中。

经预处理后的车速和制动踏板开度数据通过比较器进行判断，如判断结果满足识别条件时进行下一步处理，由数据处理器完成，主要对各时间段内的制动踏板开度值求取开度变化率，并存储到相应的存储单元中，制动踏板开度变化率的范围为[0,300]，单位为制动踏板开度变化百分比每秒(％/s)。如判断结果不满足识别条件则返回。

如图2所示，图为驾驶意图识别模块框图。驾驶意图识别模块从数据存储器中读取处理后的识别参数，包括制动踏板开度和制动踏板开度变化率，输入到模糊控制器中进行模糊推理识别。

如图3所示，图为基于制动意图模糊识别的制动控制流程图。

在识别过程中首先将输入参数模糊化，即将输入参数的值根据其范围分为不同的等级，制动踏板开度、制动踏板开度变化率分为：“小”、“中”、“大”三个级别，分别用S、M、B表示。

如图4-6所示，制定模糊规则库为：

其中，BP表示制动踏板开度，DBP表示制动踏板开度变化率，BP各级别隶属范围为S[0，35]，M[20,60]，B[50,100])；DBP各级别的隶属范围为S[0,70]，M[45,130]，B[110,300]，隶属函数形式采用梯形-三角形-梯形曲线，识别结果的隶属范围分别为“平稳制动”[0.75,1.25],“一般制动”[1.75,2.25],“紧急制动”[2.75,3.25]。划分规则依据专家经验及实车试验数据分析。

各模糊集的隶属度函数采用梯形函数形式和三角型函数形式，解模糊过程中采用Mamdani法进行计算。

当驾驶意图识别出制动意图后，电控单元根据识别的类型产生制动强度控制信号，制动控制指令为：

T_e＝f(min(αT_maxβ,T_max),T_max)

β＝f(e,de)

式中：T_e为驾驶员期望的制动力矩，α为制动踏板开度值的百分比，T_max为制动器所能产生的最大制动力矩，β为制动强度系数，e为制动踏板开度值，de为制动踏板开度变化率。

当驾驶意图识别结果为平缓制动和一般制动时，T_e＝min(αT_maxβ,T_max)。

当驾驶意图识别结果为紧急制动时，T_e＝T_max。

如图4、5、7所示，其中β值由模糊控制器得出，输入参数为制动踏板开度和制动踏板开度变化率，输入参数模糊化过程同驾驶意图识别系统中的参数模糊化过程，制动强度系数的范围为[0.8,1.2]，其大小分为五级，即“很小”、“较小”、“中”、“较大”、“很大”，分别用S、MS、M、MB、B表示。

制定模糊规则库为：

其中，各模糊集的隶属度函数采用梯形函数形式和三角型函数形式，解模糊过程中采用Mamdani法进行计算，其中BP与DBP隶属范围与隶属函数形式与前述制动意图识别时BP与DBP相同，各级隶属范围分别为S[0.8,0.9],MS[0.85,0.95],M[0.9,1.1],MB[1.05,1.15],B[1.1,1.2],隶属函数形式为三角型形式，划分规则依据专家经验及实车试验数据分析。

对于各个模糊集的隶属度函数可通过大量的实车试验数据进行调整，方法是利用神经网络的学习算法进行训练优化，从而对隶属度函数的形式进行适当修正，提高识别结果的准确性。其中实车试验数据在车辆开发阶段通过实车实验得到。

在制动强度控制系统中，当制动强度达到允许的最大值时，或者车轮出现抱死趋势时，系统会触发底层ABS联合制动，具体的制动力大小由底层ABS调节。

由于ABS控制技术已经属于比较成熟的技术，关于ABS的控制细节此处不再赘述。

Claims

1.一种基于驾驶员制动意图识别的制动控制方法，其特征在于，包括以下步骤：

1)根据制动踏板开度传感器获取的制动踏板开度值和车速传感器获取的车辆行驶速度，通过模糊推理判断驾驶员当前的制动意图，得到当前制动意图的表征值，具体包括以下步骤：

当制动踏板开度值BP为小级别S且制动踏板开度变化率DBP为小级别S时，制动意图为平稳制动；

当制动踏板开度值BP为小级别S且制动踏板开度变化率DBP为中级别M时，制动意图为平稳制动；

当制动踏板开度值BP为小级别S且制动踏板开度变化率DBP为大级别B时，制动意图为平稳制动；

当制动踏板开度值BP为中级别M且制动踏板开度变化率DBP为小级别S时，制动意图为一般制动；

当制动踏板开度值BP为中级别M且制动踏板开度变化率DBP为中级别M时，制动意图为一般制动；

当制动踏板开度值BP为中级别M且制动踏板开度变化率DBP为大级别B时，制动意图为紧急制动；

当制动踏板开度值BP为大级别B且制动踏板开度变化率DBP为小级别S时，制动意图为一般制动；

当制动踏板开度值BP为大级别B且制动踏板开度变化率DBP为中级别M时，制动意图为紧急制动；

当制动踏板开度值BP为大级别B且制动踏板开度变化率DBP为大级别B时，制动意图为紧急制动；

所述的S、M、B和处理结果的隶属范围由隶属度函数设定；

2)根据当前制动意图的表征值和当前车辆的制动踏板的开度值以及车速，得到当前制动意图对应的制动控制指令，进行相应的制动动作，制动控制指令为：

T_e＝f(min(αT_maxβ,T_max),T_max)

β＝f(e,de)

当驾驶意图识别结果为紧急制动时，T_e＝T_max，

当制动踏板开度值BP为小级别S且制动踏板开度变化率DBP为小级别S时，制动强度系数β的范围为S级；

当制动踏板开度值BP为小级别S且制动踏板开度变化率DBP为中级别M时，制动强度系数β的范围为MS级；

当制动踏板开度值BP为小级别S且制动踏板开度变化率DBP为大级别B时，制动强度系数β的范围为M级；

当制动踏板开度值BP为中级别M且制动踏板开度变化率DBP为小级别S时，制动强度系数β的范围为MS级；

当制动踏板开度值BP为中级别M且制动踏板开度变化率DBP为中级别M时，制动强度系数β的范围为M级；

当制动踏板开度值BP为中级别M且制动踏板开度变化率DBP为大级别B时，制动强度系数β的范围为MB级；

当制动踏板开度值BP为大级别B且制动踏板开度变化率DBP为小级别S时，制动强度系数β的范围为M级；

当制动踏板开度值BP为大级别B且制动踏板开度变化率DBP为中级别M时，制动强度系数β的范围为MB级；

当制动踏板开度值BP为大级别B且制动踏板开度变化率DBP为大级别B时，制动强度系数β的范围为B级；

所述的制动强度系数β的范围为[0.8,1.2]，并且分为五级：S、MS、M、MB和B，所述的S、M、B和制动强度系数的隶属范围由隶属度函数设定。

2.根据权利要求1所述的一种基于驾驶员制动意图识别的制动控制方法，其特征在于，所述的驾驶员当前的制动意图包括平缓制动、一般制动和紧急制动，所述的平缓制动、一般制动和紧急制动的表征值分别为1、2和3。

3.根据权利要求1所述的一种基于驾驶员制动意图识别的制动控制方法，其特征在于，所述的步骤11)中的车辆行驶速度和制动踏板开度值的采样周期为0.04s，分段存储时间为1s。

4.根据权利要求1所述的一种基于驾驶员制动意图识别的制动控制方法，其特征在于，所述的制动控制指令的制动强度达到地面附着条件所允许的最大值时，系统通过触发ABS系统进行联合制动。