CN106114111A - 一种含有驾驶行为预测模型的可调阻尼馈能悬架系统及其控制方法 - Google Patents
一种含有驾驶行为预测模型的可调阻尼馈能悬架系统及其控制方法 Download PDFInfo
- Publication number
- CN106114111A CN106114111A CN201610474909.XA CN201610474909A CN106114111A CN 106114111 A CN106114111 A CN 106114111A CN 201610474909 A CN201610474909 A CN 201610474909A CN 106114111 A CN106114111 A CN 106114111A
- Authority
- CN
- China
- Prior art keywords
- driving behavior
- car
- acquisition module
- forecast model
- data acquisition
- 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.)
- Granted
Links
- 238000013016 damping Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000000725 suspension Substances 0.000 title claims abstract description 35
- 230000001172 regenerating effect Effects 0.000 title claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 15
- 230000001276 controlling effect Effects 0.000 claims abstract description 14
- 230000007246 mechanism Effects 0.000 claims abstract description 14
- 230000008520 organization Effects 0.000 claims abstract description 13
- 230000001133 acceleration Effects 0.000 claims abstract description 9
- 230000001105 regulatory effect Effects 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 105
- 230000008859 change Effects 0.000 claims description 37
- 239000000203 mixture Substances 0.000 claims description 17
- 238000007667 floating Methods 0.000 claims description 10
- 230000001537 neural effect Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 238000004804 winding Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000005389 magnetism Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 210000004218 nerve net Anatomy 0.000 claims 1
- 239000003921 oil Substances 0.000 description 22
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000010720 hydraulic oil Substances 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 241001347978 Major minor Species 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G11/00—Resilient suspensions characterised by arrangement, location or kind of springs
- B60G11/26—Resilient suspensions characterised by arrangement, location or kind of springs having fluid springs only, e.g. hydropneumatic springs
- B60G11/30—Resilient suspensions characterised by arrangement, location or kind of springs having fluid springs only, e.g. hydropneumatic springs having pressure fluid accumulator therefor, e.g. accumulator arranged in vehicle frame
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
- B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G2202/00—Indexing codes relating to the type of spring, damper or actuator
- B60G2202/10—Type of spring
- B60G2202/15—Fluid spring
- B60G2202/154—Fluid spring with an accumulator
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
本发明涉及一种含有驾驶行为预测模型的可调阻尼馈能悬架系统及其控制方法，油气弹簧包括油气弹簧主体、馈能机构和阻尼力控制机构；电子控制单元分别和阻尼力控制机构、交通环境数据采集模块、驾驶行为数据采集模块相连；交通环境数据采集模块用于判断自车周围是否有车辆并采集自车与前后车间距、前后车速度信息；驾驶行为数据采集模块用于采集行驶过程中驾驶人头部水平转动角度，加速、制动踏板踩踏行程和频率；阻尼力控制机构用于调节油气弹簧悬架阻尼系数；馈能机构用于回收车辆行驶过程中的振动能量。同时，根据驾驶行为预测模型，该悬架能够根据交通环境提前预测驾驶行为并及时调整性能参数，以提高驾驶平顺性和操纵稳定性。
Description
技术领域
本发明涉及车辆，特指一种可根据交通环境预测即将采取的驾驶行为并自动调节性能参数的馈能悬架及控制方法。
背景技术
悬架作为汽车车架与车桥之间传力的连接部件，其作用在于传递车轮和车架之间的力与力矩，并且缓冲由路面不平带来的冲击，提高车辆的平顺性和操作稳定性。
被动悬架因其参数不可调节，只能保证车辆在某种特定工况下有良好的减震性能。而主动悬架虽然参数可调节，但因其耗能较大未能有效推广。
针对被动悬架和主动悬架存在的问题，多种可调参数的馈能悬架方案被提出。专利号201310171296.9中公开的压电发电式阻尼可调油气悬架，利用压电材料进行能量回收，能量转化效率不高。并且没有给出调节阻尼系数的具体算法，忽略了不同驾驶行为对悬架阻尼系数的要求。
发明内容
针对上述问题，本发明旨在提供一种可以根据交通环境提前预测驾驶行为并且主动调节性能参数的馈能悬架方案。
本发明解决该技术问题的技术方案是：一种含有驾驶行为预测模型的可调阻尼馈能悬架系统，包括油气弹簧、电子控制单元、交通环境数据采集模块、驾驶行为数据采集模块；
所述油气弹簧包括油气弹簧主体、馈能机构和阻尼力控制机构；
所述电子控制单元分别和阻尼力控制机构、交通环境数据采集模块、驾驶行为数据采集模块相连；所述交通环境数据采集模块用于判断自车周围是否有车辆并采集自车与前后车间距、前后车速度信息；所述驾驶行为数据采集模块用于采集行驶过程中驾驶人头部水平转动角度，加速、制动踏板踩踏行程和频率；所述阻尼力控制机构用于调节油气弹簧悬架阻尼系数；所述馈能机构用于回收车辆行驶过程中的振动能量。
进一步，所述交通环境数据采集模块由安装在车辆顶部的高清摄像头、车辆前后部的毫米波测距雷达及测速雷达组成；所述驾驶行为数据采集模块由安装驾驶座正前方的CCD摄像机、加速制动踏板下的传感器组成。
进一步，所述油气弹簧主体包括主工作缸、下支座、活塞、活塞杆动子、上支座、副工作缸以及浮动活塞；
所述主工作缸下端的法兰盘状结构沿环形均布四个光孔，下支座通过螺栓和螺母与主工作缸下端连接；主工作缸和副工作缸上端的法兰盘状结构沿环形均布四个螺纹孔，分别通过螺栓与上支座连接；
所述活塞将主工作缸自上而下分为A腔和D腔；浮动活塞将副工作缸自上而下分为B腔和C腔；
所述主工作缸的D腔内安装馈能机构，副工作缸的C腔与储气罐相连。
进一步，所述馈能机构包括定子铁芯、活塞杆动子、限位弹簧和弹性支座；
所述定子铁芯安装在主工作缸D腔内，与主工作缸内壁螺纹连接；定子铁芯上端开有凹槽安装限位弹簧，下端安装有弹性支座；
定子铁芯上绕置绕组，绕组沿主工作缸轴向均布在活塞杆动子周围；所述活塞杆动子由活塞杆改造而成，活塞杆外围套装有动子磁轭与永磁体磁极，保证永磁体磁极与定子铁芯之间留有气隙，活塞杆本身由非导磁材料制成。
进一步，所述阻尼力控制机构包括第1单向阀、第1调速阀、第2单向阀、第2调速阀、第1油路干路、第1油路支路、第2油路支路、第2油路干路；
第1单向阀和第1调速阀相连构成由副工作缸到主工作缸的单向油路；第2单向阀和第2调速阀相连构成由主工作缸到副工作缸的单向油路；第1调速阀、第2调速阀分别与电子控制单元相连，分别用于调节由副工作缸到主工作缸的单向油路、由主工作缸到副工作缸的单向油路流量的大小。
本发明的方法的技术方案为：
一种含有驾驶行为预测模型的可调阻尼馈能悬架系统控制方法，包括以下步骤：
步骤1：交通环境数据采集模块、驾驶行为数据采集模块分别针对加速、制动、变道、堵车四种工况采集交通环境数据和驾驶行驶数据；
包括采集加速工况下自车与前车距离、自车车速、加速踏板行程数据；采集制动工况下自车与前车距离、自车车速、制动踏板行程数据；采集变道工况下驾驶人头部水平转动角度水平转动角度、转动次数、转向灯开关信号、自车与前后车的距离，前后车车速；设定堵车工况下周围车辆数目阈值、加速制动踏板踩踏频率阈值；
步骤2：电子控制单元结合采集数据建立驾驶行为预测模型；
步骤3：车辆行驶过程中，电子控制单元通过驾驶行为预测模型结合交通环境采集模块和驾驶行为数据采集模块采集的数据判断驾驶人可能采取的操作；
步骤4：根据预测的驾驶行为，计算悬架最佳阻尼系数，调节油气弹簧阻尼系数。
进一步，所述步骤2具体过程为：
所述驾驶行为预测模型，由加速工况、制动工况、变道工况、堵车工况四种行驶工况的驾驶行为预测模型组成；
所述加速工况的驾驶行为预测模型的建立方法如下：加速操作发生时由所述交通环境采集模块中的毫米波测距雷达测量自车与前车的距离D1，所述驾驶行为数据采集模块中的加速踏板传感器采集加速踏板行程L1，同时采集自车车速V1；将采集到的数据信息汇总到电子控制单元，利用RBF神经网络建立加速工况的驾驶行为预测模型；以自车车速V1和自车与前车距离D1组成预测指标集合P1＝(V1，D1)输入到三层RBF神经网络中；所述RBF神经网络输入层维数为2，隐藏层神经元个数为3；输入层到隐藏层之间权值固定为1，以高斯函数为隐藏层激活函数，以最小二乘法求出输出层的权值；加速踏板行程L1为输出量；
所述制动工况的驾驶行为预测模型的建立方法如下：制动操作发生时由所述交通环境采集模块中的毫米波测距雷达测量自车与前车的距离D2，所述驾驶行为数据采集模块中的加速踏板传感器采集制动踏板行程L2，同时采集自车车速V2；将上述采集信息汇总到电子控制单元，制动工况的驾驶行为预测模型与所述加速工况的驾驶行为预测模型相同，为区分两种工况，将输出量制动踏板行程L2设为负值；同样以自车车速V2和自车与前车距离D2组成预测指标集合P2＝(V2，D2)；
所述变道工况的驾驶行为预测模型的建立方法如下：所述驾驶行为数据采集模块中CCD摄像机采集变道操作发生时驾驶人水平方向头部转动角度；设置变道行为开关信号为K，当采取变道行为时令K为1，当未采取变道行为时令K为0；设置驾驶人意图视窗宽度为5s；当驾驶人采取了变道行为，电子控制单元将读取变道行为之前意图视窗内驾驶人头部水平转动角度θ和转动次数n；由于变道行为是否能够进行取决于自车与前后车的距离和前后车车速；当驾驶人采取变道操作时，所述毫米波测距雷达测量自车与前后车辆的距离D3/D4；所述交通环境数据采集模块中的测速雷达测量前后车测速V2/V3；并以转向灯开关信号T(打开为1，关闭为0)为辅助判断依据；电子控制单元收集所有采集到的数据，以将头部水平转动角度水平转动角度θ、转动次数n、转向灯开关信号T、自车与前后车的距离D3/D4，前后车车速V2/V3组成输入向量P3＝(θ，n，T，D3，D4，V2，V3)，以变道行为信号K为目标输出输入到电子控制单元中进行神经网络学习；所述神经网络为三层RBF神经网络，输入层维数为7，隐藏神经元个数为7，输入层到隐藏层之间权值固定为1，以高斯函数设定为隐藏层激活函数，以最小二乘法求出输出层的权值；
堵车工况下：所述交通环境数据采集模块中的高清摄像头采集自车周围其他车辆数目信息；所述驾驶行为数据采集模块采集驾驶人加速\制动踏板的踩踏频率；当车速低于电子控制单元中设定的阈值且加速/制动踏板的踩踏频率和周围车辆数目达到阈值，则判断自车处于堵车工况。
本发明的有益效果：保留了油气弹簧结构，在不影响其基本性能的情况下增加了馈能机构，利用直线电机回收了车辆行驶过程中的振动能量，起到了节能减排的作用。同时，使用直线电机作为能量回收机构使整个系统的机械结构更加简单。将油气弹簧原有的活塞杆改进成永磁直线电机动子，使结构更加简单，且相对于普通油气弹簧悬架永磁直线电机的加入增加了整体系统能够提供的阻尼力。将驾驶行为预测模型和油气弹簧相结合，通过采集交通环境数据提前预测驾驶行为，并调整悬架阻尼系数，提高了操纵稳定性和乘坐舒适性。通过神经网络在线学习的方法建立驾驶行为预测模型，车辆在行驶过程中可以不断完善预测模型，使预测更加精确。
附图说明
下面结合附图和实例对本发明进一步说明。
图1是一种基于驾驶行为预测模型的可调阻尼油气弹簧馈能悬架结构示意图。
图2：系统工作流程图。
图中101.上支座。102.密封垫片。103.螺栓。104.主工作缸。105.螺栓。106.活塞。107.密封圈。108.活塞杆。109.螺栓。110.密封垫片。111.螺母。112.下支座。113.浮动活塞。114.副工作缸。201.限位弹簧。202.绕组。203.定子铁芯。204.弹性支座。301.第1单向阀。302.第1调速阀。303.第2调速阀。304.第2单向阀。401.第1油路干路。402.第1油路支路。403.第2油路支路。404.第2油路干路。
具体实施方式
下面结合附图和实例对本发明作进一步说明：
该新型悬架通过将永磁直线发电机集成到油气弹簧上，并设置可控的调速阀而得到的。包括：交通环境数据采集模块、驾驶行为数据采集模块、电子控制单元和油气弹簧。
所述交通环境数据采集模块由安装在车辆顶部的高清摄像头、车辆前后部的毫米波测距雷达及测速雷达组成；所述驾驶行为数据采集模块由安装驾驶座正前方的CCD摄像机、加速制动踏板下的传感器组成。
所述油气弹簧由油气弹簧主体、馈能机构、阻尼力控制机构组成。
油气弹簧主体由下支座112、主工作缸104、活塞106、活塞杆108、上支座101、副工作缸114、浮动活塞113组成。下支座112沿环形均布四个光孔。主工作缸104上下端均有法兰盘结构，分别沿环形均布四个光孔。下支座112与主工作缸104下端之间设置有密封垫片110，并通过螺栓109和螺母111连接。主工作缸内设置活塞106和活塞杆108，活塞106直径大于活塞杆108直径且两者均与主工作缸104内壁同轴。活塞106外圈与主工作缸104内壁之间密封。活塞杆108通过螺栓105固定连接于活塞106下方，伸出下支座112部分连接悬架系统的下球形铰链接盘，并与下支座112之间密封。活塞106将主工作缸104分为A腔和D腔。主工作缸104上端设有阻尼小孔，并通过螺栓103密封固结于上支座101，两者之间安装有密封垫片102。上支座101与车架相连接。主副工作缸通过安放在上支座101中的油路相连。上支座101沿中心线分成左右两部分，分别均布有四个螺纹孔与主副工作缸上端相连。副工作缸114上端有类似法兰盘结构，通过螺栓103与上支座101相连，并安装有密封垫片102。副工作缸114上端设有阻尼小孔，缸内设置有浮动活塞113，将其分为B腔和C腔。副工作缸下端中心位置设置有通气孔并与储气罐连接。由所述主工作缸活塞106，副工作缸浮动活塞113与上支座101形成的空腔内充满液压油。由浮动活塞113与副工作缸114内壁形成的空腔充满高压氮气。
馈能机构为圆筒式永磁直线发电机，由可以相对运动的活塞杆动子108和定子铁芯203组成。定子铁芯203与主工作缸104内壁通过螺纹连接。定子铁芯203上端开有凹槽，安装有限位弹簧201。限位弹簧201由非导磁材料制成。定子铁芯203下端设置有弹性支座204。定子铁芯203槽内沿轴向安装有绕组202。发电机动子由活塞杆改装而成，动子磁轭与永磁体磁极套装在主工作缸活塞杆外围，保证永磁体磁极与定子铁芯之间留有气隙。活塞杆本身与其下端安装的下支112座为非导磁材料制成。
阻尼力控制机构设置于上支座内。第1单向阀301右端与第1调速阀302左端连接组成第2油路支路403，第1单向阀301左端通过第1油路干路401连接主工作缸104上端小孔，第1调速阀302右端通过第2油路干路404连接副工作缸114上方小孔。第2单向阀303左端与第2调速阀304右端连接组成第1油路支路402，第2单向阀303右端通过第2油路干路404连接副工作缸114上方小孔，第2调速阀304左端通过第1油路干路401连接主工作缸104上方小孔。调速阀设置有电磁控制装置，可以根据输入信号的不同调节调速阀流量大小，达到控制阻尼力的作用。
本发明的方法包括以下步骤：
步骤1：交通环境数据采集模块、驾驶行为数据采集模块分别针对加速、制动、变道、堵车四种工况采集交通环境数据和驾驶行驶数据；
步骤2：电子控制单元结合采集数据建立驾驶行为预测模型；
步骤3：车辆行驶过程中，电子控制单元通过驾驶行为预测模型结合交通环境采集模块和驾驶行为数据采集模块采集的数据判断驾驶人可能采取的操作；
步骤4：根据预测的驾驶行为，计算悬架最佳阻尼系数，调节油气弹簧阻尼系数。
本发明正式工作前，需要设置0-300Km的学习路程用于驾驶行为模型的建立。完成驾驶行为模型建立之前，悬架系统将根据路面情况对参数进行调节。驾驶行为预测模型建立之后，车辆行驶过程中将不断采集数据对驾驶行为预测模型进行完善。
所述驾驶行为预测模型，由加速工况、制动工况、变道工况、堵车工况四种行驶工况的驾驶行为预测模型组成。
所述加速工况的驾驶行为预测模型的建立方法如下：加速操作发生时由所述交通环境采集模块中的毫米波测距雷达测量自车与前车的距离D1，所述驾驶行为数据采集模块中的加速踏板传感器采集加速踏板行程L1，同时采集自车车速V1。将采集到的数据信息汇总到电子控制单元，利用RBF神经网络建立加速工况的驾驶行为预测模型。以自车车速V1和自车与前车距离D1组成预测指标集合P1＝(V1，D1)输入到三层RBF神经网络中。所述RBF神经网络输入层维数为2，隐藏层神经元个数为3。输入层到隐藏层之间权值固定为1，以高斯函数为隐藏层激活函数，以最小二乘法求出输出层的权值。加速踏板行程L1为输出量。通过RBF神经网络在线学习的方法确定加速踏板行程与车速V1和距离D1的对应关系，建立相应的预测模型。当所述毫米波测距雷达的有效测量范围内没有发现其他车辆(或障碍)时，将所述毫米波测距雷达的最大量程作为D1。
所述制动工况的驾驶行为预测模型的建立方法如下：制动操作发生时由所述交通环境采集模块中的毫米波测距雷达测量自车与前车的距离D2，所述驾驶行为数据采集模块中的加速踏板传感器采集制动踏板行程L2，同时采集自车车速V2。将上述采集信息汇总到电子控制单元，制动工况的驾驶行为预测模型与所述加速工况的驾驶行为预测模型相同，为区分两种工况，将输出量制动踏板行程L2设为负值。同样以自车车速V2和自车与前车距离D2组成预测指标集合P2＝(V2，D2)。
所述变道工况的驾驶行为预测模型的建立方法如下：所述驾驶行为数据采集模块中CCD摄像机采集变道操作发生时驾驶人水平方向头部转动角度。设置变道行为开关信号为K，当采取变道行为时令K为1，当未采取变道行为时令K为0。设置驾驶人意图视窗宽度为5s。当驾驶人采取了变道行为，电子控制单元将读取变道行为之前意图视窗内驾驶人头部水平转动角度θ和转动次数n。由于变道行为是否能够进行取决于自车与前后车的距离和前后车车速。当驾驶人采取变道操作时，所述毫米波测距雷达测量自车与前后车辆的距离D3/D4。所述交通环境数据采集模块中的测速雷达测量前后车测速V2/V3。并以转向灯开关信号T(打开为1，关闭为0)为辅助判断依据。电子控制单元收集所有采集到的数据，以将头部水平转动角度水平转动角度θ、转动次数n、转向灯开关信号T、自车与前后车的距离D3/D4，前后车车速V2/V3组成输入向量P3＝(θ，n，T，D3，D4，V2，V3)，以变道行为信号K为目标输出输入到电子控制单元中进行神经网络学习。所述神经网络为三层RBF神经网络，输入层维数为7，隐藏神经元个数为7，输入层到隐藏层之间权值固定为1，以高斯函数设定为隐藏层激活函数，以最小二乘法求出输出层的权值。
堵车工况
所述交通环境数据采集模块中的高清摄像头采集自车周围其他车辆数目信息。所述驾驶行为数据采集模块采集驾驶人加速\制动踏板的踩踏频率。当车速低于电子控制单元中设定的阈值且加速/制动踏板的踩踏频率和周围车辆数目达到阈值，则判断自车处于堵车工况。
车辆行驶过程中，由路面不平度引起簧上质量与簧下质量相对运动，从而引起活塞杆动子108和定子铁芯203之间的相对运动，电枢中因此产生交流电，经过处理过后可以储存在电池或超级电容中，供汽车使用。由于直线发电机发电过程中产生的电流和活塞动子的磁场相互作用，将会产生电磁力，所以馈能型悬架的阻尼力将大于传统油气弹簧。
实例一：当安装有本系统的车辆匀速直线行驶时，电子控制单元将根据路面情况不断调整调速阀的流量大小，以达到调整阻尼力的效果，保证车辆达到最佳减震效果。当油气弹簧工作在压缩行程时，活塞106向上移动，A腔体积减小，液压油经过第2单向阀303和第2调速阀304进入B腔，B腔浮动活塞113向下移动，氮气的体积被压缩，弹簧刚度增加；当活塞弹簧工作在拉伸行程时，活塞向下移动，A腔空间增加形成真空，B腔液压油进入A腔，同时浮动活塞向上移动，氮气体积增加弹簧刚度减少。当电子控制单元通过交通环境数据采集模块和驾驶行为数据采集模块采集的数据结合驾驶行为预测模型，判断驾驶人即将采取加速操作时，电子控制单元判断需要增加汽车的操纵稳定性，电子控制单元向调速阀发送信号，减小流速，增大阻尼力。若预测结果是维持目前操作，电子控制单元发出信号适当增大调速阀流量，减少阻尼力，提供更好的驾驶舒适性。这种根据预测模型提前调节性能参数的馈能悬架，既能有效提高驾驶安全性、舒适性又能节能减排。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种含有驾驶行为预测模型的可调阻尼馈能悬架系统，其特征在于：包括油气弹簧、电子控制单元、交通环境数据采集模块、驾驶行为数据采集模块；
所述油气弹簧包括油气弹簧主体、馈能机构和阻尼力控制机构；
所述电子控制单元分别和阻尼力控制机构、交通环境数据采集模块、驾驶行为数据采集模块相连；所述交通环境数据采集模块用于判断自车周围是否有车辆并采集自车与前后车间距、前后车速度信息；所述驾驶行为数据采集模块用于采集行驶过程中驾驶人头部水平转动角度，加速、制动踏板踩踏行程和频率；所述阻尼力控制机构用于调节油气弹簧悬架阻尼系数；所述馈能机构用于回收车辆行驶过程中的振动能量。
2.根据权利要求1所述的含有驾驶行为预测模型的可调阻尼馈能悬架系统，其特征在于：
所述交通环境数据采集模块由安装在车辆顶部的高清摄像头、车辆前后部的毫米波测距雷达及测速雷达组成；所述驾驶行为数据采集模块由安装驾驶座正前方的CCD摄像机、加速制动踏板下的传感器组成。
3.根据权利要求1所述的含有驾驶行为预测模型的可调阻尼馈能悬架系统，其特征在于：所述油气弹簧主体包括主工作缸(104)、下支座(112)、活塞(106)、活塞杆动子(108)、上支座(101)、副工作缸(114)以及浮动活塞(113)；
所述主工作缸(104)下端的法兰盘状结构沿环形均布四个光孔，下支座(112)通过螺栓(109)和螺母(111)与主工作缸(104)下端连接；主工作缸(104)和副工作缸(114)上端的法兰盘状结构沿环形均布四个螺纹孔，分别通过螺栓(105)与上支座(101)连接；
所述活塞(106)将主工作缸(104)自上而下分为A腔和D腔；浮动活塞(113)将副工作缸(114)自上而下分为B腔和C腔；
所述主工作缸(104)的D腔内安装馈能机构，副工作缸(114)的C腔与储气罐相连。
4.根据权利要求3所述的含有驾驶行为预测模型的可调阻尼馈能悬架系统，其特征在于：所述馈能机构包括定子铁芯(203)、活塞杆动子(108)、限位弹簧(201)和弹性支座(204)；
所述定子铁芯(203)安装在主工作缸(104)D腔内，与主工作缸(104)内壁螺纹连接；定子铁芯(203)上端开有凹槽安装限位弹簧(201)，下端安装有弹性支座(204)；
定子铁芯(203)上绕置绕组(202)，绕组(202)沿主工作缸(104)轴向均布在活塞杆动子(108)周围；所述活塞杆动子(108)由活塞杆改造而成，活塞杆外围套装有动子磁轭与永磁体磁极，保证永磁体磁极与定子铁芯之间留有气隙，活塞杆本身由非导磁材料制成。
5.根据权利要求1所述的含有驾驶行为预测模型的可调阻尼馈能悬架系统，其特征在于：所述阻尼力控制机构包括第1单向阀(301)、第1调速阀(302)、第2单向阀(303)、第2调速阀(304)、第1油路干路(401)、第1油路支路(402)、第2油路支路(403)、第2油路干路(404)；
第1单向阀(301)和第1调速阀(302)相连构成由副工作缸(114)到主工作缸(104)的单向油路；第2单向阀(303)和第2调速阀(304)相连构成由主工作缸(104)到副工作缸(114)的单向油路；第1调速阀(302)、第2调速阀(304)分别与电子控制单元相连，分别用于调节由副工作缸(114)到主工作缸(104)的单向油路、由主工作缸(104)到副工作缸(114)的单向油路流量的大小。
6.一种根据权利要求1所述的含有驾驶行为预测模型的可调阻尼馈能悬架系统控制方法，其特征在于，包括以下步骤：
步骤1：交通环境数据采集模块、驾驶行为数据采集模块分别针对加速、制动、变道、堵车四种工况采集交通环境数据和驾驶行驶数据；
包括采集加速工况下自车与前车距离、自车车速、加速踏板行程数据；采集制动工况下自车与前车距离、自车车速、制动踏板行程数据；采集变道工况下驾驶人头部水平转动角度水平转动角度、转动次数、转向灯开关信号、自车与前后车的距离，前后车车速；设定堵车工况下周围车辆数目阈值、加速制动踏板踩踏频率阈值；
步骤2：电子控制单元结合采集数据建立驾驶行为预测模型；
步骤3：车辆行驶过程中，电子控制单元通过驾驶行为预测模型结合交通环境采集模块和驾驶行为数据采集模块采集的数据判断驾驶人可能采取的操作；
步骤4：根据预测的驾驶行为，计算悬架最佳阻尼系数，调节油气弹簧阻尼系数。
7.根据权利6所述的含有驾驶行为预测模型的可调阻尼馈能悬架系统控制方法，其特征在于，所述步骤2具体过程为：
所述驾驶行为预测模型，由加速工况、制动工况、变道工况、堵车工况四种行驶工况的驾驶行为预测模型组成；
所述加速工况的驾驶行为预测模型的建立方法如下：加速操作发生时由所述交通环境采集模块中的毫米波测距雷达测量自车与前车的距离D1，所述驾驶行为数据采集模块中的加速踏板传感器采集加速踏板行程L1，同时采集自车车速V1；将采集到的数据信息汇总到电子控制单元，利用RBF神经网络建立加速工况的驾驶行为预测模型；以自车车速V1和自车与前车距离D1组成预测指标集合P1＝(V1，D1)输入到三层RBF神经网络中；所述RBF神经网络输入层维数为2，隐藏层神经元个数为3；输入层到隐藏层之间权值固定为1，以高斯函数为隐藏层激活函数，以最小二乘法求出输出层的权值；加速踏板行程L1为输出量；
所述制动工况的驾驶行为预测模型的建立方法如下：制动操作发生时由所述交通环境采集模块中的毫米波测距雷达测量自车与前车的距离D2，所述驾驶行为数据采集模块中的加速踏板传感器采集制动踏板行程L2，同时采集自车车速V2；将上述采集信息汇总到电子控制单元，制动工况的驾驶行为预测模型与所述加速工况的驾驶行为预测模型相同，为区分两种工况，将输出量制动踏板行程L2设为负值；同样以自车车速V2和自车与前车距离D2组成预测指标集合P2＝(V2，D2)；
所述变道工况的驾驶行为预测模型的建立方法如下：所述驾驶行为数据采集模块中CCD摄像机采集变道操作发生时驾驶人水平方向头部转动角度；设置变道行为开关信号为K，当采取变道行为时令K为1，当未采取变道行为时令K为0；设置驾驶人意图视窗宽度为5s；当驾驶人采取了变道行为，电子控制单元将读取变道行为之前意图视窗内驾驶人头部水平转动角度θ和转动次数n；由于变道行为是否能够进行取决于自车与前后车的距离和前后车车速；当驾驶人采取变道操作时，所述毫米波测距雷达测量自车与前后车辆的距离D3/D4；所述交通环境数据采集模块中的测速雷达测量前后车测速V2/V3；并以转向灯开关信号T(打开为1，关闭为0)为辅助判断依据；电子控制单元收集所有采集到的数据，以将头部水平转动角度水平转动角度θ、转动次数n、转向灯开关信号T、自车与前后车的距离D3/D4，前后车车速V2/V3组成输入向量P3＝(θ，n，T，D3，D4，V2，V3)，以变道行为信号K为目标输出输入到电子控制单元中进行神经网络学习；所述神经网络为三层RBF神经网络，输入层维数为7，隐藏神经元个数为7，输入层到隐藏层之间权值固定为1，以高斯函数设定为隐藏层激活函数，以最小二乘法求出输出层的权值；
堵车工况下：所述交通环境数据采集模块中的高清摄像头采集自车周围其他车辆数目信息；所述驾驶行为数据采集模块采集驾驶人加速\制动踏板的踩踏频率；当车速低于电子控制单元中设定的阈值且加速/制动踏板的踩踏频率和周围车辆数目达到阈值，则判断自车处于堵车工况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610474909.XA CN106114111B (zh) | 2016-06-24 | 2016-06-24 | 一种含有驾驶行为预测模型的可调阻尼馈能悬架系统及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610474909.XA CN106114111B (zh) | 2016-06-24 | 2016-06-24 | 一种含有驾驶行为预测模型的可调阻尼馈能悬架系统及其控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106114111A true CN106114111A (zh) | 2016-11-16 |
| CN106114111B CN106114111B (zh) | 2018-10-09 |
Family
ID=57266242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610474909.XA Expired - Fee Related CN106114111B (zh) | 2016-06-24 | 2016-06-24 | 一种含有驾驶行为预测模型的可调阻尼馈能悬架系统及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106114111B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107225928A (zh) * | 2017-05-03 | 2017-10-03 | 江苏大学 | 一种基于驾驶行为的主/被动悬架模式切换控制系统及方法 |
| CN109334378A (zh) * | 2018-09-19 | 2019-02-15 | 江苏大学 | 一种基于单神经元pid控制的车辆isd悬架主动控制方法 |
| CN110861462A (zh) * | 2019-12-02 | 2020-03-06 | 西安科技大学 | 一种基于图像识别的整车智能混合悬架协调控制系统 |
| CN110884348A (zh) * | 2019-11-27 | 2020-03-17 | 安徽江淮汽车集团股份有限公司 | 一种振动能量液压回收系统和汽车 |
| WO2021026765A1 (en) * | 2019-08-13 | 2021-02-18 | SZ DJI Technology Co., Ltd. | Predictive control system for a vehicle |
| US20210331544A1 (en) * | 2018-05-07 | 2021-10-28 | Elektronische Fahrwerksysteme GmbH | Damper unit for a chassis of a vehicle with levelling |
| CN115049170A (zh) * | 2022-08-16 | 2022-09-13 | 启东先和丝杠制造有限公司 | 一种套丝机控制器套丝工作的调试方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1914060A (zh) * | 2004-01-28 | 2007-02-14 | 丰田自动车株式会社 | 车辆行驶支持系统 |
| JP3888166B2 (ja) * | 2002-01-16 | 2007-02-28 | 三菱自動車工業株式会社 | 車両用運転支援装置 |
| CN102991504A (zh) * | 2012-12-07 | 2013-03-27 | 长安大学 | 一种对驾驶员换道安全性进行判断并预警的装置及方法 |
| CN104044426A (zh) * | 2014-06-10 | 2014-09-17 | 江苏大学 | 一种刚度可变电磁馈能悬架 |
| CN204344791U (zh) * | 2014-11-26 | 2015-05-20 | 中国第一汽车股份有限公司 | 一种阻尼可调油气弹簧系统 |
| CN205112911U (zh) * | 2015-10-13 | 2016-03-30 | 湖北航天技术研究院特种车辆技术中心 | 一种基于油气弹簧的预瞄式主动悬架 |
-
2016
- 2016-06-24 CN CN201610474909.XA patent/CN106114111B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3888166B2 (ja) * | 2002-01-16 | 2007-02-28 | 三菱自動車工業株式会社 | 車両用運転支援装置 |
| CN1914060A (zh) * | 2004-01-28 | 2007-02-14 | 丰田自动车株式会社 | 车辆行驶支持系统 |
| CN102991504A (zh) * | 2012-12-07 | 2013-03-27 | 长安大学 | 一种对驾驶员换道安全性进行判断并预警的装置及方法 |
| CN104044426A (zh) * | 2014-06-10 | 2014-09-17 | 江苏大学 | 一种刚度可变电磁馈能悬架 |
| CN204344791U (zh) * | 2014-11-26 | 2015-05-20 | 中国第一汽车股份有限公司 | 一种阻尼可调油气弹簧系统 |
| CN205112911U (zh) * | 2015-10-13 | 2016-03-30 | 湖北航天技术研究院特种车辆技术中心 | 一种基于油气弹簧的预瞄式主动悬架 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107225928A (zh) * | 2017-05-03 | 2017-10-03 | 江苏大学 | 一种基于驾驶行为的主/被动悬架模式切换控制系统及方法 |
| US20210331544A1 (en) * | 2018-05-07 | 2021-10-28 | Elektronische Fahrwerksysteme GmbH | Damper unit for a chassis of a vehicle with levelling |
| US11970034B2 (en) * | 2018-05-07 | 2024-04-30 | E:Fs Techhub Gmbh | Damper unit for a chassis of a vehicle with levelling |
| CN109334378A (zh) * | 2018-09-19 | 2019-02-15 | 江苏大学 | 一种基于单神经元pid控制的车辆isd悬架主动控制方法 |
| CN109334378B (zh) * | 2018-09-19 | 2021-09-10 | 江苏大学 | 一种基于单神经元pid控制的车辆isd悬架主动控制方法 |
| WO2021026765A1 (en) * | 2019-08-13 | 2021-02-18 | SZ DJI Technology Co., Ltd. | Predictive control system for a vehicle |
| US12017560B2 (en) | 2019-08-13 | 2024-06-25 | SZ DJI Technology Co., Ltd. | Predictive control system for a vehicle |
| CN110884348A (zh) * | 2019-11-27 | 2020-03-17 | 安徽江淮汽车集团股份有限公司 | 一种振动能量液压回收系统和汽车 |
| CN110861462A (zh) * | 2019-12-02 | 2020-03-06 | 西安科技大学 | 一种基于图像识别的整车智能混合悬架协调控制系统 |
| CN110861462B (zh) * | 2019-12-02 | 2022-10-04 | 西安科技大学 | 一种基于图像识别的整车智能混合悬架协调控制系统 |
| CN115049170A (zh) * | 2022-08-16 | 2022-09-13 | 启东先和丝杠制造有限公司 | 一种套丝机控制器套丝工作的调试方法 |
| CN115049170B (zh) * | 2022-08-16 | 2022-10-25 | 启东先和丝杠制造有限公司 | 一种套丝机控制器套丝工作的调试方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106114111B (zh) | 2018-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106114111B (zh) | 一种含有驾驶行为预测模型的可调阻尼馈能悬架系统及其控制方法 | |
| CN105480043B (zh) | 一种多模式电磁馈能式车辆主动悬架作动器及其控制方法 | |
| US20210339594A1 (en) | Hybrid-electromagnetic suspension capable of self-powering and control method thereof | |
| CN102729760B (zh) | 汽车半主动悬架系统实时最佳阻尼控制算法 | |
| CN104057954B (zh) | 一种起重机的路况自适应系统及起重机 | |
| CN108515823B (zh) | 一种阻尼可调的能量回馈式汽车主动悬架电磁减振装置 | |
| CN104015582A (zh) | 一种可变刚度与阻尼的汽车馈能主动悬架系统 | |
| DE102009060999A1 (de) | Energieoptimiertes Elektrofahrzeug mit autarker Stromversorgung und Verfahren zur Stromerzeugung, bevorzugt aus kinetischer und Gravitationsenergie | |
| CN105465261B (zh) | 一种电磁馈能式车辆主动悬架作动器及其控制方法 | |
| CN105564179A (zh) | 利用悬架装置的电子发电装置 | |
| WO2020224231A1 (zh) | 一种磁流变馈能悬架减振与发电半主动协调控制方法 | |
| CN103032503A (zh) | 混合动力车辆半主动悬架馈能器 | |
| CN101844498B (zh) | 无外界动力源的半主动/主动复合控制悬架及控制方法 | |
| CN110758041B (zh) | 一种集成式自供能主动悬架作动器控制系统及其控制方法 | |
| CN107323199A (zh) | 一种新的半主动油气悬架控制系统及方法 | |
| CN102189909A (zh) | 一种车辆半主动悬架天棚阻尼频率滤波控制策略 | |
| CN103192673A (zh) | 一种混合动力车辆半主动悬架馈能器 | |
| CN106627022A (zh) | 带振动能量回收功能的车辆半主动悬架系统及其控制方法 | |
| CN107264211A (zh) | 一种瞬态主动式直线电机电磁悬架 | |
| CN105422707A (zh) | 一种电磁减震器 | |
| CN105667501A (zh) | 具有轨迹优化功能的混合动力车辆的能量分配方法 | |
| CN105240231A (zh) | 一种公路减速带能量回收装置 | |
| US20180250999A1 (en) | Suspension system and method for controlling suspension system | |
| CN114590090A (zh) | 基于自适应lqr轮毂直驱半主动悬架控制系统构造方法 | |
| CN109334451A (zh) | 基于双模糊控制的在高速公路行驶的车辆的油门自动控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181009 |