CN106740873A - 一种侧翻预警系统及其预警方法 - Google Patents

Abstract

本发明公开了一种侧翻预警系统及其预警方法，侧翻预警系统包含传感器模块、预警ECU、灯控ECU和报警灯组，报警灯组包含第一至第三报警灯；预警ECU分别和传感器模块、灯控ECU相连，灯控ECU还分别和第一至第三报警灯相连。工作时，预警ECU根据传感器模块的感应数据计算汽车四个车轮的垂向力、并分别判断汽车四个车轮的垂向力是否等于零后将判断结果传递给灯控ECU；灯控ECU根据接收到的判断结果控制第一至第三报警灯工作。本发明更为精确，普适性更强；报警灯组对应四个轮胎，不同数量的预警灯的闪烁分别对应不同的侧翻等级，提醒驾驶员在侧翻最初时刻进行自我调节，避免主动安全装置介入而导致的车辆不受驾驶员控制的情形。

Description

一种侧翻预警系统及其预警方法

技术领域

本发明涉及汽车安全领域，尤其涉及一种侧翻预警系统及其预警方法。

背景技术

近年来,侧翻已经成为影响汽车安全性的一个重要因素。据美国国家道路交通安全局(NHSTA)的统计数据,虽然汽车侧翻现象只占交通事故的8％,但是侧翻事故中严重受伤和死亡的概率却高达21％和31％,每年大约超过1 000人死于侧翻事故,即便是系着安全带,仍然有75％的概率在侧翻事故中致死。

目前对侧翻的预测方法比较繁多，有基于侧倾角，侧向加速度，侧倾角速度信号等作为侧翻评价指标，目前比较主流的是基于横向载荷转移率计算方法的侧翻评价指标，但这些方法大都不够精确，且不适用于转向及制动工况，如横向载荷转移率是同时计算左右两侧车轮垂向力的载荷转移，虽然计算公式比较简单，但当制动，制动和转向同时存在时，车辆的侧翻往往是从单个后轮开始，继而发展到全部车轮，此时横向载荷转移率的评价方法就不够精确。基于单个状态参数的评价方法只能大致估计侧翻的趋势，达不到实际运用的标准。TTR算法可以预测当前时刻到侧翻发生时刻所需要的时间，而TTR核心是基于横向载荷转移率的算法，因此对于侧翻的预测也不够精确。

在侧翻控制领域，大多数控制方法是基于侧翻评价指标进行的防侧翻控制，因此提高侧翻指标的准确性普适性，不仅对侧翻预警有很大的意义对侧翻的控制也有很大的影响。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种侧翻预警系统及其预警方法。

本发明为解决上述技术问题采用以下技术方案：

一种侧翻预警系统，包含传感器模块、预警ECU、灯控ECU和报警灯组；

所述传感器模块设置在汽车的车体上，包含方向盘转角传感器、侧倾角速度传感器、侧倾角传感器、俯仰角传感器、俯仰角速度传感器、纵向速度传感器、纵向加速度信号，侧向速度传感器、侧向加速度传感器、横摆角速度传感器，分别用于测量汽车的方向盘转角、侧倾角、角速度，俯仰角、俯仰角速度，纵向车速、纵向加速度，侧向速度、侧向加速度和横摆角速度；

所述报警灯组包含第一至第三报警灯；

所述预警ECU分别和方向盘转角传感器、侧倾角速度传感器、侧倾角传感器、俯仰角传感器、俯仰角速度传感器、纵向速度传感器、纵向加速度传感器，侧向速度传感器、侧向加速度传感器、横摆角速度传感器、灯控ECU相连，用于根据传感器模块的感应数据计算汽车四个车轮的垂向力、并分别判断汽车四个车轮的垂向力是否等于零后将判断结果传递给所述灯控ECU；

所述灯控ECU还分别和所述第一至第三报警灯相连，用于根据接收到的判断结果控制第一至第三报警灯工作。

本发明还公开了一种基于该侧翻预警系统的预警方法，其特征在于，包含以下步骤：

步骤1)，传感器模块测得汽车的方向盘转角信号、侧倾角信号、角速度信号，俯仰角信号、俯仰角速度信号，纵向车速信号、纵向加速度信号，侧向速度信号、侧向加速度信号和横摆角速度信号，并将其传递给所述预警ECU；

步骤2)，预警ECU计算汽车四个车轮的垂向力；

步骤2.1)，采用卡尔曼滤波模块接收传感器模块的感应信号，结合轮胎垂向力的计算公式所需的状态量进行迭代计算，得到最优估计的系统状态值；

步骤2.2)，将当前系统状态量的最优估计值带入轮胎垂向力的计算公式，得出当前轮胎垂向力的精确值；

步骤3)，预警ECU分别判断汽车四个车轮的垂向力是否等于零后将判断结果传递给所述灯控ECU；

步骤4)，灯控ECU根据接收到的判断结果控制第一至第三报警灯工作，具体如下：

若只有一个小于0的信号则开启第一报警灯，若有2个等于0的信号第一和第二报警灯，若大于2个小于0信号则开启全部报警灯。

作为本发明基于该侧翻预警系统的预警方法进一步的优化方案，所述步骤2.1)和步骤2.2)中轮胎垂向力的计算公式如下：

式中，F_fl,F_fr,F_rr,F_rl分别为左前轮、右前轮、右后轮、左后轮的垂向力；

m为车辆质量，g为重力加速度；a、b分别为质心到前轴和后轴距离；l为前后轴距离；

K_θ为俯仰刚度；C_θ为俯仰阻尼；θ为俯仰角，为俯仰角速度；

为侧倾刚度；为侧倾阻尼；为侧倾角，为侧倾角速度；T为轮距；

m_d为车辆簧下质量，m_s为车辆簧上质量；h_d为簧下质量质心高度，h_sr为侧倾中心到地面高度，h_sp为俯仰中心到地面高度；

V_x、分别为纵向速度和侧向加速度，V_y、分别为侧向速度和侧向加速度；r为车辆横摆角速度；为俯仰角加速度；e为簧上质量质心到侧倾中心距离；为侧倾角加速度。

作为本发明基于该侧翻预警系统的预警方法进一步的优化方案，所述步骤2.1)中卡尔曼滤波器的具体设定如下：

离散系统方程X_k和观测方程Z_k如下：

式中，F_k、B_k为系统方程的状态矩阵和输入矩阵，H_k为观测方程的状态矩阵，W_k、V_k分别为过程噪声和观测噪声；k为迭代步数；

预测误差协方差矩阵：P_k/k-1＝F_kP_k-1/k-1F_k ^T+Q_k；

卡尔曼增益矩阵：K_k＝P_k/k-1H_k ^T(H_kP_k/k-1H_k ^T+R_k)^-1；

状态更新矩阵：X_k/k＝X_k/k-1+K_k(Z_k-H_kX_k/k-1)；

误差协方差更新矩阵：P_k/k＝(I-K_kH_k)P_k/k-1

式中：Q_k为W_k的方差，R_k为V_k的方差，H_k ^T为H_k的转秩矩阵，F_k ^T为F_k的转秩矩阵，P_k为预测误差协方差矩阵，K_k为卡尔曼增益矩阵；过程噪声W_k和测量噪声V_k均为高斯白噪声。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

(a)不同于传统的基于单侧轮胎垂向力的预警方法，汽车由于自身质量分布及运行工况的不同，侧翻发生往往是由单个车轮离开地面开始，继而发展为2个轮胎离地以及完全侧翻。而当出现一个车轮离地时，汽车已经处于危险状态，操纵稳定性极低。本发明基于当个车轮垂向力的预警方法则可以适用于转向，制动，加速，加速转向，制动转向等各种工况，提高了普适性。

(b)通过对4个车轮的垂向力单独计算，可以准确预测单个车轮的垂向力变化情况，因此本发明根据4个轮胎的垂向力进行了报警等级划分，当单个车轮出现等于0的垂向力时，开启一盏报警等，此时车辆存在一定的操纵性，旨在提醒驾驶员自我修正汽车姿态；当2个车轮出现报警灯时，汽车侧翻即将发生，可绕过驾驶员指令，激活防侧翻控制装置，主动防侧翻；当出现3个及以上垂向力为0则可开启全部报警灯，警示驾驶员做好翻车的心理准备，保护身体。

附图说明

图1是侧翻预警系统流程图；

图2是卡尔曼滤波器迭代流程图；

图3是灯控ECU的控制框图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

一种侧翻预警系统，包含传感器模块、预警ECU、灯控ECU和报警灯组；

所述传感器模块设置在汽车的车体上，包含方向盘转角传感器、侧倾角速度传感器、侧倾角传感器、俯仰角传感器、俯仰角速度传感器、纵向速度传感器、纵向加速度信号，侧向速度传感器、侧向加速度传感器、横摆角速度传感器，分别用于测量汽车的方向盘转角、方向盘转角、侧倾角、角速度，俯仰角、俯仰角速度，纵向车速、纵向加速度，侧向速度、侧向加速度和横摆角速度；

所述报警灯组包含第一至第三报警灯；

所述预警ECU分别和方向盘转角传感器、侧倾角速度传感器、侧倾角传感器、俯仰角传感器、俯仰角速度传感器、纵向速度传感器、纵向加速度信号，侧向速度传感器、侧向加速度传感器、横摆角速度传感器、灯控ECU相连，用于根据传感器模块的感应数据计算汽车四个车轮的垂向力、并分别判断汽车四个车轮的垂向力是否等于零后将判断结果传递给所述灯控ECU；

所述灯控ECU还分别和所述第一至第三报警灯相连，用于根据接收到的判断结果控制第一至第三报警灯工作。

如图1所示，传感器模块测量得到车辆当前的状态参数，通过CAN总线技术将传感器信号传输给预警ECU，预警ECU在接收传感器信号之后，在汽车稳定性原理基础上，通过卡尔曼滤波算法得出汽车四个轮胎的垂向力，将轮胎垂向力是否为0作为判断标准对汽车四个轮胎的垂向力做判断，将判断结果传递给灯控ECU。

灯控ECU接收来自预警ECU的信号，控制报警灯组工作。

所述预警ECU计算汽车四个轮胎垂向力的具体步骤如下：

步骤1)，传感器模块测得汽车的方向盘转角信号、侧倾角信号、角速度信号，俯仰角信号、俯仰角速度信号，纵向车速信号、纵向加速度信号，侧向速度信号、侧向加速度信号和横摆角速度信号，并将其传递给所述预警ECU；

步骤2)，预警ECU采用卡尔曼滤波模块接收传感器模块的感应信号，经过迭代计算得到最优估计的系统状态值，(系统状态值为离散化且更新后的侧倾角信号、角速度信号，俯仰角信号、俯仰角速度信号，纵向车速信号、纵向加速度信号，侧向速度信号、侧向加速度信号)将当前系统状态量的最优估计值带入轮胎垂向力的计算公式，得出当前轮胎垂向力的精确值。

步骤2.1)，根据达朗贝尔原理得到汽车四个轮胎的垂向力的公式：

(1)沿y轴力平衡列式：

(2)绕z轴力矩平衡式为：

(3)簧上质量绕x轴力矩平衡式为：

(4)沿x轴力平衡式为：

(5)沿y轴力矩平衡式：

(6)簧上质量绕侧倾中心取矩：

(7)簧下质量绕轮胎接地点中心轴取矩：

式中：

其中，F_fl,F_fr,F_rr,F_rl分别为左前轮、右前轮、右后轮、左后轮的垂向力，F_xi为四轮纵向力，F_yi为四轮横向力，m为车辆质量，g为重力加速度；m_d为车辆簧下质量，m_s为车辆簧上质量，a、b分别为质心到前轴和后轴距离，a_y为质心侧向加速度，a_ys为簧上质量侧向加速度，h_sr为侧倾中心到地面距离，l为前后轴距离，r为车辆横摆角速度，β为质心侧偏角，为质心侧偏角加速度，δ_f为车辆前转角，δ_sw为方向盘转角，G为方向盘转角到前轮转角传动比，为车身侧倾角，p为侧倾角速度， 为侧倾角加速度，θ为俯仰角，为俯仰角速度，为俯仰角加速度，u＝v_y为车辆质心处的纵向速度，v_x为车辆质心处的横向速度，I_z、I_x、I_xz、I_ys为对应轴的转动惯量，R_f、R_r分别为前车轴和后车轴的侧倾刚度，e为质心到侧倾中心高度，h_s为簧上质量质心高度，h_d为簧下质量质心高度，h_sr为侧倾中心到地面高度，k₁、k₂分别为前后轮胎侧偏刚度，K_θ为俯仰刚度，C_θ为俯仰阻尼，为侧倾刚度，为侧倾阻尼；T为轮距；

由式(1)-(7)可得：

4个轮胎的垂向力的表达式为：

式中：

h_sp为俯仰中心到地面高度，a_x为纵向加速度，V_x、分别为纵向速度和侧向加速度，V_y、分别为侧向速度和侧向加速度。

为了克服传感器的噪声干扰，结合卡尔曼滤波技术，设计了轮胎垂向力的卡尔曼估计算法。

步骤2.2)，所述卡尔曼滤波器通过以下方式得到：

设定离散系统方程和观测方程如下：

X_k＝F_kX_k-1+B_kU_k-1+W_k-1

Z_k＝H_kX_k+V_k

根据步骤2.1)中的轮胎垂向力表达式，设定：

U_k＝[δ_f]；

Z_k＝[F_fl F_fr F_rr F_rl]；

式中：F_k、B_k为系统方程的状态矩阵和输入矩阵，H_k为观测方程的状态矩阵，W_k、V_k分别为过程噪声和观测噪声。其中F_k、B_k和H_k均由步骤2.1)中的方程(1)-(7)及4个轮胎的垂向力的表达式得到。

离散系统方程的离散时间选取为0.001s(不限于此数值，具体根据传感器的测量精度确定)。

依次设定预测误差协方差矩阵，卡尔曼增益矩阵，状态更新矩阵，误差协方差更新矩阵如下：

预测误差协方差矩阵：P_k/k-1＝F_kP_k-1/k-1F_k ^T+Q_k；

卡尔曼增益矩阵：K_k＝P_k/k-1H_k ^T(H_kP_k/k-1H_k ^T+R_k)^-1；

状态更新矩阵：X_k/k＝X_k/k-1+K_k(Z_k-H_kX_k/k-1)；

误差协方差更新矩阵：P_k/k＝(I-K_kH_k)P_k/k-1

式中：Q_k为W_k的方差，R_k为V_k的方差，H_k ^T为H_k的转秩矩阵，F_k ^T为F_k的转秩矩阵，P_k为预测误差协方差矩阵，K_k为卡尔曼增益矩阵。过程噪声W_k和测量噪声V_k均为高斯白噪声。其中R_k由传感器的精度确定，Q_k根据汽车物理参数确定，I为单位矩阵。

步骤2.3)，如图2所示，进行迭代：

步骤2.3.1)，预测：

假定系统当前状态是第k步，则根据系统的第k-1步的系统状态量计算出当前的预测系统状态值：

X_k/k-1＝F_kX_k-1/k-1+B_kU_k-1

计算预测误差协方差矩阵：

P_k/k-1＝F_kP_k-1/k-1F_k ^T+Q_k

步骤2.3.2)，校正：

计算卡尔曼增益矩阵：

K_k＝P_k/k-1H_k ^T(H_kP_k/k-1H_k ^T+R_k)^-1

计算当前系统状态量的最优估计值：

X_k/k＝X_k/k-1+K_k(Z_k-H_kX_k/k-1)

计算误差协方差更新矩阵：

P_k/k＝(I-K_kH_k)P_k/k-1

根据当前系统状态量的最优估计值计算出当前轮胎垂向力的精确值：

Z_k＝H_kX_k+V_k

通过迭代可以得到更为精确的轮胎垂向力。

步骤3)，预警ECU分别判断汽车四个车轮的垂向力是否等于零后将判断结果传递给所述灯控ECU。

步骤4)，灯控ECU根据接收到的判断结果控制第一至第三报警灯工作，具体的控制方法如图3所示：

若只有一个小于0的信号则开启第一报警灯，若有2个等于0的信号第一和第二报警灯，若大于2个小于0信号则开启全部报警灯。

报警灯控制器输出高电平时继电器被吸合，低电平断开。当灯控ECU接收到的某一个轮胎压力为0时，对应的输出1个高电平信号，此时该电磁继电器被吸合，整个电路导通，报警灯被点亮。当灯控ECU接受到2个轮胎压力为0，对应输出2个高电平信号，依次类推。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种侧翻预警系统，其特征在于，包含传感器模块、预警ECU、灯控ECU和报警灯组；

所述传感器模块设置在汽车的车体上，包含方向盘转角传感器、侧倾角速度传感器、侧倾角传感器、俯仰角传感器、俯仰角速度传感器、纵向速度传感器、纵向加速度信号，侧向速度传感器、侧向加速度传感器、横摆角速度传感器，分别用于测量汽车的方向盘转角、侧倾角、角速度，俯仰角、俯仰角速度，纵向车速、纵向加速度，侧向速度、侧向加速度和横摆角速度；

所述报警灯组包含第一至第三报警灯；

所述预警ECU分别和方向盘转角传感器、侧倾角速度传感器、侧倾角传感器、俯仰角传感器、俯仰角速度传感器、纵向速度传感器、纵向加速度传感器，侧向速度传感器、侧向加速度传感器、横摆角速度传感器、灯控ECU相连，用于根据传感器模块的感应数据计算汽车四个车轮的垂向力、并分别判断汽车四个车轮的垂向力是否等于零后将判断结果传递给所述灯控ECU；

所述灯控ECU还分别和所述第一至第三报警灯相连，用于根据接收到的判断结果控制第一至第三报警灯工作。

2.基于所述权利要求1所述的侧翻预警系统的预警方法，其特征在于，包含以下步骤：

步骤1)，传感器模块测得汽车的方向盘转角信号、侧倾角信号、角速度信号，俯仰角信号、俯仰角速度信号，纵向车速信号、纵向加速度信号，侧向速度信号、侧向加速度信号和横摆角速度信号，并将其传递给所述预警ECU；

步骤2)，预警ECU计算汽车四个车轮的垂向力；

步骤2.1)，采用卡尔曼滤波模块接收传感器模块的感应信号，结合轮胎垂向力的计算公式所需的状态量进行迭代计算，得到最优估计的系统状态值；

步骤2.2)，将当前系统状态量的最优估计值带入轮胎垂向力的计算公式，得出当前轮胎垂向力的精确值；

步骤3)，预警ECU分别判断汽车四个车轮的垂向力是否等于零后将判断结果传递给所述灯控ECU；

步骤4)，灯控ECU根据接收到的判断结果控制第一至第三报警灯工作，具体如下：

若只有一个小于0的信号则开启第一报警灯，若有2个等于0的信号第一和第二报警灯，若大于2个小于0信号则开启全部报警灯。

3.基于所述权利要求1所述的侧翻预警系统的预警方法，其特征在于，所述步骤2.1)和步骤2.2)中轮胎垂向力的计算公式如下：

式中，F_fl,F_fr,F_rr,F_rl分别为左前轮、右前轮、右后轮、左后轮的垂向力；

m为车辆质量，g为重力加速度；a、b分别为质心到前轴和后轴距离；l为前后轴距离；

K_θ为俯仰刚度；C_θ为俯仰阻尼；θ为俯仰角，为俯仰角速度；

为侧倾刚度；为侧倾阻尼；为侧倾角，为侧倾角速度；T为轮距；

m_d为车辆簧下质量，m_s为车辆簧上质量；h_d为簧下质量质心高度，h_sr为侧倾中心到地面高度，h_sp为俯仰中心到地面高度；

V_x、分别为纵向速度和侧向加速度，V_y、分别为侧向速度和侧向加速度；r为车辆横摆角速度；为俯仰角加速度；e为簧上质量质心到侧倾中心距离；为侧倾角加速度。

4.基于所述权利要求3所述的侧翻预警系统的预警方法，其特征在于，所述步骤2.1)中卡尔曼滤波器的具体设定如下：

离散系统方程X_k和观测方程Z_k如下：

$\begin{array}{c}{X}_k=F_k{X}_{k-1}+B_k{U}_{k-1}+W_{k-1}\\ Z_k=H_k{X}_k+V_k\end{array};$

式中，F_k、B_k为系统方程的状态矩阵和输入矩阵，H_k为观测方程的状态矩阵，W_k、V_k分别为过程噪声和观测噪声；k为迭代步数；

预测误差协方差矩阵：P_k/k-1＝F_kP_k-1/k-1F_k ^T+Q_k；

卡尔曼增益矩阵：K_k＝P_k/k-1H_k ^T(H_kP_k/k-1H_k ^T+R_k)^-1；

状态更新矩阵：X_k/k＝X_k/k-1+K_k(Z_k-H_kX_k/k-1)；

误差协方差更新矩阵：P_k/k＝(I-K_kH_k)P_k/k-1

式中：Q_k为W_k的方差，R_k为V_k的方差，H_k ^T为H_k的转秩矩阵，F_k ^T为F_k的转秩矩阵，P_k为预测误差协方差矩阵，K_k为卡尔曼增益矩阵；过程噪声W_k和测量噪声V_k均为高斯白噪声。