CN110614894A - 用于复杂路况的主动悬架控制系统和控制方法 - Google Patents

用于复杂路况的主动悬架控制系统和控制方法 Download PDF

Info

Publication number
CN110614894A
CN110614894A CN201910771694.1A CN201910771694A CN110614894A CN 110614894 A CN110614894 A CN 110614894A CN 201910771694 A CN201910771694 A CN 201910771694A CN 110614894 A CN110614894 A CN 110614894A
Authority
CN
China
Prior art keywords
road surface
damping
active suspension
neural network
rigidity
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
Application number
CN201910771694.1A
Other languages
English (en)
Inventor
李玉芳
卢小丁
倪铭
徐国放
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910771694.1A priority Critical patent/CN110614894A/zh
Publication of CN110614894A publication Critical patent/CN110614894A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • B60G17/016—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 characterised by their responsiveness, when the vehicle is travelling, to specific motion, a specific condition, or driver input
    • B60G17/0165—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 characterised by their responsiveness, when the vehicle is travelling, to specific motion, a specific condition, or driver input to an external condition, e.g. rough road surface, side wind
    • 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
    • B60G17/019—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 characterised by the type of sensor or the arrangement thereof
    • B60G17/01933—Velocity, e.g. relative velocity-displacement sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/22—Suspension systems
    • B60W2710/223—Stiffness
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/22—Suspension systems
    • B60W2710/226—Damping

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明公开一种用于复杂路况的主动悬架控制系统和控制方法，其中控制系统包括环境感知模块，包括速度传感器、红外结构光组件和单目摄像头；实时处理控制模块，包括BP神经网络，其接收来自速度传感器和红外结构光组件的数据，输出适合当前路况的阻尼和刚度值，再结合卷积神经网络输出的数据，得到修正的阻尼和刚度值；调节模块，用于将修正的阻尼和刚度值传送到主动悬架，并对主动悬架的阻尼和刚度进行调整。本发明在保证实时性和精度的前提下，降低了路面信息获取的成本，提升了对路面的适应能力。

Description

用于复杂路况的主动悬架控制系统和控制方法
技术领域
本发明涉及汽车控制技术领域，尤其是一种用于复杂路况的主动悬架控制系统和控制方法。
背景技术
汽车平顺性是衡量车辆性能的一个重要指标，是车辆驾驶员的最直观体验。平顺性差则影响着人的舒适性及车的工作效能，导致乘客疲劳，货物磨损，整车零部件过早损坏以及产生车内较大的噪音。
悬架对于平顺性至关重要，而主动悬架由于其刚度、阻尼可调的特性其平顺性更优。但现有主动悬架的阻尼及刚度控制方法大多是在根据车轮受到来自于路面的垂直载荷，将路面载荷输入到预先设定好的调节系统中来调节主动悬架阻尼大小。这种调节方法调节的范围有限，无法应对突变性很大的路面。
其次是将激光雷达输出作为路面信息来调整的主动悬架，但激光雷达整体价格偏高，不适合在各级车辆上普及，且计算机视觉的实时性和测量精度难以兼顾。
而结构光深度探测利用目标物体表面深度信息会对结构光投影图案产生影响来获取目标物体深度信息通过分析众多结构光编码方式，能获取路面的深度信息，界具有良好的精度以及实时性。
传统基于车轮载荷的控制方法，对路面输入的处理难以保证响应速度和精度。对于减速带等路面突变，不能得到良好的处理。
现有的控制方法建模过程中将路面考虑为刚体，没有考虑由路面偏软导致负载变形程度对悬架振动参数影响。
发明内容
本发明的目的在于提供一种用于复杂路况的主动悬架控制系统和控制方法，考虑路面软硬程度对悬架参数的影响，以在保证快速响应和高精度的前提下，提升对突变路面的适应性和降低系统成本。
为了达到上述目的，本发明一方面提供一种用于复杂路况的主动悬架控制系统，包括：环境感知模块，包括速度传感器、红外结构光组件和单目摄像头，所述速度传感器用于测量车辆的当前速度，所述红外结构光组件用于路面的立体识别，所述单目摄像头位于车辆前部上方，用于采集路面图像，然后发送给卷积神经网络，判断路面的软硬程度；实时处理控制模块，包括BP神经网络，其接收来自所述速度传感器和所述红外结构光组件的数据，输出适合当前路况的阻尼和刚度值，再结合所述卷积神经网络输出的数据，得到修正的阻尼和刚度值；调节模块，用于将所述修正的阻尼和刚度值传送到主动悬架，并对所述主动悬架的阻尼和刚度进行调整。
进一步的，所述速度传感器为轮速传感器或OBD接口。
进一步的，所述环境感知模块还包括车辆距离测量仪，用于感知与相邻车辆之间的距离，根据当前车速设定改变阻尼和刚度值的时间阈值。
本发明另一方面还提供一种用于复杂路况的主动悬架控制方法，包括以下步骤：
获取当前环境和路况信息，包括路面立体结构和路面图像；提取车辆前方路面高度值和当前车速，输入到BP神经网络，得到适合当前路况的阻尼和刚度值；将所述路面图像经过卷积神经网络处理，识别路面类型，评估得到路面软硬程度参数；利用所述路面软硬程度参数对所述阻尼和刚度值进行修正，得到修正的阻尼和刚度值；将所述修正的阻尼和刚度值传送到主动悬架，并对所述主动悬架的阻尼和刚度进行调整。
进一步的，所述识别路面类型通过卷积神经网络间隔采样完成。
进一步的，所述利用所述路面软硬程度参数对所述阻尼和刚度值进行修正，是将所述阻尼和刚度值乘以所述路面软硬程度参数，所述路面软硬程度参数的范围为0.5～1.5。
本发明通过红外结构光组件和单目摄像头采集前方路面信息，通过BP神经网络和卷积神经网络模型计算出车辆即将经过路面主动悬架最佳的阻尼和刚度，结合路面软硬程度进行修正后进行调节。本发明的方法和现有技术相比，在保证实时性和精度的前提下，降低了路面信息获取的成本，提升了对路面的适应能力。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的限定。在附图中，
图1为本发明一实施例用于复杂路况的主动悬架控制系统框图；
图2为本发明另一实施例用于复杂路况的主动悬架控制方法流程图；
图3为图2实施例中单目摄像头和红外结构光组件工作示意图；
图4为卷积神经网络结构图；
图5为简化的悬架七自由度模型图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
如图1所示，用于复杂路况的主动悬架控制系统，包括：环境感知模块、实时处理控制模块、卷积神经网络和调节模块。其中环境感知模块包括速度传感器、红外结构光组件和单目摄像头，速度传感器用于测量车辆的当前速度，可以是轮速传感器中也可以是OBD接口；红外结构光组件位于车辆前部中部，正对车轮轨迹中心，倾斜向下，用于路面的立体识别，特别是测量路面高度。速度传感器和红外结构光组件测得的速度、功率密度、路面不平度、路面所属等级等信息输入到实时处理控制模块训练好的BP神经网络中，输出适合当前路况的阻尼和刚度值。单目摄像头位于车辆前部上方，倾斜向下，用于采集路面图像，然后发送给卷积神经网络，通过卷积神经网络识别出来的路面信息对照可查到路面硬度值计算路面软硬程度，也可将卷积神经网络训练集的输出值标定好硬度值，使其训练完成后能直接输出硬度值。
在一些实施方式中，环境感知模块还包括车辆距离测量仪，用于感知与相邻车辆之间的距离，根据当前车速设定改变阻尼和刚度值的时间阈值，其获取的信息被传送到实时处理控制模块。
实时处理控制模块输出的适合当前路况的阻尼和刚度值结合卷积神经网络输出的数据，得到修正的阻尼和刚度值。
调节模块，用于将所述修正的阻尼和刚度值传送到主动悬架，并对主动悬架的阻尼和刚度进行调整。
实施例2
本发明提出的一种用于复杂路况的主动悬架控制方法，其整体流程图如图2所示，
车辆前部路面数据采集。如图3所示，其中R为红外结构光装置系统，C为单目摄像头，单目摄像头位于车辆前部顶端中间，倾斜向下。红外结构光装置亦位于车辆前部顶端两侧，正对车轮轨迹中心，倾斜向下。
单目相机用于路面检测，检测路面类型和障碍分析。路面类型每10秒检测一次，从相机采集的视频流中发送一张路面照片给处理器，经过卷积神经网络可分类为水泥路面、沥青路面、砂石路面、泥路等若干种，并转换成对应的路面硬度信息。卷积神经网络的网络结构如图4所示，模型训练离线进行。其中，卷积层负责对输入卷积层的图像进行卷积操作，输出卷积后的特征图，图4中卷积层中的白色方框代表卷积核，图像或特征图每和卷积核进行一次卷积操作就会产生一新的特征矩阵。池化层(pooling layers)也称为下采样层，对传入的图像在空间维度上进行下采样操作，使得输入的特征图长和宽变为原来的一半。经过多层的特征提取，进入全连接层。全连接层与普通神经网络一样，每个神经元都与输入的所有神经元相连，然后经过激活函数进行计算。最后进入输出层，输出层会通过SOFTMAX函数计算每一类别的分类评分值。假设输出的图像分类项为(泥路、沥青路、水泥路)，那么输出层的输出为([0.1，0.7，0.9])，输出层选择概率最高的水泥路作为本次卷积神经网络的图像分类结果。
根据红外结构光提取路面信息，计算路面不平度，功率密度，路面所属等级和位移幅值变化。
路面功率谱密度计算公式为式中，n为空间频率(m-1)，它是波长λ的倒数，表示每米长度中包括几个波长；n0为参考空间频率，n0＝0.1m-1；Gq(n0)为参考空间频率n0下的路面功率谱密度值，称为路面不平度系数，单位为m3；W为频率指数，为每段功率谱斜线的斜率；取值确定了路面功率谱密度的频率。
在本实施例中，根据路面不平度系数和它均方根值的几何平均值，按路面功率谱密度把路面的不平程度分为A、B、C、D、E、F、G、H共8个等级，分级路面谱的频率指数W＝2。经统计我国高等级公路路面谱基本上处在A、B、C三级，D级公路很少，其中B、C级路面占的比重比较大。
建立主动悬架七自由度整车模型如图5，模型坐标系根据右手螺旋法则：x轴指向车辆行驶方向、y轴指向车辆左方、z轴垂直向上，七个自由度分别为车身的垂向运动、俯仰运动、侧倾运动以及四个非簧载质量的垂向运动。
根据路面不平度功率谱密度的时域模型计算路面激励，并将其与路面等级和车速一起作为输入参数，以主动悬架阻尼及刚度作为优化目标，车身垂向加速度、悬架动挠度和轮胎动载荷的加权函数作为目标函数，采用遗传算法等智能优化算法匹配当前主动悬架阻尼及刚度的合适参数。
以上经智能优化算法计算而得的参数模型实际上是一个离散的模型，并且在车辆行驶过程中实时优化显然不是高效可行的方案。本实施例将以上优化的得到的数据，建立相对应的BP神经网络模型，模型输入路面不平度功率谱密度、路面等级、车速，输出为阻尼和刚度值，训练后的模型能实现数值连续性，提升了处理效率。
由于路面不是刚体，车辆行驶在上面存在一定的压力—沉陷关系，车轮下陷深度h与其接地压力p0之间的关系可以描述为式中，kc和为土壤的变形模量,分别由土壤的黏性和摩擦性所决定；b为负荷支承面较小一边的宽度；r为与土壤特性有关的变形指数，r,kc和可以由土壤剪切试验获得。
这一特性在较软的路面特别是泥路时尤为明显。增大系统刚度比可以显著减小车身垂向加速度，但刚度比不宜超过临界值。在变形较大的路面上行驶时，应采用较大的悬架阻尼以改善平顺性。在识别单目摄像头采集的图像后，判断路面软硬程度，在计算得出的阻尼和刚度乘以适当的系数来修正。
最后将修正后的阻尼和刚度值传输到执行机构对主动悬架的阻尼和刚度进行调整。
本实施例采用单目摄像头和红外结构光组成的深度探测系统采集车辆正前方的路面信息，通过轮速传感器获取车辆速度信息，根据车辆速度和前面路面特征通过智能算法优化获得主动悬架的最佳阻尼和刚度参数。通过这些参数建立神经网络模型实现在线连续的输入输出。又根据单目摄像头分析路面软硬程度对所获得的阻尼和刚度进行适当修正，最后由控制单元延时改变主动悬架刚度和阻尼。本发明实施例根据路面软硬程度对参数进行修正，改善了主动悬架对不同道路(特别是越野道路)的适应性；采用包含有最佳参数的神经网络进行输出，不需要重新进行求解最优参数的运算提升了系统响应速度和精度；采用红外结构光代替雷达，降低系统成本，同时解决了视觉技术实时性和测量精度难以兼顾的问题；遇到路面突变提前改善阻尼刚度值，增强车辆安全性和舒适性。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

Claims (6)

1.一种用于复杂路况的主动悬架控制系统，其特征在于，包括
环境感知模块，包括速度传感器、红外结构光组件和单目摄像头，所述速度传感器用于测量车辆的当前速度，所述红外结构光组件用于路面的立体识别，所述单目摄像头位于车辆前部上方，用于采集路面图像，然后发送给卷积神经网络，判断路面的软硬程度；
实时处理控制模块，包括BP神经网络，其接收来自所述速度传感器和所述红外结构光组件的数据，输出适合当前路况的阻尼和刚度值，再结合所述卷积神经网络输出的数据，得到修正的阻尼和刚度值；
调节模块，用于将所述修正的阻尼和刚度值传送到主动悬架，并对所述主动悬架的阻尼和刚度进行调整。
2.根据权利要求1所述的主动悬架控制系统，其特征在于，所述速度传感器为轮速传感器或OBD接口。
3.根据权利要求1或2所述的主动悬架控制系统，其特征在于，所述环境感知模块还包括车辆距离测量仪，用于感知与相邻车辆之间的距离，根据当前车速设定改变阻尼和刚度值的时间阈值。
4.一种用于复杂路况的主动悬架控制方法，其特征在于，包括以下步骤：
获取当前环境和路况信息，包括路面立体结构和路面图像；
提取车辆前方路面高度值和当前车速，输入到BP神经网络，得到适合当前路况的阻尼和刚度值；
将所述路面图像经过卷积神经网络处理，识别路面类型，评估得到路面软硬程度参数；
利用所述路面软硬程度参数对所述阻尼和刚度值进行修正，得到修正的阻尼和刚度值；
将所述修正的阻尼和刚度值传送到主动悬架，并对所述主动悬架的阻尼和刚度进行调整。
5.根据权利要求4所述的主动悬架控制方法，其特征在于，所述识别路面类型通过卷积神经网络间隔采样完成。
6.根据权利要求4所述的主动悬架控制方法，其特征在于，所述利用所述路面软硬程度参数对所述阻尼和刚度值进行修正，是将所述阻尼和刚度值乘以所述路面软硬程度参数，所述路面软硬程度参数的范围为0.5～1.5。
CN201910771694.1A 2019-08-21 2019-08-21 用于复杂路况的主动悬架控制系统和控制方法 Pending CN110614894A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910771694.1A CN110614894A (zh) 2019-08-21 2019-08-21 用于复杂路况的主动悬架控制系统和控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910771694.1A CN110614894A (zh) 2019-08-21 2019-08-21 用于复杂路况的主动悬架控制系统和控制方法

Publications (1)

Publication Number Publication Date
CN110614894A true CN110614894A (zh) 2019-12-27

Family

ID=68922365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910771694.1A Pending CN110614894A (zh) 2019-08-21 2019-08-21 用于复杂路况的主动悬架控制系统和控制方法

Country Status (1)

Country Link
CN (1) CN110614894A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111361381A (zh) * 2020-03-25 2020-07-03 桂林电子科技大学 商用车自适应减震装置、商用车悬架系统以及车辆减震方法
CN112109515A (zh) * 2020-08-31 2020-12-22 恒大新能源汽车投资控股集团有限公司 存储介质、车辆主动悬架的控制方法及装置
CN112464773A (zh) * 2020-11-19 2021-03-09 浙江吉利控股集团有限公司 一种道路类型识别方法、装置及系统
CN112498044A (zh) * 2020-12-10 2021-03-16 北京车和家信息技术有限公司 车辆控制的方法、装置、存储介质及车辆
CN112622557A (zh) * 2020-12-30 2021-04-09 东风越野车有限公司 一种用于提高越野汽车驾驶舒适性的控制方法
CN112949604A (zh) * 2021-04-12 2021-06-11 石河子大学 一种基于深度学习的主动悬架智能控制方法及装置
CN113459755A (zh) * 2020-03-31 2021-10-01 北京新能源汽车股份有限公司 一种主动悬架控制方法、整车控制器、系统及车辆
CN113928073A (zh) * 2021-10-20 2022-01-14 国汽智控(北京)科技有限公司 主动悬架的调节方法、装置及设备
CN114148136A (zh) * 2020-03-13 2022-03-08 北京百度网讯科技有限公司 车辆行驶平稳性控制方法、装置、设备和存储介质
CN114211926A (zh) * 2021-12-31 2022-03-22 重庆工业职业技术学院 一种颠簸路面的汽车悬架控制系统
CN115366699A (zh) * 2022-09-15 2022-11-22 江苏理工学院 车辆垂向振动控制方法和装置
CN115871401A (zh) * 2021-09-28 2023-03-31 比亚迪股份有限公司 车辆及其主动悬架性能提升方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1675081A (zh) * 2002-08-07 2005-09-28 丰田自动车株式会社 车辆用接地载荷控制装置
CN103057376A (zh) * 2011-10-20 2013-04-24 通用汽车环球科技运作有限责任公司 车辆悬架系统及其使用方法
CN103963593A (zh) * 2013-01-08 2014-08-06 福特全球技术公司 具有道路预视的自适应主动悬架系统
CN104309435A (zh) * 2014-10-27 2015-01-28 江苏大学 一种路面不平度在线辨识系统及方法
CN107323199A (zh) * 2017-06-22 2017-11-07 南京航空航天大学 一种新的半主动油气悬架控制系统及方法
CN109664707A (zh) * 2018-11-26 2019-04-23 武汉新能源汽车工业技术研究院有限公司 一种主动悬架的控制方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1675081A (zh) * 2002-08-07 2005-09-28 丰田自动车株式会社 车辆用接地载荷控制装置
CN103057376A (zh) * 2011-10-20 2013-04-24 通用汽车环球科技运作有限责任公司 车辆悬架系统及其使用方法
CN103963593A (zh) * 2013-01-08 2014-08-06 福特全球技术公司 具有道路预视的自适应主动悬架系统
CN104309435A (zh) * 2014-10-27 2015-01-28 江苏大学 一种路面不平度在线辨识系统及方法
CN107323199A (zh) * 2017-06-22 2017-11-07 南京航空航天大学 一种新的半主动油气悬架控制系统及方法
CN109664707A (zh) * 2018-11-26 2019-04-23 武汉新能源汽车工业技术研究院有限公司 一种主动悬架的控制方法及装置

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114148136A (zh) * 2020-03-13 2022-03-08 北京百度网讯科技有限公司 车辆行驶平稳性控制方法、装置、设备和存储介质
CN111361381A (zh) * 2020-03-25 2020-07-03 桂林电子科技大学 商用车自适应减震装置、商用车悬架系统以及车辆减震方法
CN113459755A (zh) * 2020-03-31 2021-10-01 北京新能源汽车股份有限公司 一种主动悬架控制方法、整车控制器、系统及车辆
CN113459755B (zh) * 2020-03-31 2024-01-23 北京新能源汽车股份有限公司 一种主动悬架控制方法、整车控制器、系统及车辆
CN112109515A (zh) * 2020-08-31 2020-12-22 恒大新能源汽车投资控股集团有限公司 存储介质、车辆主动悬架的控制方法及装置
CN112464773A (zh) * 2020-11-19 2021-03-09 浙江吉利控股集团有限公司 一种道路类型识别方法、装置及系统
CN112498044A (zh) * 2020-12-10 2021-03-16 北京车和家信息技术有限公司 车辆控制的方法、装置、存储介质及车辆
CN112622557B (zh) * 2020-12-30 2022-04-29 东风越野车有限公司 一种用于提高越野汽车驾驶舒适性的控制方法
CN112622557A (zh) * 2020-12-30 2021-04-09 东风越野车有限公司 一种用于提高越野汽车驾驶舒适性的控制方法
CN112949604A (zh) * 2021-04-12 2021-06-11 石河子大学 一种基于深度学习的主动悬架智能控制方法及装置
CN115871401A (zh) * 2021-09-28 2023-03-31 比亚迪股份有限公司 车辆及其主动悬架性能提升方法
CN113928073A (zh) * 2021-10-20 2022-01-14 国汽智控(北京)科技有限公司 主动悬架的调节方法、装置及设备
CN114211926A (zh) * 2021-12-31 2022-03-22 重庆工业职业技术学院 一种颠簸路面的汽车悬架控制系统
CN115366699A (zh) * 2022-09-15 2022-11-22 江苏理工学院 车辆垂向振动控制方法和装置

Similar Documents

Publication Publication Date Title
CN110614894A (zh) 用于复杂路况的主动悬架控制系统和控制方法
CN114572183B (zh) 一种汽车路面自适应的车辆控制方法及设备
CN101269618B (zh) 一种电子控制空气悬架三档可调减振器阻尼值的控制方法
CN108839657B (zh) 一种基于汽车振动响应在线识别路面不平度信息的方法
JP7377154B2 (ja) 路面性状判定装置
CN114987539B (zh) 一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法及系统
CN114715158B (zh) 一种基于路面纹理特征的路面附着系数的测定装置及方法
JP6999599B2 (ja) 官能評価システム、サスペンション装置、サスペンション制御システム
JP2010511567A (ja) 路面状態判定方法及び車両使用ログの作成方法
CN114475573B (zh) 基于v2x与视觉融合的起伏路况识别及车辆控制方法
KR101138758B1 (ko) 차량의 승차감에 대한 강건최적설계방법
CN112816043B (zh) 一种确定车辆的车型的方法及系统
KR20230173006A (ko) 차량 승차감 평가 시스템
CN115635982A (zh) 基于驾驶效率与舒适度的自动驾驶方法及系统
CN110329028B (zh) 基于公路等级识别的混合电磁悬架模式切换系统及方法
CN114750557A (zh) 一种基于双目相机智能底盘控制方法、装置与存储介质
Rouillard Using predicted ride quality to characterise pavement roughness
Kortmann et al. Applying quarter-vehicle model simulation for road elevation measurements utilizing the vehicle level sensor
Montazeri-Gh et al. Vehicle ride evaluation based on a time-domain variable speed driving pattern
CN118528692B (zh) 基于路面状态与行驶状态新能源汽车轮胎监测方法及设备
Wang et al. Relative Roughness Measurement Based Real-Time Speed Planning for Autonomous Vehicles on Rugged Road
Zhou et al. An automatic control method for semi-active suspension of driverless vehicle based on multi-sensor information fusion in complex environment
CN117124789B (zh) 基于人工智能和大数据的车辆悬架控制方法和控制系统
CN114636710A (zh) 一种道路病害舒适度评估方法
Büyükköprü et al. Vision based road profile estimation for preview-controlled vehicle suspension systems

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191227

RJ01 Rejection of invention patent application after publication