CN112208282B

CN112208282B - 控制方法、装置、计算机设备及存储介质

Info

Publication number: CN112208282B
Application number: CN201910620240.4A
Authority: CN
Inventors: 罗杰; 高靖宇; 齐新迎; 陈庆林
Original assignee: Guangzhou Automobile Group Co Ltd
Current assignee: Guangzhou Automobile Group Co Ltd
Priority date: 2019-07-10
Filing date: 2019-07-10
Publication date: 2022-06-14
Anticipated expiration: 2039-07-10
Also published as: CN112208282A

Abstract

本发明公开了一种控制方法、装置、计算机设备及存储介质，用于提高对悬架控制系的控制决策的准确度。其中，方法部分包括：确定当前的驾驶模式；获取第一传感器信息和第二传感器信息，第一传感器信息为车辆中悬架系统的传感器所获取的信息，第二传感器信息为车辆中除悬架系统外，其他智能系统的传感器所获取的信息；将第一传感器信息和第二传感器信息进行融合，以获取融合信息；从云端服务器获取车辆的外部环境信息；将融合信息以及外部环境信息输入至当前的驾驶模式对应的第一神经网络模型中，以确定出用于控制悬架的第一决策指令；将第一决策指令发送至悬架系统执行机构，以使悬架系统执行机构根据第一决策指令对悬架进行控制。

Description

控制方法、装置、计算机设备及存储介质

技术领域

本发明涉及汽车控制领域，尤其涉及一种控制方法、装置、计算机设备及存储介质。

背景技术

通常车辆上集成了各种各样的控制系统，其中就包括了悬架系统，用于对悬架进行控制。而悬架系统根据控制方式可分为主动悬架系统和被动悬架系统，车辆的悬架系统中常用的是主动悬架系统，主动悬架系统是指悬架刚度和阻尼等特性能根据车辆的运动状态和路面状况等条件进行动态自适应调节，具体地，是利用悬架系统自带的簧上加速度传感器、簧下加速度传感器、高度传感器等采集路面高度信息，并根据路面高度信息判断当前所处路面情况和工况，最后根据判断结果对悬架进行调整以适应当前工况。然而，目前车辆的主动悬架系统受限于利用悬架自带的传感器信息输入，对车辆所处工况的判断较为粗糙，导致最后对悬架的控制决策的准确度较低。

发明内容

本发明实施例提供了一种悬架控制方法、装置、计算机设备及存储介质，可以提高对悬架控制系的控制决策的准确度。

本发明第一方面提供了一种控制方法，包括：

确定当前的驾驶模式；

获取第一传感器信息和第二传感器信息，其中，所述第一传感器信息为车辆中悬架系统的传感器所获取的信息，所述第二传感器信息为所述车辆中除所述悬架系统外，其他智能系统的传感器所获取的信息；

将所述第一传感器信息和第二传感器信息进行融合，以获取融合信息；

从云端服务器获取所述车辆的外部环境信息；

将所述融合信息以及所述外部环境信息作为模型输入信息，并输入至所述当前的驾驶模式对应的第一神经网络模型中，以确定出用于控制悬架的第一决策指令；

将所述第一决策指令发送至悬架系统执行机构，以使所述悬架系统执行机构根据所述第一决策指令对所述悬架进行控制。

在一种可能的实现中，所述驾驶模式包括运动模式、舒适模式、自动模式和享受模式。

在一种可能的实现中，所述方法还包括：

当所述车辆处于所述享受模式时，实时获取所述驾驶员的动作信息、表情信息和所述车辆内的声音信息；

将所述驾驶员的动作信息、表情信息和所述车辆内的声音信息作为模型输入信息，并输入至第二神经网络模型中，以确定用于控制所述悬架的第二决策指令；

将所述第二决策指令发送至所述悬架系统执行机构，以使所述悬架系统执行机构根据所述第二决策指令对所述悬架进行控制。

在一种可能的实现中，所述方法还包括：

将所述融合信息以及所述外部环境信息作为模型输入信息，输入至第三神经网络模型中，以确定出用于控制其他控制系统的第三决策指令，所述其他控制系统包括发动机控制系统、变速箱控制系统和车身稳定控制系统；

将所述第三决策指令对应发送至所述其他控制系统，以使所述其他控制系统执行所述第三决策指令。

在一种可能的实现中，所述将所述第一传感器信息和第二传感器信息进行融合，以获取融合信息，包括：

采用卡尔曼波融合算法对所述第一传感器信息和第二传感器信息进行融合，以获取所述融合信息。

在一种可能的实现中，所述外部环境信息包括天气信息和交通信息。

本发明第二方面提供给了一种控制装置，其特征在于，包括：

第一确定模块，用于根据用户的选择确定当前的驾驶模式；

第一获取模块，用于获取第一传感器信息和第二传感器信息，其中，所述第一传感器信息为车辆中悬架系统的传感器所获取的信息，所述第二传感器信息为所述车辆中除所述悬架系统外，其他智能系统的传感器所获取的信息；

融合模块，用于将所述第一传感器信息和第二传感器信息进行融合，以获取融合信息；

第二获取模块，用于从云端服务器获取所述车辆的外部环境信息；

第二确定模块，用于将所述融合信息以及所述外部环境信息作为模型输入信息，并输入至所述当前的驾驶模式对应的第一神经网络模型中，以确定出用于控制悬架的第一决策指令；

发送模块，用于将所述第一决策指令发送至悬架系统执行机构，以使所述悬架系统执行机构根据所述第一决策指令对所述悬架进行控制。

在一种可能的实现中，所述方法还包括第三获取模块；

所述第三获取模块，用于当所述车辆处于所述享受模式时，实时获取所述驾驶员的动作信息、表情信息和所述车辆内的声音信息；

所述第二确定模块，还用于将所述驾驶员的动作信息、表情信息和所述车辆内的声音信息作为模型输入信息，并输入至第二神经网络模型中，以确定用于控制所述悬架的第二决策指令；

在一种可能的实现中，所述控制装置还包括第三获取模块；

在一种可能的实现中，所述第二确定模块，还用于将所述融合信息以及所述外部环境信息作为模型输入信息，输入至第三神经网络模型中，以确定出用于控制其他控制系统的第三决策指令，所述其他控制系统包括发动机控制系统、变速箱控制系统和车身稳定控制系统；

所述发送模块还用于将所述第三决策指令对应发送至所述其他控制系统，以使所述其他控制系统执行所述第三决策指令。

在一种可能的实现中，所述融合模块具体用于：

本发明第三方面提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时可实现前述第一方面所述的控制方法。

本发明第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现前述第一方面所述的控制方法。

控制方法、装置、计算机设备及存储介质所实现的方案中，先是根据用户的选择确定当前的驾驶模式；获取第一传感器信息和第二传感器信息，其中，第一传感器信息为车辆中悬架系统的传感器所获取的信息，第二传感器信息为车辆中除悬架系统外，其他智能系统的传感器所获取的信息；将第一传感器信息和第二传感器信息进行融合，以获取融合信息；从云端服务器获取车辆的外部环境信息；将融合信息以及外部环境信息作为模型输入信息，并输入至当前的驾驶模式对应的第一神经网络模型中，以确定出用于控制悬架的第一决策指令；将第一决策指令发送至悬架系统执行机构，以使悬架系统执行机构根据第一决策指令对悬架进行控制。可见，本发明中除了获取悬架系统自带的传感器信息外，还获取了除悬架系统外的其他只能控制系统的传感器的信息，丰富了传感器信息的输入，且会将所获取的所有传感器信息与车辆的外部环境信息行了融合，对车辆周围的相关信息感知度覆盖面较广，最后依据融合后的融合信息进行决策，丰富了后续做控制决策的参考信息，提升了决策能力，从而提高了对悬架控制系的控制决策的准确度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例中控制方法的所应用的系统框架示意图；

图2是本发明实施例中控制方法的一流程示意图；

图3是本发明实施例中控制装置的一结构示意图；

图4是本发明实施例中计算机设备的一结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了便于理解本发明，先对本发明实施例中控制方法所应用的系统框架和涉及到的术语做简单的介绍，如图1所示，发明实施例提供的控制方法可应用在如图1所示的系统框架中，其中，该系统框架包括车辆和云端服务器，其中，该车辆包括控制装置、悬架系统和其他智能系统，控制装置分别与悬架系统和、其他智能系统、和云端服务器连接。另外，控制装置还与悬架系统执行机构、发动机控制系统、变速箱控制系统、车身稳定控制系统等控制系统连接，悬架系统执行机构是指悬架系统中用于控制悬架的执行结构其中，云端服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。这里不做限定。

在本发明中，控制装置主要是利用了悬架系统和其他智能系统上的传感器所获取的传感器信息，并且结合从云端服务器获取的车辆的周边环境信息，对车辆的悬架系统执行机构、发动机控制系统等控制系统发送决策指令。需要说明的是，如图1所示，悬架系统上自带的传感器包括但不限于簧上加速度传感器、簧下加速度传感器、悬架高度传感器、转角传感器、油门开度传感器、车速传感器、侧向加速度传感器、制动踏板传感器、制动主缸压力传感器等传感器，其他智能系统可以是指智能驾驶系统上自带的传感器，包括但不限于激光雷达、毫米波雷达、声波雷达、前视摄像头、后视摄像头、环视摄像头等传感器。需要说明的是，上述关于传感器的例子，在这里只是列举举例说明，控制装置还可以获取车辆上的其他传感器，这里不做具体限定，只要对于后续控制装置做决策有参考价值即可。

另外需要说明的是，控制装置还可以与根据用户的选择确定驾驶模式，以及接收其他输入信息，例如控制装置还可以接收的其他输入信息可以是用户触发的中控主屏输入、手势输入、语音输入，或者用户通过手机等移动终端的输入信息，上述其他输入信息在本发明实施例中都将作为后续控制决策的参考信息。下面结合图1所示的系统框架图，对本发明实施例进行描述，请参阅图2，图2为本发明实施例一种控制方法一个实施例流程示意图，包括如下步骤：

S10：确定当前的驾驶模式。

本发明实施例中，车辆预设有多种驾驶模式，在车辆上电后，用户可以选定其中任意一种驾驶模式，在本发明实施例中，用户可以通过多种触发方式选择所需的驾驶模式，例如，车辆与用户的移动终端设备建立通信连接，用户可以通过移动终端的操作选择所需的驾驶模式；或者用户通过车辆上的中控主屏的虚拟或物理按钮，选择所需的驾驶模式，或者用户通过声控方式选择所需的驾驶模式。对于控制装置而言，可以接收用户的选择，并根据用户的选择确定当前的驾驶模式。

S20：获取第一传感器信息和第二传感器信息，其中，所述第一传感器信息为车辆中悬架系统的传感器所获取的信息，所述第二传感器信息为所述车辆中除所述悬架系统外，其他智能系统的传感器所获取的信息。

当车辆处于用户选择的任意一种预设的驾驶模式时，控制装置可获取第一传感器信息和第二传感器信息，其中，所述第一传感器信息为车辆中悬架系统的传感器所获取的信息，所述第二传感器信息为所述车辆中除所述悬架系统外，其他智能系统的传感器所获取的信息。

例如，车辆上的传感器包括但不局限于簧上加速度传感器、簧下加速度传感器、悬架高度传感器、转角传感器、油门开度传感器、车速传感器、侧向加速度传感器、制动踏板传感器、制动主缸压力传感器等传感器。同理，其他智能系统的传感器包括但不局限于包括但不限于激光雷达、毫米波雷达、声波雷达、前视摄像头、后视摄像头、环视摄像头等传感器。

S30：将所述第一传感器信息和第二传感器信息进行融合，以获取融合信息。

在获取到第一传感器信息以及第二传感器信息之后，对所述第一传感器信息和第二传感器信息进行融合，以获取融合信息。

S40：从云端服务器获取所述车辆的外部环境信息。

在本发明实施例中，除了获取悬架系统自带的传感器所获取的第一传感器信息，以及获取其他智能系统自带的传感器所获取的第二传感器信息之外，还从云端服务器获取车辆的外部环境信息。需要说明的是，该外部环境信息是表征车辆当前外部环境的一些信息，该云端服务器是预先配置的，用于实时收集车辆的外部环境信息的服务器，控制装置与云端服务器建立通信连接，并可以实时从云端服务器获取当前最新的外部环境信息。

需要说明的是，获取第一传感器信息、第二传感器信息，以及获取外部环境信息的过程中无时序限定关系，具体这里不做限定。

S50：将所述融合信息以及所述外部环境信息作为模型输入信息，并输入至所述当前的驾驶模式对应的第一神经网络模型中，以确定出用于控制悬架的第一决策指令。

本发明实施例预先训练有第一神经网络模型，且针对不同的驾驶模式，对应有不同的第一神经网络模型，该第一神经网络模型用于根据获取的融合信息以及外部环境信息进行控制决策的神经网络模型。在获取到融合信息以及外部环境信息之后，将融合信息以及外部环境信息作为模型输入信息，并输入至当前的驾驶模式对应的第一神经网络模型中。由于第一神经网络模型是经过大量训练数据训练得到的，用于根据融合信息和外部环境信息生成当前工况对应的决策指令的网络模型，因此，将所述融合信息以及所述外部环境信息作为模型输入信息，并输入至所述当前的驾驶模式对应的第一神经网络模型之后，通过该第一神经网络模型，可以确定出适合当前工况情况的第一决策指令，该第一决策指令用于控制悬架的刚度、高度和阻尼等系数。

S60：将所述第一决策指令发送至悬架系统执行机构，以使所述悬架系统执行机构根据所述第一决策指令对所述悬架进行控制。

如前述步骤所示，在经过第一神经网络模型得到合适的决策结果，也即确定出第一决策指令后，将第一决策指令发送至悬架系统执行机构，在悬架系统执行机构收到上述第一决策指令后，可根据第一决策指令对悬架进行控制，也即根据第一决策指令调整悬架的刚度、高度和阻尼等。

可见，在本发明实施例中，除了获取悬架系统自带的传感器信息外，还获取了除悬架系统外的其他只能控制系统的传感器的信息，丰富了传感器信息的输入，且会将所获取的所有传感器信息与车辆的外部环境信息行了融合，对车辆周围的相关信息感知度覆盖面较广，最后依据融合后的融合信息进行决策，丰富了后续做控制决策的参考信息，提升了决策能力，从而提高了对悬架控制系的控制决策的准确度。

在一实施例中，预设的驾驶模式包括运动模式(Sport模式)、舒适模式(Comfort模式)、自动模式(Auto模式)和享受模式(Enjoy模式)。

其中，需要说明的是，在上述驾驶模式中，也即在Auto模式、Sport模式、Comfort模式、Auto模式和Enjoy模式中，都有对应的驾驶风格，也即都会悬架系统、车身稳定系统和发动机控制系统等都有对应的控制机制，例如，对于Sport模式：油门、制动踏板变化速率会比较快，方向转动速率快等，对于Comfort模式，则与Sport相反，Auto模式和Enjoy模式也有对应的控制机制，这里不展开描述。本发明实施例中，对于任意一种驾驶模式下，都可以执行上述步骤S10-S50，不同的是，由于每个驾模式下预设有不同的第一神经网络模型，因此，在根据融合信息和外部环境信息得到的各个驾驶模式下的第一决策指令不同，使得各个驾驶模式有不同的控制机制，每个驾驶模式都会根据当前最新的工况做适应的调整，也即根据融合信息和外部环境信息作适应性调整，得到最优的决策结果。以悬架控制为例，各个驾驶模式区别在于悬架调节的区间和快慢有所区别。例如Sport模式是车辆悬架降低、变硬，在低和硬附件小范围调节，响应速度更加快。这样有利于提升车辆驾驶性。Comfort模式是下悬架高度适中，变软，在高度适中和悬架偏软这个小范围内进行调节，使得悬架的响应较平缓，这样有利于过滤掉路面激励，有利于提升车辆舒适性；自动模式下，悬架高度和软硬都全范围内调节，因调节范围大，响应速度较慢，但能最大限度兼顾驾驶性和舒适性。具体动态调整幅度要视车辆所处的工况和驾驶模式需求而定。可以看出，上述各个驾驶模式，都是为了适应用户的操作性需求而设定，操纵性需求是指驾驶员当前对车辆的操作比较频繁(例如车辆的制动踏板变化频繁、方向盘转动频繁、换挡切换频繁等)而产生的驾驶模式需求；舒适性需求是指驾驶员当前对车辆的操作不频繁(例如动踏板变化平稳、方向盘变化平稳、换挡杆切换不频繁等)而产生的驾驶模式需求。

也就是说，本发明实施例会根据驾驶模式、和融合信息、外部环境信息等判断当前工况、操作性需求，具体地，驾驶模式需求为操纵性需求时，提高悬架的刚度和阻尼，降低悬架的高度能够使得悬架变硬，使得车辆的重心降低，车辆能够更好的贴合地面，同时为驾驶员提供了足够的支撑力，提高车辆的操纵性。驾驶模式需求为舒适性需求时，降低悬架的刚度和阻尼，提高悬架的高度，能够使得悬架变软，在面对路面上的一些冲击(如减速带，石头等微小障碍物)时，能够起缓冲作用，使得驾驶员能够感受到车辆的平稳，以满足驾驶员舒适性需求。另外，在本实施例中，驾驶模式需求为舒适性需求时，悬架的刚度，阻尼和高度的调整范围要比驾驶模式需求为操纵性需求时的调整范围要大，因为在相同是时长内，调整范围大，则调整速度慢，满足驾驶员的舒适性需求。需要说明的是，这里所说的提高或降低都是相对于对悬架进行调整前而言的，在对悬架进行动态调整过程中，悬架调整的范围，相对于对悬架进行调整前来说，依旧是对应的提高或降低的。

在一实施例中，所述外部环境信息至少包括天气信息、交通信息和道路信息的其中一种。其中，天气信息是指反映当前车辆所在的区域的天气情况信息，例如是下雨天气、还是放晴天气、或是阴天等。交通信息是当前车辆所在的道路的交通情况信息，例如交通拥挤、还是交通顺畅等信息，而道路信息是指反映车辆所在的路面的相关信息，例如道路是凹凸不平还是平坦，还是有施工情况、路面有行人来往等情况。上述信息都是可以从云端服务器获取得到，可以理解，云端服务器可以实时获取天气预报官方提供的信息，从而获取到最新的天气信息，上述交通信息也可以从接入交通部门，从而获取到最新的交通信息，而对于道路信息，则可以是由前方车辆上传至云端服务器后，由本车辆获取到前方车辆所提供的道路信息。上述天气信息、交通信息和道路信息都可以为控制装置的控制决策做信息参考依据，从而提高决策的准确度。

在一实施例中，该控制方法还包括如下步骤：

当车辆处于享受模式时，实时获取驾驶员的动作信息、表情信息和车辆内的声音信息；

将驾驶员的动作信息、表情信息和车辆内的声音信息作为模型输入信息，并输入至第二神经网络模型中，以确定用于控制悬架的第二决策指令；

将第二决策指令发送至悬架系统执行机构，以使悬架系统执行机构根据第二决策指令对悬架进行控制。

其中，动作信息指的是驾驶员在车辆作出的具有指示意义的动作，例如手势动作、头部动作等，表情信息是指驾驶员的面部表情。车辆内的声音信息可以指的是车辆内播放的音乐、或驾驶员发出的声音，对于本发明实施例，提供了一种新的享受模式，在本发明实施提供的享受模式下，可以实时获取到上述动作信息、表情信息和车辆内的声音信息。需要说明的是，在实际应用中，可以在车辆内置图像采集装置，例如摄像头获取驾驶员的动作信息、以及用声音采集装置，例如麦克风获取到上述声音信息。

其中，第二神经网络模型是预先训练后的，用于根据上述动作信息、表情信息和声音信息得到适应的控制决策的神经网络模型，在获取到上述动作信息、表情信息和车辆内的声音信息，将驾驶员的动作信息、表情信息和车辆内的声音信息作为模型输入信息，并输入至第二神经网络模型中，以确定用于控制悬架的第二决策指令，并将第二决策指令发送至悬架系统执行机构，以使悬架系统执行机构根据第二决策指令对悬架进行控制。为了便于理解，下面简单举一些应用场景：

例如：当位于享受模式时，车内摄像头和麦克风监测驾驶员的动作信息和声音信息，如果驾驶员通过动作或声音表现出疲惫并且想休息了，那么控制装置可以生成第二决策指令，根据第二决策指令控制悬架的刚度、高度、使车身轻轻摆动，模拟摇篮，提供给驾驶员更好的睡眠环境，提升用户体验。具体地，检测声音信息对应的音量大小(分贝大小)，若声音信息对应的音量大小(分贝大小)超过预设阈值，且动作信息表征驾驶员正在处于休息状态时(如躺下，侧卧和/或闭眼等)，则确认所述驾驶员处于疲惫状态。

例如，如果检测车辆正在播放歌曲，且曲风趋向缓和、悠扬的时候，会趋向comfort模式，也即按照comfort模式的悬架控制机制对悬架进行调节。若当前曲风信息表征车辆当前播放的歌曲的风格为轻柔风格，则在预设范围内调悬架的高度，并使所述悬架的高度在预设调整幅度内波动，使得悬架的处于一种动态调整的状态。若曲风表征车辆当前播放的歌曲的风格为激昂风格，则在预设调整幅度内调整所述悬架的高度，并使所述悬架的高度在预设幅度内波动，使得悬架的处于一种动态调整的状态。其中，轻柔风格对应对悬架的预设幅度要比激昂风格的预设幅度要小一些，因为，在相同的时间段内，若预设调整幅度大，则调整速度快，给驾驶员的感觉较为剧烈，无法体现出轻柔的感觉。

另外值得注意的是，上述对悬架的控制并非定性调节，比如驾驶员播放激昂的音乐，悬架高度调节会随着音乐节拍不断变化；再如驾驶员希望休息了，悬架高度可能会缓慢轻柔的变换，制造睡在摇篮的感觉。Enjoy模式下，悬架高度的调节是主要部分，刚度和阻尼也配合悬架高度调节。

在一实施例中，该方法还包括如下步骤：

该第三神经网络模型用于根据获取的融合信息以及外部环境信息对其他智能控制系统进行控制决策的神经网络模型。在获取到融合信息以及外部环境信息之后，将融合信息以及外部环境信息作为模型输入信息，并输入至当前的驾驶模式对应的第三神经网络模型中。由于第三神经网络模型是经过大量训练数据训练得到的，用于根据融合信息和外部环境信息生成当前工况对应的决策指令的网络模型，因此，将所述融合信息以及所述外部环境信息作为模型输入信息，并输入至所述当前的驾驶模式对应的第三神经网络模型之后，通过该第三神经网络模型，可以确定出适合当前工况情况的第三决策指令，该第三决策指令用于其他控制系统，其他控制系统包括发动机控制系统、变速箱控制系统和车身稳定控制系统。从而使得其他控制系统根据第三决策执行第三决策指令。例如，发动机控制系统变激进\缓和，变速箱控制系统的换挡变激进\缓和，车身稳定控制系统干预变多\少等，第三神经网络模型会根据融合信息和外部环境信息得出最优的控制机制，也即利用第三决策指令进行相应的控制。

在一实施例中，所述将所述第一传感器信息和第二传感器信息进行融合，以获取融合信息，具体是指采用卡尔曼波融合算法对所述第一传感器信息和第二传感器信息进行融合，以获取所述融合信息。需要说明的是，除了采用卡尔曼波融合算法之外，还可以采用其他的信息融合算法，这里不做具体限定。

另外，在本实施例中，在获取到所述外部环境信息之后，车辆还需确认从云端服务器获取的外部环境信息是否正确地反应了车辆的外部环境情况，最后将校对完成的实时环境信息上传至云端服务器，以供所述车辆的其他车辆做决策参考。

另外，在该实施例中，悬架的刚度，阻尼和高度的调整幅度和调整速度是由工况信息确定的，例如，在相同的驾驶模式需求下，路面凹凸工况的调整幅度和调整速度要比路面平坦工况的调整幅度，路面越是凹凸不平，在相同时间段内，调整幅度越大，因为路面凹凸时的路面冲击力(激励)要比路面平坦的冲击力要大，较大的调整幅度和调整速度能够缓冲这些冲击力。

相对于现有技术中，只有运动模式和舒适模式，本实施例添加了自动模式和享受模式，悬架控制系统会根据驾驶模式需求和车辆所处的工况来对悬架进行自动调整，使得悬架的高度，刚度和阻尼的调整能够满足驾驶模式需求，也能够响应车辆所处的工况。该实施例对悬架调整的思路主要是在操纵性需求模式下，对悬架的调整更趋于运动模式，在舒适性需求模式下，对悬架的调整更趋于舒适模式。

另外需要说明的是，工况信息对应的悬架调整方式与驾驶模式需求对应的悬架调整方式发生冲突，则优先工况信息来调整悬架的高度，刚度和阻尼，例如，工况信息对应的悬架调整方式为提高悬架的高度，驾驶模式需求对应的悬架调整方式为降低悬架高度，则降低悬架的高度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种种控制装置，该种控制装置与上述实施例中控制方法一一对应。如图3所示，该控制装置10包括第一确定模块101、第一获取模块102、融合模块103、第二获取模块104、第二确定模块105和发送模块106。各功能模块详细说明如下：

第一确定模块101，用于根据用户的选择确定当前的驾驶模式；

第一获取模块102，用于获取第一传感器信息和第二传感器信息，其中，所述第一传感器信息为车辆中悬架系统的传感器所获取的信息，所述第二传感器信息为所述车辆中除所述悬架系统外，其他智能系统的传感器所获取的信息；

融合模块103，用于将所述第一传感器信息和第二传感器信息进行融合，以获取融合信息；

第二获取模块104，用于从云端服务器获取所述车辆的外部环境信息；

第二确定模块105，用于将所述融合信息以及所述外部环境信息作为模型输入信息，并输入至所述当前的驾驶模式对应的第一神经网络模型中，以确定出用于控制悬架的第一决策指令；

发送模块106，用于将所述第一决策指令发送至悬架系统执行机构，以使所述悬架系统执行机构根据所述第一决策指令对所述悬架进行控制。

可选地，所述方法还包括第三获取模块；

可选地，所述驾驶模式包括运动模式、舒适模式、自动模式和享受模式。

可选地，所述控制装置还包括第三获取模块；

可选地，所述第二确定模块，还用于将所述融合信息以及所述外部环境信息作为模型输入信息，输入至第三神经网络模型中，以确定出用于控制其他控制系统的第三决策指令，所述其他控制系统包括发动机控制系统、变速箱控制系统和车身稳定控制系统；

可选地，所述融合模块具体用于：

关于控制装置的具体限定可以参见上文中对于控制方法的限定，在此不再赘述。上述控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于实时存储所获取的各种信息，例如融合信息、外部环境信息等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种控制方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

根据用户的选择确定当前的驾驶模式；

从云端服务器获取所述车辆的外部环境信息；

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据用户的选择确定当前的驾驶模式；

从云端服务器获取所述车辆的外部环境信息；

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims

1.一种控制方法，其特征在于，包括：

确定当前的驾驶模式；

从云端服务器获取所述车辆的外部环境信息；

将所述第一决策指令发送至悬架系统执行机构，以使所述悬架系统执行机构根据所述第一决策指令对所述悬架进行控制；

当所述车辆处于享受模式时，实时获取驾驶员的动作信息、表情信息和所述车辆内的声音信息；

2.如权利要求1所述的控制方法，其特征在于，所述驾驶模式包括运动模式、舒适模式、自动模式和享受模式。

3.如权利要求1-2任一项所述的控制方法，其特征在于，所述方法还包括：

4.如权利要求1-2任意一项所述的控制方法，其特征在于，所述将所述第一传感器信息和第二传感器信息进行融合，以获取融合信息，包括：

5.如权利要求1-2任意一项所述的控制方法，其特征在于，所述外部环境信息至少包括天气信息、交通信息和道路信息的其中一种。

6.一种控制装置，其特征在于，包括：

第一确定模块，用于根据用户的选择确定当前的驾驶模式；

发送模块，用于将所述第一决策指令发送至悬架系统执行机构，以使所述悬架系统执行机构根据所述第一决策指令对所述悬架进行控制；

第三获取模块，用于当所述车辆处于享受模式时，实时获取驾驶员的动作信息、表情信息和所述车辆内的声音信息；

7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的控制方法。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的控制方法。