CN112487705A - 一种基于实时数据的矿车参数优化方法及系统 - Google Patents
一种基于实时数据的矿车参数优化方法及系统 Download PDFInfo
- Publication number
- CN112487705A CN112487705A CN202011265638.XA CN202011265638A CN112487705A CN 112487705 A CN112487705 A CN 112487705A CN 202011265638 A CN202011265638 A CN 202011265638A CN 112487705 A CN112487705 A CN 112487705A
- Authority
- CN
- China
- Prior art keywords
- parameters
- mine car
- related data
- steering
- tire
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 64
- 238000005065 mining Methods 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 16
- 239000000725 suspension Substances 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 description 13
- 238000004088 simulation Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000005094 computer simulation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/02—Tyres
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/06—Steering behaviour; Rolling behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本申请提供了一种基于实时数据的矿车参数优化方法及其系统,根据矿车运行过程中的轮胎相关数据实时调整轮胎参数,根据矿车运行过程中的转向相关数据实时调整转向参数,根据矿车运行过程中的制动相关数据实时调整制动参数;利用矿车运行过程中的实时数据实时调整轮胎参数、转向参数和制动参数,可以提高调整依据的相关数据的准确性,从而提高调整的精度和适应性。
Description
技术领域
本申请涉及无人矿车技术领域,具体涉及一种基于实时数据的矿车参数优化方法及其系统。
背景技术
近年来,自动驾驶技术发展迅速,无人矿区作为自动驾驶落地场景之一,矿区也正在实现数字化、智慧化和自动化。当前,全球各大车企正在研究用仿真测试里程来取代一部分实际路测里程,自动驾驶测试90%通过模拟仿真平台完成,9%通过测试场完成,1%通过实际道路测试完成。线上的模拟仿真测试已经成为加速自动驾驶技术研发和测试落地的重要手段,自动驾驶系统计算机仿真是自动驾驶车辆测试和试验的基础关键技术,仿真虚拟测试的根本是保证车辆安全上路,采用计算机仿真方法测试自动驾驶车辆安全性。
作为仿真器的重要组成之一,车辆模型的准确与否对仿真结果的准确性有很大影响。矿用车辆是在非公路的野外场地,如大型露天矿、水利工程中,用于运输煤矿、沙石的车辆,矿用车辆的特点是:吨位大、消耗低、技术含量高、价格昂贵,为保证车辆操纵和行驶稳定性,通常需要建立精确可用的矿用车模型。
轮胎是汽车与路面保持直接接触的惟一部件,是汽车系统最具有代表性的非线性部件,作为汽车与路面的支撑和传递单元,轮胎的力学特性直接影响到汽车的操纵稳定性、制动安全性和行驶平顺性等,并且其计算精度很大程度上取决与轮胎力数学模型的精度。矿用卡车液压转向系统延迟参数、制动器延迟参数、悬架参数等同样会影响车辆的动力学响应及仿真数值解的准确性。
矿用卡车模型参数可以通过实车试验进行获取,但试验需要高昂的人力和金钱成本,同时,测得的参数也局限于某些特定的工况,而且,伴随着车辆的使用时间增加,车辆的参数也会发生相应的变化。
发明内容
为了解决上述技术问题,本申请的实施例提供了一种基于实时数据的矿车参数优化方法及其系统,根据矿车运行过程中的轮胎相关数据实时调整轮胎参数,根据矿车运行过程中的转向相关数据实时调整转向参数,根据矿车运行过程中的制动相关数据实时调整制动参数;利用矿车运行过程中的实时数据实时调整轮胎参数、转向参数和制动参数,可以提高调整依据的相关数据的准确性,从而提高调整的精度和适应性。
根据本发明是一方面,本申请提供了一种基于实时数据的矿车参数优化方法,包括:根据矿车运行过程中的轮胎相关数据实时调整轮胎参数;根据矿车运行过程中的转向相关数据实时调整转向参数;以及根据矿车运行过程中的制动相关数据实时调整制动参数。
在一实施例中,所述根据矿车运行过程中的轮胎相关数据实时调整轮胎参数包括:获取矿车运行过程中的轮胎相关数据;其中所述轮胎相关数据包括侧向加速度、横摆角速度、横摆角加速度和质心侧偏角;根据所述轮胎相关数据,计算轮胎的侧偏角和侧偏力;以及根据所述侧偏角和所述侧偏力,实时调整所述轮胎参数。
在一实施例中,所述根据所述侧偏角和所述侧偏力,实时调整所述轮胎参数包括:基于魔术轮胎公式和根据所述侧偏角、所述侧偏力,实时调整所述轮胎参数。
在一实施例中,所述实时调整所述轮胎参数包括:采用递归最小二乘法实时调整所述轮胎参数。
在一实施例中,所述根据矿车运行过程中的转向相关数据实时调整转向参数包括:获取矿车运行过程中的转向相关数据;其中所述转向相关数据包括当前车速、载荷、方向盘转角量;以及根据所述转向相关数据,得到所述转向参数;其中所述转向参数包括转向系统延迟量。
在一实施例中,所述根据所述转向相关数据,得到所述转向参数包括:将所述转向相关数据输入第一神经网络模型,得到所述转向参数。
在一实施例中,所述根据矿车运行过程中的制动相关数据实时调整制动参数包括:获取矿车运行过程中的制动相关数据;其中所述制动相关数据包括当前车速、载荷、减速度;以及根据所述制动相关数据,得到所述制动参数。
在一实施例中,所述根据所述制动相关数据,得到所述制动参数包括:将所述制动相关数据输入第二神经网络模型,得到所述制动参数。
在一实施例中,所述矿车参数优化方法还包括:根据矿车运行过程中的悬架相关数据实时调整悬架参数。
根据本发明是另一方面,本申请提供了一种基于实时数据的矿车参数优化系统,包括:轮胎参数优化模块,用于根据矿车运行过程中的轮胎相关数据实时调整轮胎参数;转向参数优化模块,用于根据矿车运行过程中的转向相关数据实时调整转向参数;以及制动参数优化模块,用于根据矿车运行过程中的制动相关数据实时调整制动参数。
本申请的实施例提供了一种基于实时数据的矿车参数优化方法及其系统,根据矿车运行过程中的轮胎相关数据实时调整轮胎参数,根据矿车运行过程中的转向相关数据实时调整转向参数,根据矿车运行过程中的制动相关数据实时调整制动参数;利用矿车运行过程中的实时数据实时调整轮胎参数、转向参数和制动参数,可以提高调整依据的相关数据的准确性,从而提高调整的精度和适应性。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本申请一示例性实施例提供的一种基于实时数据的矿车参数优化方法流程图。
图2是本申请一示例性实施例提供的一种轮胎参数调整方法流程图。
图3是本申请一示例性实施例提供的一种转向参数调整方法流程图。
图4是本申请一示例性实施例提供的一种制动参数调整方法流程图。
图5是本申请另一示例性实施例提供的一种基于实时数据的矿车参数优化方法流程图。
图6是本申请一示例性实施例提供的一种基于实时数据的矿车参数优化系统结构示意图。
图7是本申请另一示例性实施例提供的一种基于实时数据的矿车参数优化系统结构示意图。
图8是本申请一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
由于自动驾驶系统计算机仿真是自动驾驶车辆测试和试验的基础关键技术,仿真虚拟测试的根本是保证车辆安全上路,采用计算机仿真方法测试自动驾驶车辆安全性。
作为仿真器的重要组成之一,车辆模型的准确与否对仿真结果的准确性有很大影响,矿用车辆是在非公路的野外场地,如大型露天矿、水利工程中,用于运输煤矿、沙石的车辆,矿用车辆的特点是:吨位大、消耗低、技术含量高、价格昂贵,为保证车辆操纵和行驶稳定性,通常需要建立精确可用的矿用车模型。
为实现矿区的数字化、智慧化和自动化需求,本申请提出了一种基于实时数据的矿车参数优化方法及其系统,依靠车辆工作时获取的实时动态数据信息,对矿用卡车的模型参数进行不断的优化。具体的,根据矿车运行过程中的轮胎相关数据实时调整轮胎参数,根据矿车运行过程中的转向相关数据实时调整转向参数,根据矿车运行过程中的制动相关数据实时调整制动参数;利用矿车运行过程中的实时数据实时调整轮胎参数、转向参数和制动参数,可以提高调整依据的相关数据的准确性,从而提高调整的精度和适应性。
在介绍了本申请的基本原理之后,下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性方法
图1是本申请一示例性实施例提供的一种基于实时数据的矿车参数优化方法流程图。如图1所示,该基于实时数据的矿车参数优化方法包括如下步骤:
步骤110:根据矿车运行过程中的轮胎相关数据实时调整轮胎参数。
通过矿用卡车(简称矿车)运行过程中实际的轮胎相关数据对轮胎参数进行实时的调整,可以充分利用矿车工作时的数据的有效性和实时性,对轮胎参数进行在线估计,从而优化轮胎参数,提高仿真系统的准确性。
步骤120:根据矿车运行过程中的转向相关数据实时调整转向参数。
通过矿车运行过程中实际的转向相关数据对转向参数进行实时的调整,可以充分利用矿车工作时的数据的有效性和实时性,对转向参数进行在线估计,从而优化转向参数,提高仿真系统的准确性。
步骤130:根据矿车运行过程中的制动相关数据实时调整制动参数。
通过矿车运行过程中实际的制动相关数据对制动参数进行实时的调整,可以充分利用矿车工作时的数据的有效性和实时性,对制动参数进行在线估计,从而优化制动参数,提高仿真系统的准确性。
本申请的实施例提供了一种基于实时数据的矿车参数优化方法,根据矿车运行过程中的轮胎相关数据实时调整轮胎参数,根据矿车运行过程中的转向相关数据实时调整转向参数,根据矿车运行过程中的制动相关数据实时调整制动参数;利用矿车运行过程中的实时数据实时调整轮胎参数、转向参数和制动参数,可以提高调整依据的相关数据的准确性,从而提高调整的精度和适应性。
图2是本申请一示例性实施例提供的一种轮胎参数调整方法流程图。如图2所示,上述步骤110可以包括如下步骤:
步骤111:获取矿车运行过程中的轮胎相关数据。其中轮胎相关数据包括侧向加速度、横摆角速度、横摆角加速度和质心侧偏角等。
步骤112:根据轮胎相关数据,计算轮胎的侧偏角和侧偏力。
步骤113:根据侧偏角和侧偏力,实时调整轮胎参数。
在获取了矿车运行过程中的轮胎相关数据后,根据这些轮胎相关数据实时计算轮胎的侧偏角和侧偏力。具体的计算公式可以是:
其中:m为整车质量,ay为侧向加速度,Ty为轮胎侧向力,αfL,αfR,αrL,αrR为前轴左侧轮胎、前轴右侧轮胎、后轴左侧轮胎、后轴右侧轮胎侧偏角,f(·)为魔术轮胎公式函数,δf为方向盘转角,β为质心侧偏角,vx、vy为车辆纵向、横向速度, 分别为前轴左侧轮胎、前轴右侧轮胎、后轴左侧轮胎、后轴右侧轮胎受到的侧向力,J为车辆转动惯量,为车辆横摆角加速度,为车辆横摆角速度,lf、lr分别质心到车辆前轴、后轴距离。
在计算得到侧偏角和侧偏力后,根据侧偏角和侧偏力实时调整轮胎参数。在一实施例中,上述步骤113的具体实现方式可以是:基于魔术轮胎公式和根据侧偏角、侧偏力,实时调整轮胎参数。
魔术轮胎公式是用三角函数的组合公式拟合实验轮胎数据,用一套形式相同的公式就能完整的表达纵向力、侧向力、回正力矩以及纵向力、侧向力联合作用的工况。该魔术轮胎公式具体为:
其中:D为峰值因子,B为刚度因子,C为曲线形状因子,E为曲线曲率因子,SV为曲线垂直方向漂移系数。
并且通过下述公式来实时计算并调整轮胎参数:
SH=pH1+pH2fz+pH3γ;
SV=Q[(pV1+pV2fz)+(pV3+pV4fz)γ];
C=pC1;
μ=(pD1+pD2fz)(1-pD3γ2);
D=μQ;
θ=[pH1,pH2,pH3,pV1,pV2,pV3,pV4,pC1,pD1,pD2,pD3,pE1,pE2,pE3,pE4,pK1,pK2,pK3]T
在一实施例中,实时调整轮胎参数的具体实现方式可以是:采用递归最小二乘法实时调整轮胎参数。具体的,可以包括如下公式:
Pk=(I-KkHk)Pk-1;
图3是本申请一示例性实施例提供的一种转向参数调整方法流程图。如图3所示,上述步骤120可以包括如下步骤:
步骤121:获取矿车运行过程中的转向相关数据。其中转向相关数据包括当前车速、载荷、方向盘转角量。
步骤122:根据转向相关数据,得到转向参数。其中转向参数包括转向系统延迟量。
在获取了矿车运行过程中的转向相关数据后,根据这些转向相关数据实时得到转向参数,计算得到转向参数并进行调整。
在一实施例中,上述步骤122的具体实现方式可以是:将转向相关数据输入第一神经网络模型,得到转向参数。通过训练第一神经网络模型后,将转向相关数据(当前车速、载荷、方向盘转角量)输入训练好的第一神经网络模型,输出得到转向系统的延迟量,从而可以根据该转向系统的延迟量对转向系统进行修正,以提高转向的准确性和及时性,从而保证了转向的安全和行车安全。在一实施例中,第一神经网络模型的训练方式可以是:将转向相关数据和对应实测的转向系统的延迟量作为训练样本输入第一神经网络模型进行训练。
图4是本申请一示例性实施例提供的一种制动参数调整方法流程图。如图4所示,上述步骤130可以包括如下步骤:
步骤131:获取矿车运行过程中的制动相关数据。其中制动相关数据包括当前车速、载荷、减速度。
步骤132:根据制动相关数据,得到制动参数。
在获取了矿车运行过程中的制动相关数据后,根据这些制动相关数据实时得到制动参数,计算得到制动参数并进行调整。
在一实施例中,上述步骤132的具体实现方式可以是:将制动相关数据输入第二神经网络模型,得到制动参数。
通过训练第二神经网络模型后,将制动相关数据(当前车速、载荷、减速度)输入训练好的第二神经网络模型,输出得到制动系统的延迟量,从而可以根据该制动系统的延迟量对制动系统进行修正,以提高制动系统的准确性和及时性,从而保证了制动的安全和行车安全。在一实施例中,第二神经网络模型的训练方式可以是:将制动相关数据和对应实测的制动系统的延迟量作为训练样本输入第二神经网络模型进行训练。
图5是本申请另一示例性实施例提供的一种基于实时数据的矿车参数优化方法流程图。如图5所示,上述矿车参数优化方法还可以包括:
步骤140:根据矿车运行过程中的悬架相关数据实时调整悬架参数。
在获取了矿车运行过程中的悬架相关数据后,根据这些悬架相关数据实时得到悬架参数,计算得到悬架参数并进行调整。考虑到悬架参数在车辆运行过程中的变化量较小,因此,可以在通过固定时长对悬架参数进行修正,以降低系统的复杂性。
示例性系统
图6是本申请一示例性实施例提供的一种基于实时数据的矿车参数优化系统结构示意图。如图6所示,该矿车参数优化系统600包括:轮胎参数优化模块610,用于根据矿车运行过程中的轮胎相关数据实时调整轮胎参数;转向参数优化模块620,用于根据矿车运行过程中的转向相关数据实时调整转向参数;以及制动参数优化模块630,用于根据矿车运行过程中的制动相关数据实时调整制动参数。
本申请的实施例提供了一种基于实时数据的矿车参数优化系统,轮胎参数优化模块610根据矿车运行过程中的轮胎相关数据实时调整轮胎参数,转向参数优化模块620根据矿车运行过程中的转向相关数据实时调整转向参数,制动参数优化模块630根据矿车运行过程中的制动相关数据实时调整制动参数;利用矿车运行过程中的实时数据实时调整轮胎参数、转向参数和制动参数,可以提高调整依据的相关数据的准确性,从而提高调整的精度和适应性。
图7是本申请另一示例性实施例提供的一种基于实时数据的矿车参数优化系统结构示意图。如图7所示,轮胎参数优化模块610可以包括:第一获取单元611,用于获取矿车运行过程中的轮胎相关数据,其中轮胎相关数据包括侧向加速度、横摆角速度、横摆角加速度和质心侧偏角等;计算单元612,用于根据轮胎相关数据,计算轮胎的侧偏角和侧偏力;第一调整单元613,用于根据侧偏角和侧偏力,实时调整轮胎参数。
在一实施例中,第一调整单元613可以进一步配置为:基于魔术轮胎公式和根据侧偏角、侧偏力,实时调整轮胎参数。在进一步的实施例中,第一调整单元613可以进一步配置为:采用递归最小二乘法实时调整轮胎参数。
在一实施例中,如图7所示,转向参数优化模块620可以包括:第二获取单元621,用于获取矿车运行过程中的转向相关数据,其中转向相关数据包括当前车速、载荷、方向盘转角量;第二调整单元622,用于根据转向相关数据,得到转向参数,其中转向参数包括转向系统延迟量。
在一实施例中,第二调整单元622可以进一步配置为:将转向相关数据输入第一神经网络模型,得到转向参数。
在一实施例中,如图7所示,制动参数优化模块630可以包括:第三获取单元631,用于获取矿车运行过程中的制动相关数据,其中制动相关数据包括当前车速、载荷、减速度;第三调整单元632,用于根据制动相关数据,得到制动参数。
在一实施例中,第三调整单元632可以进一步配置为:将制动相关数据输入第二神经网络模型,得到制动参数。
在一实施例中,如图7所示,矿车参数优化系统600可以进一步包括:悬架参数优化模块640,用于根据矿车运行过程中的悬架相关数据实时调整悬架参数。
示例性电子设备
下面,参考图8来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
图8图示了根据本公开实施例的电子设备的框图。
如图8所示,电子设备20包括一个或多个处理器21和存储器22。
处理器21可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备20中的其他组件以执行期望的功能。
存储器22可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器21可以运行所述程序指令,以实现上文所述的本公开的各个实施例的矿车参数优化方法。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备20还可以包括:输入装置23和输出装置24,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如,在该电子设备是第一设备或第二设备时,该输入装置23可以是传感器,用于获取运动状态信息的输入信号。在该电子设备是单机设备时,该输入装置23可以是通信网络连接器,用于从第一设备和第二设备接收所采集的输入信号。
此外,该输入设备23还可以包括例如键盘、鼠标等等。
该输出装置24可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出设备24可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图8中仅示出了该电子设备20中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备20还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述系统以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性系统”部分中描述的根据本申请各种实施例的矿车参数优化方法。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性系统”部分中描述的根据本申请各种实施例的矿车参数优化方法。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的系统中,各部件是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种基于实时数据的矿车参数优化方法,其特征在于,包括:
根据矿车运行过程中的轮胎相关数据实时调整轮胎参数;
根据矿车运行过程中的转向相关数据实时调整转向参数;以及
根据矿车运行过程中的制动相关数据实时调整制动参数。
2.根据权利要求1所述的矿车参数优化方法,其特征在于,所述根据矿车运行过程中的轮胎相关数据实时调整轮胎参数包括:
获取矿车运行过程中的轮胎相关数据;其中所述轮胎相关数据包括侧向加速度、横摆角速度、横摆角加速度和质心侧偏角;
根据所述轮胎相关数据,计算轮胎的侧偏角和侧偏力;以及
根据所述侧偏角和所述侧偏力,实时调整所述轮胎参数。
3.根据权利要求2所述的矿车参数优化方法,其特征在于,所述根据所述侧偏角和所述侧偏力,实时调整所述轮胎参数包括:
基于魔术轮胎公式和根据所述侧偏角、所述侧偏力,实时调整所述轮胎参数。
4.根据权利要求3所述的矿车参数优化方法,其特征在于,所述实时调整所述轮胎参数包括:
采用递归最小二乘法实时调整所述轮胎参数。
5.根据权利要求1所述的矿车参数优化方法,其特征在于,所述根据矿车运行过程中的转向相关数据实时调整转向参数包括:
获取矿车运行过程中的转向相关数据;其中所述转向相关数据包括当前车速、载荷、方向盘转角量;以及
根据所述转向相关数据,得到所述转向参数;其中所述转向参数包括转向系统延迟量。
6.根据权利要求5所述的矿车参数优化方法,其特征在于,所述根据所述转向相关数据,得到所述转向参数包括:
将所述转向相关数据输入第一神经网络模型,得到所述转向参数。
7.根据权利要求1所述的矿车参数优化方法,其特征在于,所述根据矿车运行过程中的制动相关数据实时调整制动参数包括:
获取矿车运行过程中的制动相关数据;其中所述制动相关数据包括当前车速、载荷、减速度;以及
根据所述制动相关数据,得到所述制动参数。
8.根据权利要求7所述的矿车参数优化方法,其特征在于,所述根据所述制动相关数据,得到所述制动参数包括:
将所述制动相关数据输入第二神经网络模型,得到所述制动参数。
9.根据权利要求1所述的矿车参数优化方法,其特征在于,还包括:
根据矿车运行过程中的悬架相关数据实时调整悬架参数。
10.一种基于实时数据的矿车参数优化系统,其特征在于,包括:
轮胎参数优化模块,用于根据矿车运行过程中的轮胎相关数据实时调整轮胎参数;
转向参数优化模块,用于根据矿车运行过程中的转向相关数据实时调整转向参数;以及
制动参数优化模块,用于根据矿车运行过程中的制动相关数据实时调整制动参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011265638.XA CN112487705A (zh) | 2020-11-12 | 2020-11-12 | 一种基于实时数据的矿车参数优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011265638.XA CN112487705A (zh) | 2020-11-12 | 2020-11-12 | 一种基于实时数据的矿车参数优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112487705A true CN112487705A (zh) | 2021-03-12 |
Family
ID=74930021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011265638.XA Pending CN112487705A (zh) | 2020-11-12 | 2020-11-12 | 一种基于实时数据的矿车参数优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487705A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5961564A (en) * | 1997-05-07 | 1999-10-05 | Westinghouse Air Brake Company | Wheel slip control parameter variation process |
CN101032959A (zh) * | 2006-03-10 | 2007-09-12 | 日产自动车株式会社 | 车辆的制动装置 |
CN102452391A (zh) * | 2010-10-29 | 2012-05-16 | 株式会社爱德克斯 | 车辆动作控制装置以及车辆动作控制方法 |
CN103407342A (zh) * | 2013-08-26 | 2013-11-27 | 江苏大学 | 一种车辆横向动力学模糊混沌控制系统及其控制方法 |
CN104077459A (zh) * | 2014-07-17 | 2014-10-01 | 中国汽车工程研究院股份有限公司 | 一种基于悬架kc特性的汽车底盘操稳性能分析模型 |
CN105946491A (zh) * | 2016-06-21 | 2016-09-21 | 上汽通用汽车有限公司 | 一种车辆悬架参数的确定方法 |
CN108099900A (zh) * | 2017-12-18 | 2018-06-01 | 长春工业大学 | 一种极限工况下保持汽车横向稳定的四轮转向控制方法 |
CN109697915A (zh) * | 2017-10-20 | 2019-04-30 | 福特全球技术公司 | 车辆和车辆仿真器 |
CN110395120A (zh) * | 2019-08-14 | 2019-11-01 | 厦门金龙联合汽车工业有限公司 | 一种四轮分布式驱动客车的横摆运动控制方法 |
-
2020
- 2020-11-12 CN CN202011265638.XA patent/CN112487705A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5961564A (en) * | 1997-05-07 | 1999-10-05 | Westinghouse Air Brake Company | Wheel slip control parameter variation process |
CN101032959A (zh) * | 2006-03-10 | 2007-09-12 | 日产自动车株式会社 | 车辆的制动装置 |
CN102452391A (zh) * | 2010-10-29 | 2012-05-16 | 株式会社爱德克斯 | 车辆动作控制装置以及车辆动作控制方法 |
CN103407342A (zh) * | 2013-08-26 | 2013-11-27 | 江苏大学 | 一种车辆横向动力学模糊混沌控制系统及其控制方法 |
CN104077459A (zh) * | 2014-07-17 | 2014-10-01 | 中国汽车工程研究院股份有限公司 | 一种基于悬架kc特性的汽车底盘操稳性能分析模型 |
CN105946491A (zh) * | 2016-06-21 | 2016-09-21 | 上汽通用汽车有限公司 | 一种车辆悬架参数的确定方法 |
CN109697915A (zh) * | 2017-10-20 | 2019-04-30 | 福特全球技术公司 | 车辆和车辆仿真器 |
CN108099900A (zh) * | 2017-12-18 | 2018-06-01 | 长春工业大学 | 一种极限工况下保持汽车横向稳定的四轮转向控制方法 |
CN110395120A (zh) * | 2019-08-14 | 2019-11-01 | 厦门金龙联合汽车工业有限公司 | 一种四轮分布式驱动客车的横摆运动控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6658342B1 (en) | Vehicle stability control | |
Lutz et al. | Simulation methods supporting homologation of Electronic Stability Control in vehicle variants | |
US20210171050A1 (en) | System for evaluating vehicle performance | |
CN106004873A (zh) | 一种基于v2x车联网的汽车弯道避撞与稳定性系统协调控制方法 | |
CN101405176A (zh) | 对驾驶方式敏感的车辆子系统控制方法和装置 | |
CN103279675B (zh) | 轮胎-路面附着系数与轮胎侧偏角的估计方法 | |
CN113822593B (zh) | 一种安全态势评估方法、装置、存储介质及电子设备 | |
CN113009829B (zh) | 一种智能网联车队纵横向耦合控制方法 | |
CN113561972B (zh) | 一种避障控制方法、装置、车辆和存储介质 | |
CN113696890B (zh) | 车道保持方法、装置、设备、介质及系统 | |
Chatzikomis et al. | A path-following driver model with longitudinal and lateral control of vehicle’s motion | |
CN114212104A (zh) | 车辆控制方法、装置、车辆和存储介质 | |
Liu et al. | Vehicle state estimation based on adaptive fading unscented kalman filter | |
CN112487705A (zh) | 一种基于实时数据的矿车参数优化方法及系统 | |
CN111994085A (zh) | 复杂路况下车辆行驶稳定区域的估计方法 | |
Macklin et al. | Comparing static and dynamic testing techniques for the crosswind sensitivity of road vehicles | |
CN110442927B (zh) | 一种转向盘转角确定方法、装置、设备及存储介质 | |
CN115406669A (zh) | 一种多轴特种车辆侧翻指标优化方法 | |
Jacobson et al. | An open assessment tool for performance based standards of long combination vehicles | |
CN112389450A (zh) | 一种基于板簧形变的罐车整车质量动态估计方法 | |
SE539434C2 (en) | Method and system for facilitating steering of a vehicle while driving along a road | |
Nanthakumar et al. | Development of mathematical model for real time estimation and comparison of individual lateral tire force generation | |
Ye et al. | Estimation of tire-road friction coefficient with adaptive tire stiffness based on RC-SCKF | |
US20240101148A1 (en) | Method for deriving a library of vehicle dynamic implementation models | |
WO2023123176A1 (zh) | 一种车辆控制方法、车辆控制装置以及控制系统 |
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 | ||
CB02 | Change of applicant information |
Address after: 100190 204-205, 2nd floor, building 51, 63 Zhichun Road, Haidian District, Beijing Applicant after: Zhongke Huituo (Beijing) Technology Co.,Ltd. Address before: 100190 204-205, 2nd floor, building 51, 63 Zhichun Road, Haidian District, Beijing Applicant before: Beijing huituo infinite Technology Co.,Ltd. |
|
CB02 | Change of applicant information |