CN112578683B - 一种优化的汽车辅助驾驶控制器在环仿真测试方法 - Google Patents

Abstract

本发明是一种优化的汽车辅助驾驶控制器在环仿真测试方法，步骤包括：特性数据采集、场景模型仿真、探测特性模拟、驾控数据处理。特性数据采集阶段，采集探测特性数据和执行特性数据，建立实车特性数据库。场景模型仿真阶段，利用传感器模型、车辆模型和行车环境模型等仿真软件进行实车行车场景模型仿真。探测特性模拟阶段，对感知探测时滞、车道线识别误差、障碍物目标识别误差、感知部件故障参数等探测特性数据进行模拟分析。驾控数据处理阶段，进行辅助驾驶控制器数据处理或者自动驾驶控制器数据处理；对执行部件响应时滞、执行部件响应误差、执行部件故障参数进行分析和模拟。本发明具有检测方便、数据可靠、自动化程度高和适用范围广的优点。

Description

一种优化的汽车辅助驾驶控制器在环仿真测试方法

技术领域

本发明是用于机动车检测技术领域的一种优化的汽车辅助驾驶控制器在环仿真测试方法。

背景技术

中国专利公开CN105579320A提出了一种用于优化驾驶员辅助系统的方法和设备，该方法利用车辆参数函数、环境参数函数的优化改进驾驶员辅助系统，其缺陷是：没有考虑系统的应答响应误差，也没有涉及系统的感知探测误差。

发明内容

本发明的目的是要提供一种优化的汽车辅助驾驶控制器在环仿真测试方法，它能够有效地解决系统的应答响应误差，可靠地防止感知部件的识别故障，极大地完善对汽车辅助驾驶控制器的功能和性能检测。

本发明的技术方案是：设计一种优化的汽车辅助驾驶控制器在环仿真测试方法，包括四个步骤：特性数据采集、场景模型仿真、探测特性模拟、驾控数据处理。

特性数据采集阶段，采集目的：建立实车特性数据库，为探测特性模拟和执行特性模拟准备数据，通过车辆专项测试和道路试验积累；采集内容：涉及探测特征数据采集、执行特性数据采集；探测特征数据采集包括：感知受测对象的目标真值和实测数值，以及本车及相关数据：环境照度、速度、加速度、转向角度、转向角速度、横摆角速度、俯仰角、横滚角；执行特性数据采集包括：目标指令数值、对应响应时滞和响应误差，以及同步记录的本车数据：车辆总质量、载荷分配状态、车速、横滚角、俯仰角、执行器累计工作时长。

场景模型仿真阶段，利用传感器模型仿真软件、车辆模型仿真软件和行车环境模型仿真软件，在实车行车场景进行模型仿真，并利用视频暗箱和雷达回波模拟暗箱作场景仿真台架。

探测特性模拟阶段，进行感知探测时滞模拟、车道线识别误差模拟、障碍物目标识别误差模拟、感知部件故障参数模拟。

车道线识别误差模拟时，智能摄像头识别车道线，然后拟合成三阶的曲线，或者二阶曲线，左侧车道线与纵向距离关系是：yl=a3*xl^3+a2*xl^2+a1*xl+a0，右侧车道线与纵向距离关系是：yr=b3*xr^3+b2*xr^2+b1*xr+b0，其中a0是摄像头安装位置距离左侧车道线横向距离，b0是摄像头安装位置距离右侧车道线横向距离。

障碍物目标识别误差模拟时，智能摄像头识别障碍物目标的信息至少包括纵向相对距离、横向相对距离、目标宽度、目标类型、目标所在车道，毫米波雷达识别障碍物目标的信息至少包括相对直线距离、相对角度、相对速度。

感知部件故障参数模拟时，智能摄像头常见故障包括：在系统上电前和正常工作后模拟摄像头被部分遮挡、完全遮挡，智能摄像头输出报文出现延时、输出报文延时超过智能摄像头或者控制故障诊断模块设计最大允许阈值、报文中出现错误帧，毫米波常见故障包括：识别结果输出报文出现延时、输出报文延时超过毫米波或者控制故障诊断模块设计最大允许阈值、报文中出现错误帧、识别目标数据超出设计的正常范围，整车信号报文超时、或者整车信号报文出现错误帧，关键车辆信号数据异常包括：车速信号超出正常范围、车速信号突变、制动减速度超出正常范围、制动踏板开度超出正常范围。

驾控数据处理阶段，包括驾控数据处理与执行，进行辅助驾驶控制器数据处理，或者进行自动驾驶控制器数据处理，进行执行部件响应时滞模拟分析、执行部件响应误差模拟分析、执行部件故障参数模拟分析。

执行部件响应时滞模拟分析时，执行部件包括线控转向机、电控制动的响应时滞，执行部件接收到指令到开始执行指令的时间差、开始执行指令到达到执行指令目标数字的过程时间，仿真场景中设置固定的时滞时间，与实车动态变化的特性不符，整车设计对执行器的要求是执行部件从接收到指令到开始执行时滞不能大于200ms,控制器在设计过程中的故障诊断模块设计阈值在此基础上增加适当的时间，即当这个开始作用时滞超过阈值T_exe时，控制器会诊断执行部件失效，测试时，选择100ms、200ms、（T_exe+200）/2、T_exe+50ms、T_exe+100ms几个值进行测试。

执行部件响应误差模拟分析时，仿真环境中，执行部件接收到目标指令后，稳定而理想地响应到目标指令需求值，实车中，响应指令和目标指令中会存在一个动态的误差，在仿真测试时通过输入相关参数，包括：本车车速、载荷分配状态、目标指令数值、目标指令触发时刻、横滚角、俯仰角、执行器、使用时长参数，进入执行特性数据库中查找，或者计算得到对应的响应误差，以模拟实车执行部件响应误差，包括：转向机的角度指令响应误差、实际转向角速度与目标转向角度的角度误差、实际转向扭矩与目标扭矩的扭矩误差、转向机自主退出自动转向模式的执行误差、电控制动系统的实际制动减速与目标的制动减速的指令响应误差、实际制动压力与目标制动压力的压力误差、自主退出自动制动模式的执行误差。

执行部件故障参数模拟分析时，执行部件相关传感器数据异常模拟放在控制器输入端，包括：如角度传感器数据超出正常范围、扭矩传感器数据超出正常范围、报文超时、报文错误帧、执行器自动退出自动控制模式，执行部件响应故障模拟放在控制器输出端，即车辆模型输入端，让实际转向角度与目标角度相差较大值且保持一段时间，以模拟实车中转向机失效，相差数值和持续时间根据控制器故障诊断模块设计阈值确定，让制动减速度与目标减速度相差较大值且保持一段时间，以模拟实车中制动失效，其相差数值和持续时间根据控制器故障诊断模块的设计阈值来确定。

本发明的有益技术效果是：由于在场景模型仿真阶段，利用传感器模型仿真软件、车辆模型仿真软件和行车环境模型仿真软件进行实车行车场景进行模型仿真，因而可以模拟实车行驶环境中的感知部件识别误差和故障参数。同时由于在驾控处理与执行阶段，进行执行部件响应时滞、执行部件响应误差、执行部件故障参数进行数据分析和模拟，因而可以实现对智能驾驶控制器进行完整功能和性能测试。本发明还具有检测方便、数据可靠、自动化程度高和适用范围广的优点。

附图说明

图1是测试流程图；图2是测试场景示意图；图3中是以车道线曲线参数a0表示的感知特性参数图。

图中，OXY摄像头光感单元坐标系，O点为摄像头光感单元的原点，X轴为摄像头光感单元的前向垂直轴，Y轴为摄像头光感单元的左向水平轴。yl=a3*xl^3+a2*xl^2+a1*xl+a0为左侧车道线与纵向距离关系式，yr=b3*xr^3+b2*xr^2+b1*xr+b0为右侧车道线与纵向距离关系式；式中，a0是摄像头安装位置与左侧车道线的横向间距，当xl取0时，摄像头Y轴与左侧车道线交点处的Y坐标为a0；b0是摄像头安装位置与右侧车道线的横向间距，当xr取0时，摄像头Y轴与右侧车道线交点处的Y坐标为b0。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

在环仿真测试过程：本发明技术方案可用于传感器和汽车辅助驾驶控制器的同时在环仿真测试，也可以用于汽车辅助驾驶控制器的单一在环的仿真测试。两种测试模式实施方式相似，主要包括四个步骤：特性数据采集、场景模型仿真、探测特性模拟、驾控数据处理。

步骤一，特性数据采集阶段，采集目的：建立实车特性数据库，为探测特性模拟和执行特性模拟准备数据，通过车辆专项测试和道路试验积累；采集内容：涉及探测特征数据采集、执行特性数据采集；探测特征数据采集包括：感知受测对象的目标真值和实测数值，以及本车及相关数据：环境照度、速度、加速度、转向角度、转向角速度、横摆角速度、俯仰角、横滚角；执行特性数据采集包括：目标指令数值、对应响应时滞和响应误差，以及同步记录的本车数据：车辆总质量、载荷分配状态、车速、横滚角、俯仰角、执行器累计工作时长。

步骤二，场景模型仿真阶段，利用传感器模型仿真软件、车辆模型仿真软件和行车环境模型仿真软件，在实车行车场景进行模型仿真，并利用视频暗箱和雷达回波模拟暗箱作场景仿真台架。在仿真软件中，搭建辅助驾驶控制器配套的传感器模型、控制器适用的车辆模型、待测的行车场景模型，其中，传感器在车辆上的安装位置满足其在控制器中功能要求，同时输出各传感器视野范围内的目标信息。

智能摄像头在环仿真时，将所述传感器模型视野内的视频传输到视频暗箱中的显示屏上，再利用待测智能摄像头捕获显示屏内容。毫米波雷达在环仿真时，将所述毫米波雷达视野内的目标列表发送到雷达回波模拟暗箱，再在雷达回波模拟暗箱中，测试待测毫米波雷达。

步骤三，探测特性模拟阶段，进行感知探测时滞模拟、车道线识别误差模拟、障碍物目标识别误差模拟、感知部件故障参数模拟。探测特性模拟阶段，采集所述目标识别结果并叠加一个感知时滞，以及所述传感器识别结果，得到初步探测结果，同时实时采集所述参数，包括：环境照度、采集车本车速度、本车加速度、本车转向角度、本车转向角速度、本车横摆角速度、本车俯仰角、本车横滚角信息，对应在特性数据库中通过查表或者参数拟合的方式，得到误差数据，实现车道线识别误差模拟、障碍物目标识别误差模拟、感知部件故障参数模拟。

步骤四，驾控数据处理阶段，包括驾控数据处理与执行，进行辅助驾驶控制器数据处理，或者进行自动驾驶控制器数据处理，进行执行部件响应时滞模拟分析、执行部件响应误差模拟分析、执行部件故障参数模拟分析。

驾控处理与执行阶段的故障模拟实现方式：执行部件相关传感器数据异常模拟放在控制器输入端，包括：角度传感器数据超出正常范围、扭矩传感器数据超出正常范围、报文超时、报文错误帧、执行器自动退出自动控制模式。执行部件响应故障模拟放在控制器输出端，即车辆模型输入端，使实际转向角度与目标角度相差较大值且保持一段时间，以模拟实车中转向机失效，相差数值和持续时间的设计依据控制器故障诊断模块设计阈值；使制动减速度与目标减速度相差较大值且保持一段时间，以模拟实车中制动失效，其相差数值和持续时间根据控制器故障诊断模块的设计阈值来确定。

Claims (1)

1.一种优化的汽车辅助驾驶控制器在环仿真测试方法，包括四个步骤：特性数据采集、场景模型仿真、探测特性模拟、驾控数据处理，其特征在于：

特性数据采集阶段，采集目的：建立实车特性数据库，为探测特性模拟和执行特性模拟准备数据，通过车辆专项测试和道路试验积累；采集内容：涉及探测特征数据采集、执行特性数据采集；探测特征数据采集包括：感知受测对象的目标真值和实测数值，以及本车及相关数据：环境照度、速度、加速度、转向角度、转向角速度、横摆角速度、俯仰角、横滚角；执行特性数据采集包括：目标指令数值、对应响应时滞和响应误差，以及同步记录的本车数据：车辆总质量、载荷分配状态、车速、横滚角、俯仰角、执行器累计工作时长；

场景模型仿真阶段，利用传感器模型仿真软件、车辆模型仿真软件和行车环境模型仿真软件，在实车行车场景进行模型仿真，并利用视频暗箱和雷达回波模拟暗箱作场景仿真台架；

探测特性模拟阶段，进行感知探测时滞模拟、车道线识别误差模拟、障碍物目标识别误差模拟、感知部件故障参数模拟；

驾控数据处理阶段，包括驾控处理与执行，进行辅助驾驶控制器数据处理，或者进行自动驾驶控制器数据处理，进行执行部件响应时滞模拟分析、执行部件响应误差模拟分析、执行部件故障参数模拟分析；

执行部件响应时滞模拟分析时，执行部件包括线控转向机、电控制动的响应时滞，执行部件接收到指令到开始执行指令的时间差、开始执行指令到达到执行指令目标数字的过程时间，仿真场景中设置固定的时滞时间，与实车动态变化的特性不符，整车设计对执行器的要求是执行部件从接收到指令到开始执行时滞不能大于200ms,控制器在设计过程中的故障诊断模块设计阈值在此基础上增加适当的时间，即当这个开始作用时滞超过阈值T_exe时，控制器会诊断执行部件失效，测试时，选择100ms、200ms、（T_exe+200）/2、T_exe+50ms、T_exe+100ms几个值进行测试；

执行部件响应误差模拟分析时，仿真环境中，执行部件接收到目标指令后，稳定而理想地响应到目标指令需求值，实车中，响应指令和目标指令中会存在一个动态的误差，在仿真测试时通过输入相关参数，包括：本车车速、载荷分配状态、目标指令数值、目标指令触发时刻、横滚角、俯仰角、执行器、使用时长参数，进入执行特性数据库中查找，或者计算得到对应的响应误差，以模拟实车执行部件响应误差，包括：转向机的角度指令响应误差、实际转向角速度与目标转向角度的角度误差、实际转向扭矩与目标扭矩的扭矩误差、转向机自主退出自动转向模式的执行误差、电控制动系统的实际制动减速与目标的制动减速的指令响应误差、实际制动压力与目标制动压力的压力误差、自主退出自动制动模式的执行误差；

执行部件故障参数模拟分析时，执行部件相关传感器数据异常模拟放在控制器输入端，包括：如角度传感器数据超出正常范围、扭矩传感器数据超出正常范围、报文超时、报文错误帧、执行器自动退出自动控制模式，执行部件响应故障模拟放在控制器输出端，即车辆模型输入端，让实际转向角度与目标角度相差较大值且保持一段时间，以模拟实车中转向机失效，相差数值和持续时间根据控制器故障诊断模块设计阈值确定，让制动减速度与目标减速度相差较大值且保持一段时间，以模拟实车中制动失效，其相差数值和持续时间根据控制器故障诊断模块的设计阈值来确定。

Images