CN112896164A - 一种基于车重及坡度自适应的车辆制动方法、装置及介质 - Google Patents

一种基于车重及坡度自适应的车辆制动方法、装置及介质 Download PDF

Info

Publication number
CN112896164A
CN112896164A CN202110160744.XA CN202110160744A CN112896164A CN 112896164 A CN112896164 A CN 112896164A CN 202110160744 A CN202110160744 A CN 202110160744A CN 112896164 A CN112896164 A CN 112896164A
Authority
CN
China
Prior art keywords
vehicle
current moment
vehicle weight
vector
braking
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.)
Granted
Application number
CN202110160744.XA
Other languages
English (en)
Other versions
CN112896164B (zh
Inventor
孔令兴
陈雪梅
韩欣彤
郭坤
祝宝营
杨东清
孙静
鲁四龙
高礼
刘晓慧
杨鹏
黄琰
田瑞丰
沈凯
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.)
Beijing Institute of Technology BIT
Advanced Technology Research Institute of Beijing Institute of Technology
Original Assignee
Beijing Institute of Technology BIT
Advanced Technology Research Institute of Beijing Institute of Technology
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 Beijing Institute of Technology BIT, Advanced Technology Research Institute of Beijing Institute of Technology filed Critical Beijing Institute of Technology BIT
Priority to CN202110160744.XA priority Critical patent/CN112896164B/zh
Publication of CN112896164A publication Critical patent/CN112896164A/zh
Application granted granted Critical
Publication of CN112896164B publication Critical patent/CN112896164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18109—Braking
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/076—Slope angle of the road
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
    • B60W40/13—Load or weight
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Regulating Braking Force (AREA)

Abstract

本申请提出一种基于车重及坡度自适应的车辆制动方法、装置及介质。方法包括：确定车重数据对应的第一遗忘因子以及道路坡度数据对应的第二遗忘因子；得到遗忘向量；基于遗忘向量以及预设的带遗忘因子的递推最小二乘法，构建相应的车重及道路坡度估算模型；根据车辆当前时刻的行驶状态参数与车辆性能参数，以及车重及道路坡度的估算模型，得到当前时刻的车重估算数据及道路坡度估算数据；根据当前时刻的车重估算数据以及道路坡度估算数据，确定车辆当前时刻的制动踏板力与制动安全距离，并基于制动踏板力与制动安全距离进行车辆制动。使得紧急制动系统可以根据车中和坡度情况对制动安全距离和制动踏板力进行自适应控制。

Description

一种基于车重及坡度自适应的车辆制动方法、装置及介质
技术领域
本申请涉及车辆制动技术领域，尤其涉及一种基于车重及坡度自适应的车辆制动方法、装置及介质。
背景技术
自动紧急制动系统(AEB)是目前广泛应用的先进驾驶辅助系统(ADAS)功能之一，其基本原理是依靠摄像头/毫米波雷达等感知前方障碍物速度和距离，根据两车之间相对速度，判断是否发生碰撞风险。当AEB系统判断所在车辆与前方车辆距离过近，可能会发生碰撞时，会向驾驶员做出碰撞预警，或者自动介入进行部分或全力制动，AEB系统介入制动时的车辆距离即为制动安全距离。
如何根据传感器传回的信息准确确定制动安全距离，是决定AEB系统性能指标的核心技术。而要保证AEB系统在实际车辆行驶中遇到各种情况下，都能发挥良好的作用，则需要AEB系统对各种车况、路况有很好的适应性，可以根据不同的车况和路况灵活调整系统的制动安全距离。
现有的AEB技术方案中，有的不考虑车重的影响，采用统一的制动安全距离做判断；有些产品则需要上电时由司机手动操作估算车辆载重，从而根据车辆载重不同，采用分几档的形式采取不同的制动安全距离判断。有些应用中涉及到车辆载重的估算，但是一般没有考虑坡度对车辆载重的估算结果造成的影响，或者需要由单独的加速度/坡度传感器作为必要的参数输入。
发明内容
针对上述现有技术中存在的问题，本申请实施例提出一种基于车重及坡度自适应的车辆制动方法、装置及介质，解决了现有紧急制动系统不能根据车重和坡度情况对制动安全距离和制动踏板力进行自适应控制的问题。
一方面，本申请实施例提供了一种基于车重及坡度自适应的车辆制动方法，方法包括：确定车重对应的第一遗忘因子以及道路坡度对应的第二遗忘因子；其中，所述第一遗忘因子大于所述第二遗忘因子；根据所述第一遗忘因子与所述第二遗忘因子，得到遗忘向量；基于所述遗忘向量以及预设的带遗忘因子的递推最小二乘法，构建相应的车重及道路坡度估算模型；获取所述车辆当前时刻的行驶状态参数、车辆性能参数；根据所述车辆当前时刻的行驶状态参数与车辆性能参数，以及所述车重及道路坡度的估算模型，得到当前时刻的车重估算数据及道路坡度估算数据；根据所述当前时刻的车重估算数据以及道路坡度估算数据，确定所述车辆当前时刻的制动踏板力与制动安全距离，基于所述制动踏板力与所述制动安全距离进行车辆制动。
本申请实施例根据车重和道路坡度变化的规律，为车重和道路坡度分别赋予不同的遗忘因子。在车辆实际行驶情况中，车重在车辆一次上电之后极少变化，因此为车重赋予一个接近1的遗忘因子，以使估算模型利用车辆上电启动后较长时间的历史数据对当前时刻车重进行估算。根据道路坡度变化会比较频繁的特点，为道路坡度赋予一个较小的遗忘因子，以使估算模型只利用当前时刻之前的一小段时间的历史数据对当前时刻的道路坡度进行估算。以遗忘向量的形式将两个遗忘因子代入最小二乘法中估算当前时刻的车重以及道路坡度。使用固定遗忘因子可以在整个估算过程中车重和道路坡度的估算不需要依赖对方，实现了车重和道路坡度的解耦，使二者计算时不再互相依赖。利用一个模型和一次递归计算即可完成对车重和道路坡度的协同估算，且不需要依赖加速度传感器信号，减少了参数量以及算法的计算量。
在一个实施方式中，根据所述当前时刻的车重估算数据、道路坡度估算数据、重力加速度以及地面附着系数，得到当前时刻紧急制动所需的最大制动力；根据所述基准车重、基准道路坡度、重力加速度以及地面附着系数，得到基准最大制动力；确定所述当前时刻的最大制动力与所述基准最大制动力之间的变化量；在当前时刻的所述车重估算数据与基准车重之间的变化量大于第一预设阈值，和/或当前时刻的所述道路坡度估算数据与基准道路坡度之间的变化量大于第二预设阈值的情况下，根据所述当前时刻的最大制动力与基准最大制动力之间的变化量，以及所述车辆的基准制动踏板力，按照相应的比例系数，确定所述车辆当前时刻的制动踏板力。
本申请实施例根据估算出的当前时刻的车重以及道路坡度，实时计算车辆制动所需的最大制动力，并根据此最大制动力实时调整紧急制动系统设定的制动踏板力，以保证在车重变化或者上下坡时，车辆能够正常制动。
在一个实施方式中，所述根据所述当前时刻的车重估算数据以及道路坡度估算数据，确定所述车辆当前时刻的制动踏板力与制动安全距离，具体包括：根据所述车辆性能参数中的制动力建立速率以及所述当前时刻的最大制动力，确定建立所述最大制动力所需的时间；计算建立当前时刻的最大制动力所需的时间，与建立基准最大制动力所需的时间之间的时间差值；根据所述车辆当前时刻的车速，确定在所述时间差值内所述车辆的行驶距离；在当前时刻的所述车重估算数据与基准车重之间的变化量大于第一预设阈值的情况，根据基准制动安全距离，以及在所述时间差值内所述车辆的行驶距离，确定所述车辆当前时刻的制动安全距离。
在一个实施方式中，所述根据所述当前时刻的车重估算数据以及道路坡度估算数据，确定所述车辆当前时刻的制动踏板力与制动安全距离，具体包括：根据所述当前时刻的道路坡度估算数据、重力加速度以及地面附着系数，确定所述车辆当前时刻的最大制动减速度；在当前时刻的道路坡度估算数据与基准道路坡度之间的变化量大于第二预设阈值的情况下，根据所述当前时刻的最大制动减速度以及预设的制动距离模型，确定当前时刻车辆的制动安全距离。
本申请实施例根据车重和道路坡度的变化，调整紧急制动系统设定的制动安全距离的大小，而不是以固定的制动安全距离去衡量车重变化或者道理坡度变化情况下的制动安全距离，避免车辆制动过程中与前方车辆产生碰撞。
在一个实施方式中，所述基于所述遗忘向量以及预设的带遗忘因子的递推最小二乘法，构建相应的车重及道路坡度估算模型，具体包括：根据
Figure BDA0002936513110000041
得到所述待测向量的估算值与实际值之间的误差向量e(t)；其中，y(t)为整车纵向动力学方程的状态空间的输出向量，φ(t)为系统输入向量，t代表当前时刻，
Figure BDA0002936513110000042
为前一时刻的待测向量的估算值；根据r(t)＝φ(t)TP(t-1)φ(t)，得到当前时刻输入参数对应的误差估计向量r(t)，其中，P(t-1)为前一时刻估计误差向量的协方差矩阵；根据
Figure BDA0002936513110000043
得到当前时刻的误差补偿向量k(t)；根据
Figure BDA0002936513110000044
得到当前时刻的增益矩阵W(t)；根据Λ(t)＝diag{1/λi(t)}，得到以遗忘向量中各遗忘因子为对角线元素组成的对角矩阵，其中λi为所述遗忘向量；根据P(t)＝Λ(t)W(t)Λ(t)，得到当前时刻估计误差向量的协方差矩阵P(t)；根据
Figure BDA0002936513110000045
得到当前时刻的待测向量
Figure BDA0002936513110000046
所述待测向量中包含当前时刻车重估算数据以及道路坡度估算数据；其中，当前时刻的待测向量
Figure BDA0002936513110000047
为所述车重及道路坡度估算模型的输出值；所述e(t)、r(t)、k(t)、W(t)、Λ(t)、P(t)以及
Figure BDA0002936513110000048
组成所述车重及道路坡度估算模型。
在一个实施方式中，所述方法还包括：将整车动力学方程变形为状态空间形式，得到
Figure BDA0002936513110000049
以及
Figure BDA00029365131100000410
其中，y为状态空间的输出向量，φ为系统输入向量，θ为待测向量；其中θ1和θ2为代表车重和道路坡度的两个未知参数；Ttq为发动机扭矩，ig为变速箱传动比，i0为主减速比，r为车轮半径，CD为风阻系数，A为迎风面积，u为车速，M为待估算的车重，g为重力加速度，α为道路坡度，f为滚动阻力系数，σ为旋转质量增加系数。
在一个实施方式中，所述根据所述车辆当前时刻的行驶状态参数与车辆性能参数，以及所述车重及道路坡度的估算模型，得到当前时刻的车重估算数据及道路坡度估算数据，具体包括：在所述车辆的上电时刻，预设所述车辆的车重初始值和道路坡度初始值；将所述车重初始值和道路坡度初始值，输入所述车重及道路坡度估算模型中，进行计算过程，直至所述车辆停止，以得到所述车辆行驶过程中的待测向量；所述计算过程包括：根据所述车重初始值和所述道路坡度初始值，计算得到第一时刻的待测向量以及第一中间参数；将所述第一时刻的待测向量以及第一中间参数存储，并用于下一轮的所述计算过程，以得到第二时刻的待测向量以及第二中间参数；将所述第二时刻的待测向量以及第二中间参数进行存储，并将所述第一时刻的待测向量以及第一中间参数、第二时刻的待测向量以及第二中间参数用于下一轮所述计算过程，以得到第三时刻的待测向量以及第三中间参数；其中，所述待测向量包括：车重估算数据和道路坡度估算数据。
本申请实施例通过在带遗忘因子的最小二乘法中使用固定遗忘因子而不是动态遗忘因子，是因为带动态遗忘因子的最小二乘法需要依赖加速度传感器信号作为一个输入参数，这就需要在车辆上加装加速度传感器，增加AEB系统的安装成本；而且带动态遗忘因子的最小二乘法计算量很大，相应地会增加AEB系统的响应时间。车重和道路坡度的变化是有相应规律的，根据规律去选定两个固定的遗忘因子能够在不降低估算准确率的前提下减少AEB系统的计算量，并节省AEB系统的安装成本。
在一个实施方式中，所述基于所述制动踏板力与所述制动安全距离进行车辆制动，具体包括：确定所述车辆与前方车辆的相对距离小于所述当前时刻的制动安全距离，根据所述当前时刻的制动踏板力，控制所述制动踏板进行车辆制动。
本申请实施例通过采集本车辆与前方车辆的相对距离，与当前时刻的制动安全距离进行比较，若当前时刻相对距离一旦小于制动安全距离，说明若前方车辆急停，当前车辆与前方车辆有碰撞风险，此时，紧急制动系统进行自动制动，紧急制动系统根据相对距离的大小来判断是部分制动还是完全制动。
另一方面，本申请实施例提供了一种基于车重及坡度自动适应的车辆制动装置，所述装置包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：确定车重对应的第一遗忘因子以及道路坡度对应的第二遗忘因子；其中，所述第一遗忘因子大于所述第二遗忘因子；根据所述第一遗忘因子与所述第二遗忘因子，得到遗忘向量；基于所述遗忘向量以及预设的带遗忘因子的递推最小二乘法，构建相应的车重及道路坡度估算模型；获取所述车辆当前时刻的行驶状态参数、车辆性能参数；根据所述车辆当前时刻的行驶状态参数与车辆性能参数，以及所述车重及道路坡度的估算模型，得到当前时刻的车重估算数据及道路坡度估算数据；根据所述当前时刻的车重估算数据以及道路坡度估算数据，确定所述车辆当前时刻的制动踏板力与制动安全距离，基于所述制动踏板力与所述制动安全距离进行车辆制动。
车重和路面坡度是最常见的影响车辆紧急制动系统准确性的因素，在车重较大的情况下，或者车辆处于下坡时，车辆的制动安全距离应该相应增加，同时车辆紧急制动系统施加于制动踏板的力也应该相应增加。在车重较小的情况下，或者车辆处于上坡时，制动安全距离和所施加的制动踏板力也应适当减小。本申请实施例一方面通过带固定遗忘因子的最小二乘法，将车重的遗忘因子设为一个接近于1的值，将道路坡度的遗忘因子设为一个较小的值，来估算车辆行驶过程中的车重和道路坡度，既在遵循两个变量的变化规律的同时保证估算的准确率，又比传统的带动态遗忘因子的最小二乘法计算量少很多，并且不需要借助加速度传感器的辅助，也可以实现车重和道理坡度的解耦。另一方面根据估算出的车重和道路坡度实时调整AEB系统的制动安全距离和制动踏板力，既能够保证不同情况下都能提供足够的制动踏板力，保证车辆与前方车辆保持足够的安全距离，也能在车重较小时减少车辆防抱死制动系统(ABS)的触发频率或工作强度，提高AEB系统对行驶工况和环境的适应性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种基于车重及坡度自适应的车辆制动方法的流程图；
图2为本申请实施例提供的一种基于车重及坡度自适应的车辆制动方法的另一种流程图；
图3为本申请实施例提供的一种基于车重及坡度自适应的车辆制动方法的再一种流程图；
图4为本申请实施例提供的一种基于车重及坡度自适应的车辆制动装置的一种示意图；
图5为本申请实施例提供的一种基于车重及坡度自适应的车辆制动装置的一种结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在车辆实际行驶过程中，如果不考虑车重或者路面坡度对制动安全距离造成的影响，很容易造成紧急制动系统的误触发或者延迟触发，造成车辆行驶危险；通过驾驶员设置的方式考虑车重，虽然能够考虑车重因素，但复杂了驾驶员操作，降低产品使用体验；传统的获取车重或坡度的方法需要加速度传感器信号的输入，增加了系统成本和集成难度；采用固定的制动踏板驱动行程不能适应车重的变化，容易在车重较小时触发车辆防抱死制动系统(ABS)，或者在车重较大时不能够提供足够的制动力，增加制动距离。
由于需要通过计算驱动力与阻力以及加速度的关系来估算车重，而道路坡度的变化会影响阻力的变化，进而影响到对车重的估算，因此车重和道路坡度往往互相影响，很难解耦。
为解决上述问题，本申请实施例提供了一种基于车重及坡度自适应的车辆制动方法、装置及介质。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
本申请实施例提供了一种基于车重及坡度自适应的车辆制动方法，图1为本申请实施例提供的一种基于车重及坡度自适应的车辆制动方法的流程图，如图1所示，该方法可以包括步骤S101-S106：
S101、确定车重对应的第一遗忘因子以及道路坡度对应的第二遗忘因子，并根据第一遗忘因子与第二遗忘因子得到相应的遗忘向量。
根据车辆车重在一次上电之后车重极少变化的特点，为车辆的车重预第一遗忘因子。根据道路坡度变化较为频繁的特点，为车辆的道路坡度预设第二遗忘因子。将两个遗忘因子合成一个遗忘向量，用于车辆的车重和道路坡度的估算。
例如，遗忘向量λ＝(λ1，λ2)，其中λ1代表车重对应的第一遗忘因子，λ2代表道路坡度对应的遗忘因子。
在一个实施例中，将车重的遗忘因子设为一个接近1的数值，例如车重的遗忘因子取值范围为[0.95，1)，即在估算当前时刻的车重时，利用车辆上电启动后的较长时间内的车重历史数据进行估算，每个历史数据的权重持平。将道路坡度的遗忘因子设为一个较小的数值，例如道路坡度的遗忘因子取值范围为(0，0.1]，即在估算当前时刻的道路坡度时，重点利用当前时刻之前的一小段时间的道路坡度历史数据进行估算，距离当前时刻较近的道路坡度历史数据的权重要比距离当前时刻较远的道路坡度历史数据的权重高很多。
本申请实施例提出利用两重固定遗忘因子，针对坡度和车重在时间上的不同变化规律，对车重和道路坡度分别赋予不同的遗忘因子，实现利用同一模型、一次递归计算完成对车重和坡度的协同估计，不依赖于加速度传感器的输入，算法也更简单明了，降低对控制器的算力消耗，该方法在实际上实现了道路坡度与车重之间解耦的问题。
S102、基于遗忘向量以及预设的带遗忘因子的递推最小二乘法，构建相应的车重及道路坡度估算模型。
通过带固定遗忘因子的递推最小二乘法，构建一个车重及道路坡度估算模型。具体地，如图2所示，S102具体可以包括以下步骤：
S201、将整车动力学方程变形为状态空间形式，得到状态空间的输出向量和系统输入向量。
整车纵向行驶动力学方程为：
Figure BDA0002936513110000091
由式(1)变形得到公式：
Figure BDA0002936513110000092
其中，Ttq为发动机扭矩，ig为变速箱传动比，i0为主减速比，r为车轮半径，CD为风阻系数，A为迎风面积，u为车速，M为待估算的车重，g为重力加速度，α为道路坡度，f为滚动阻力系数，σ为旋转质量增加系数。
将式(2)变形为状态空间形式，得到
Figure BDA0002936513110000093
Figure BDA0002936513110000094
以及
Figure BDA0002936513110000095
其中，y为状态空间的输出向量，φ为系统输入向量；θ为待测向量，其中θ1和θ2为代表车重数据和道路坡度数据这两个待测参数。
S202、构建待测向量的估算值与实际值之间的误差向量。
根据当前时刻状态空间的输出向量y(t)、前一时刻的待测向量的估算值
Figure BDA0002936513110000101
以及当前时刻的系统输入向量φ(t)，得到待测向量θ的估算值与实际值之间的误差向量
Figure BDA0002936513110000102
其中，t代表当前时刻。
S203、构建当前时刻输入参数对应的误差估计向量。
根据当前时刻的系统输入向量φ(t)以及前一时刻估计误差向量的协方差矩阵P的值P(t-1)，得到当前时刻输入参数对应的误差估计向量r(t)＝φ(t)TP(t-1)φ(t)。
S204、构建当前时刻的误差补偿向量。
根据前一时刻估计误差向量的协方差矩阵P的值P(t-1)、当前时刻输入参数对应的误差估计向量r(t)以及当前时刻的系统输入向量φ(t)，得到当前时刻的误差补偿向量
Figure BDA0002936513110000103
S205、构建当前时刻的增益矩阵。
根据前一时刻估计误差向量的协方差矩阵P的值P(t-1)、当前时刻输入参数对应的误差估计向量r(t)以及当前时刻的系统输入向量φ(t)，得到当前时刻的增益矩阵
Figure BDA0002936513110000104
S206、构建以遗忘向量中各遗忘因子为对角线元素组成的对角矩阵。
根据预设的遗忘向量λ，得到以遗忘向量中的遗忘因子为对角线元素组成的对角矩阵Λ(t)＝diag{1/λi(t)}，其中i∈[1，2]。
S207、构建当前时刻估计误差向量的协方差矩阵。
根据当前时刻的增益矩阵W(t)以及对角矩阵Λ(t)，得到当前时刻估计误差向量的协方差矩阵P(t)＝Λ(t)W(t)Λ(t)，由此可得P(t-1)＝Λ(t-1)W(t-1)Λ(t-1)。
S208、构建当前时刻的待测向量。
根据前一时刻的待测向量的估算值
Figure BDA0002936513110000105
当前时刻的误差补偿向量k(t)以及待测向量的估算值与实际值之间的误差向量e(t)，得到当前时刻的待测向量
Figure BDA0002936513110000106
待测向量
Figure BDA0002936513110000107
中包含当前时刻车重估算数据θ1以及道路坡度估算数据θ2。
S202-S208所示的e(t)、r(t)、k(t)、W(t)、Λ(t)、P(t)以及
Figure BDA0002936513110000111
组成车重及道路坡度估算模型，其中，e(t)、r(t)、k(t)、W(t)、Λ(t)以及P(t)为中间参数，
Figure BDA0002936513110000112
为车重及道路坡度估算模型的输出值。
本申请实施例利用带两重固定遗忘因子的递推最小二乘算法，构建车重及道路坡度估算模型，可以分别考虑车重和道路坡度对车辆制动的影响，使车重和道路坡度之间实现实际上的解耦。
S103、获取车辆当前时刻的行驶状态参数、车辆性能参数。
具体地，紧急制动系统通过车辆的CAN总线获取获取车辆当前时刻的发动机扭矩、变速箱传动比、主减速比、风阻系数、车速等车辆行驶状态参数。同时获取车辆的滚动阻力系数、车轮半径、迎风面积、重力加速度、旋转质量增加系数等车辆性能参数。
S104、根据车辆当前时刻的行驶状态参数与车辆性能参数，以及车重及道路坡度的估算模型，得到当前时刻的车重估算数据以及道路坡度估算数据。
具体地，在车辆的上电时刻，预设车辆的车重初始值和道路坡度初始值，并车重将初始值和道路坡度初始值输入车重及道路坡度估算模型中，进行计算过程，直至车辆停止，以得到所述车辆行驶过程中的待测向量；
计算过程包括如下步骤：
根据车重初始值和道路坡度初始值，计算得到第一时刻的待测向量以及第一中间参数；
将第一时刻的待测向量以及第一中间参数存储，并用于下一轮的计算过程，以得到第二时刻的待测向量以及第二中间参数；
将第二时刻的待测向量以及第二中间参数进行存储，并将第一时刻的待测向量以及第一中间参数、第二时刻的待测向量以及第二中间参数用于下一轮计算过程，以得到第三时刻的待测向量以及第三中间参数；以此方法计算出当前时刻的待测向量。
S105、根据当前时刻的车重估算数据以及道路坡度估算数据，确定车辆当前时刻的制动踏板力与制动安全距离。
紧急制动系统会预设一个基准车重以及一个基准道路坡度，其中基准车重可以设为车辆的整备质量，基准道路坡度可以设为水平路面的坡度。根据基准车重以及基准道路坡度，计算出车辆的基准制动安全距离、基准最大制动力以及基准制动踏板力。
进一步地，紧急制动系统根据当前时刻车重及道路坡度对车辆制动的影响，修正当前时刻紧急制动系统设定的基准制动踏板力与基准制动安全距离。具体地，如图3所示，步骤S105可以通过S301-S307实现：
S301、根据当前时刻的车重估算数据、重力加速度以及地面附着系数，得到当前时刻紧急制动所需的最大制动力。
具体地，根据公式
Figure BDA0002936513110000121
计算当前时刻紧急制动所需的最大制动力Fbmax；其中，
Figure BDA0002936513110000122
为地面附着系数，m为当前时刻的车重估算数据，g为重力加速度。
S302、根据当前时刻的最大制动力与基准最大制动力之间的变化量，以及车辆的基准制动踏板力，按照相应的比例系数，确定车辆当前时刻的制动踏板力。
计算当前时刻的最大制动力与基准最大制动力之间的变化量
Figure BDA0002936513110000123
在车辆当前时刻的车重估算数据与基准车重之间的变化量大于预设阈值的情况下，根据最大制动力与制动踏板力之间的比例关系以及最大制动力的变化量ΔFbmax，对车辆的基准制动踏板力进行等比例增加或减小，从而确定车辆当前时刻的制动踏板力。
例如，紧急制动系统计算出当前时刻的最大制动力Fbmax1为3000N，而基准最大制动力Fbmax0为3050N，那么最大制动力的变化量ΔFbmax即为50N。根据最大制动力与制动踏板力之间的比例关系，得到制动踏板力的变化量为xN，在当前车辆的基准车重情况下的最大制动力的基础上增加xN即可得到当前时刻车辆的制动踏板力。
本申请实施例根据估算出的当前时刻的车重以及道路坡度，实时计算车辆制动所需的最大制动力，并根据此最大制动力实时调整紧急制动系统设定的制动踏板力，以保证在车重变化或者上下坡时，车辆能够完全制动。
S303、计算建立当前时刻的最大制动力所需的时间，与建立基准最大制动力所需的时间之间的时间差值。
具体地，紧急制动系统根据最大制动力Fbmax的建立过程公式Fbmax＝kbt，得到建立当前时刻的最大制动力Fbmax所需的时间
Figure BDA0002936513110000131
其中，kb为制动力建立速率。根据
Figure BDA0002936513110000132
得到当前时刻建立最大制动力所需的时间，与基准车重情况下建立最大制动力所需时间之间的差值Δt；其中，m1为当前时刻的车重估算数据，m0为基准车重，
Figure BDA0002936513110000133
表示基准车重下的最大制动力建立时间。
例如，若当前时刻的车重m1为1500kg，基准车重m0为14000kg，在基准车重时建立最大制动力所需时间为5s，那么代入Δt的公式可得建立当前时刻的最大制动力与建立基准最大制动力之间的时间差Δt为
Figure BDA0002936513110000134
S304、根据车辆当前时刻的车速，确定在所述时间差值内车辆的行驶距离。
具体地，根据ΔS＝V0Δt，得到时间差Δt内，车辆行驶的距离ΔS；其中，V0为车辆的当前车速。
S305、根据基准制动安全距离，以及在时间差值内车辆的行驶距离，确定车辆当前时刻的第一制动安全距离。
在紧急制动系统得到的当前时刻的车重估算数据，与基准车重的变化量大于第一预设阈值的情况下，计算当前时刻车辆的第一制动安全距离。
具体地，在基准制动安全距离的基础上，增加或减去当前时刻建立最大制动力的时间差Δt内车辆行驶的距离ΔS，以确定车辆当前时刻的第一制动安全距离。
若当前时刻只有车重的变化量超过了第一预设阈值，道路坡度的变化量没有超过第二预设阈值，紧急制动系统将上述第一制动安全距离设为车辆当前时刻的实际制动安全距离。,
在一个实施例中，若基准制动安全距离为2米，根据S304计算出的ΔS为-0.3米，则车辆当前时刻的第一制动安全距离为1.7米。
S306、根据当前时刻的道路坡度估算数据、重力加速度以及地面附着系数，确定车辆当前时刻的最大制动减速度。
具体地，紧急制动系统根据当前时刻的道路坡度估算数据α，得到车辆当前时刻的最大制动减速度
Figure BDA0002936513110000141
S307、根据当前时刻的最大制动减速度以及预设的制动距离模型，确定当前时刻车辆的第二制动安全距离。
在紧急制动系统得到的当前时刻的道路坡度估算数据，与基准道路坡度的变化量大于第二预设阈值的情况下，计算当前时刻车辆的第二制动安全距离。
具体地，由上述最大制动减速度amax按照Mazda/Honda模型等制动安全距离模型计算当前时刻的第二制动安全距离。
若当前时刻只有道路坡度的变化量超过了第二预设阈值，车重变化量没有超过第一预设阈值，紧急制动系统将上述第二制动安全距离设为车辆当前时刻的实际制动安全距离。
若当前时刻车重变化量超过第一预设阈值，且道路坡度的变化量超过了第二预设阈值，紧急制动系统先计算第二制动安全距离，再加上或减去通过S304所示方法计算的ΔS，得到当前时刻的第三制动安全距离，并将第三制动安全距离设为车辆当前时刻的实际制动安全距离。
例如，假设第一预设阈值为0.3kg，第二预设阈值为5度。若当前时刻，紧急制动系统计算出的道路坡度估算数据比基准道路坡度大3度，车重估算数据比基准车重大0.5kg，可知此时车辆的车重变化量已经超过了第一预设阈值，紧急制动系统按照S306-S307所示的方法计算当前时刻的第一制动安全距离L1，并将第一制动安全距离L1设为车辆当前时刻的实际制动安全距离。若当前时刻，紧急制动系统计算出的车重估算数据比基准车重大0.1kg，道路坡度估算数据比基准道路坡度大20度，可知此时道路坡度的变化量已超过第二预设阈值，紧急制动系统按照S306-S307所示的方法计算当前时刻的第二制动安全距离L2，并将第二制动安全距离L2设为车辆当前时刻的实际制动安全距离。若当前时刻，紧急制动系统计算出车重估算数据比基准车重的大0.5kg，且道路坡度估算数据比基准道路坡度大20度，可知车重变化量和道路坡度变化量都超过了阈值，紧急制动系统先按照S306-S307所示的方法计算当前时刻的第二制动安全距离L2，再通过S304所示方法计算当前时刻的ΔS，那么当前时刻的第三制动安全距离为L3＝L2+ΔS，并将第三制动安全距离L3设为车辆当前时刻的实际制动安全距离。
另外，在车重变化量和道路坡度变化量都没有超过阈值的情况下，紧急制动系统不修改制动安全距离。
本申请实施例根据车重和道路坡度的变化，调整紧急制动系统设定的制动安全距离的大小，而不是以固定的制动安全距离去衡量车重变化或者道理坡度变化情况下的制动安全距离，避免车辆制动过程中与前方车辆产生碰撞。
S106、基于当前时刻的制动踏板力与制动安全距离进行车辆制动。
在车辆中安装传感器，传感器可以是毫米波雷达、摄像头或者其他可测量车辆之间相对距离的传感器。确定车辆与前方车辆的相对距离小于当前时刻的制动安全距离，根据当前时刻的制动踏板力，控制制动踏板进行车辆制动。
具体地，传感器监测当前时刻车辆与前方车辆的相对距离，并将监测结果传输到紧急制动系统。紧急制动系统若检测到当前时刻车辆与前方车辆的相对距离已经小于当前时刻修正后的制动安全距离，则按照根据当前时刻的车重和道路坡度计算出的制动踏板力，控制制动踏板进行制动。若检测到当前时刻车辆与前方车辆的相对距离大于或等于当前时刻修正后的制动安全距离，则无需介入制动，车辆正常行驶即可。本申请实施例的方案可以在车辆突然增重或上下坡时，实时调整车辆当前的制动安全距离和制动踏板力，使紧急制动系统更加适应车辆的各种突发情况，保证车辆能安全地制动，减少交通事故的发生。
需要说明的是，本申请实施例中列举的数值例子仅为参考，不代表实际应用场景中的实际数值。
以上为本申请实施例提供的一种方法实施例，基于同样的发明构思，本申请实施例还提供了一种基于车重及坡度自动适应的车辆制动装置。
图4为本申请实施例提供的一种基于车重及坡度自动适应的车辆制动装置的一种示意图，如图4所示，基于车重及坡度自动适应的车辆制动装置400包括传感器410以及紧急制动系统420。
具体地，传感器410用于监测本车辆与前方车辆的相对距离和相对速度。紧急制动系统420用于计算当前时刻车辆的重量和道路坡度、调整车辆制动装置410的制动安全距离和制动踏板力以及启动车辆紧急制动程序。
在一个实施例中，传感器410实时监测本车辆与前方车辆的相对速度和相对距离。紧急制动系统420根据传感器410监测到的本车辆与前方车辆的相对速度和相对距离，实时计算车辆的重量和道路的坡度，根据当前时刻车辆的重量和道路的坡度，对基准制动安全距离和制动踏板力进行适应性调整，以保证车辆制动时不会与前车产生碰撞。
图5为本申请实施例提供的一种基于车重及坡度自适应的车辆制动装置的一种结构示意图，如图5所示，车辆制动装置500包括：至少一个处理器501；以及，与所述至少一个处理器501通信连接的存储器502；其中，
存储器302存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
确定车重对应的第一遗忘因子以及道路坡度对应的第二遗忘因子；其中，第一遗忘因子大于第二遗忘因子；
根据第一遗忘因子与第二遗忘因子，得到遗忘向量；
基于遗忘向量以及预设的带遗忘因子的递推最小二乘法，构建相应的车重及道路坡度估算模型；
获取所述车辆当前时刻的行驶状态参数、车辆性能参数；
根据车辆当前时刻的行驶状态参数与车辆性能参数，以及车重及道路坡度的估算模型，得到当前时刻的车重估算数据及道路坡度估算数据；
根据当前时刻的车重估算数据以及道路坡度估算数据，确定车辆当前时刻的制动踏板力与制动安全距离，基于制动踏板力与制动安全距离进行车辆制动。
本申请实施例还提供了一种基于车重及坡度自适应的存储介质，包括：存储介质为非易失性计算机可读存储介质，非易失性计算机可读存储介质存储有至少一个程序，每个程序包括指令，所述指令当被终端执行时，使终端执行根据上述实施例所述的一种基于车重及坡度自动适应的车辆制动方法。
通过本申请实施例提供的技术方案，一方面可以直接利用车辆行驶参数较为准确地估计出车重和道路坡度，为紧急制动系统的决策修正提供依据；同时能够利用所获得的道路坡度和车重信息修正制动安全距离，从而提高紧急制动系统对行驶工况和环境的适应性；此外还可以利用相关参数确定合适的制动踏板力，既能够保证提供足够的制动踏板力又能够减少ABS的触发频率或工作强度。综合以上几点，可以提高紧急制动系统在不同工况下的适应性和产品竞争力。
以上所述仅是本申请的优选实施方式，并不用于限制本申请。应当指出，对于本领域的普通技术人员来说，本申请可以有各种更改和变化。凡在不脱离本申请原理的前提下所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于车重及坡度自适应的车辆制动方法，其特征在于，所述方法包括：
确定车重对应的第一遗忘因子以及道路坡度对应的第二遗忘因子；其中，所述第一遗忘因子大于所述第二遗忘因子；
根据所述第一遗忘因子与所述第二遗忘因子，得到遗忘向量；
基于所述遗忘向量以及预设的带遗忘因子的递推最小二乘法，构建相应的车重及道路坡度估算模型；
获取车辆当前时刻的行驶状态参数、车辆性能参数；
根据所述车辆当前时刻的行驶状态参数与车辆性能参数，以及所述车重及道路坡度的估算模型，得到当前时刻的车重估算数据及道路坡度估算数据；
根据所述当前时刻的车重估算数据以及道路坡度估算数据，确定所述车辆当前时刻的制动踏板力与制动安全距离，并基于所述制动踏板力与所述制动安全距离进行车辆制动。
2.根据权利要求1所述的一种基于车重及坡度自适应的车辆制动方法，其特征在于，所述根据所述当前时刻的车重估算数据以及道路坡度估算数据，确定所述车辆当前时刻的制动踏板力，具体包括：
根据所述当前时刻的车重估算数据、道路坡度估算数据、重力加速度以及地面附着系数，得到当前时刻紧急制动所需的最大制动力；
根据所述基准车重、基准道路坡度、重力加速度以及地面附着系数，得到基准最大制动力；
确定所述当前时刻的最大制动力与所述基准最大制动力之间的变化量；
在当前时刻的所述车重估算数据与基准车重之间的变化量大于第一预设阈值，和/或当前时刻的所述道路坡度估算数据与基准道路坡度之间的变化量大于第二预设阈值的情况下，根据所述当前时刻的最大制动力与基准最大制动力之间的变化量，以及所述车辆的基准制动踏板力，按照相应的比例系数，确定所述车辆当前时刻的制动踏板力。
3.根据权利要求2所述的一种基于车重及坡度自适应的车辆制动方法，其特征在于，所述根据所述当前时刻的车重估算数据以及道路坡度估算数据，确定所述车辆当前时刻的制动踏板力与制动安全距离，具体包括：
根据所述车辆性能参数中的制动力建立速率以及所述当前时刻的最大制动力，确定建立所述最大制动力所需的时间；
计算建立当前时刻的最大制动力所需的时间，与建立基准最大制动力所需的时间之间的时间差值；
根据所述车辆当前时刻的车速，确定在所述时间差值内所述车辆的行驶距离；
在当前时刻的所述车重估算数据与基准车重之间的变化量大于第一预设阈值的情况，根据基准制动安全距离，以及在所述时间差值内所述车辆的行驶距离，确定所述车辆当前时刻的制动安全距离。
4.根据权利要求2述的一种基于车重及坡度自适应的车辆制动方法，其特征在于，所述根据所述当前时刻的车重估算数据以及道路坡度估算数据，确定所述车辆当前时刻的制动踏板力与制动安全距离，具体包括：
根据所述当前时刻的道路坡度估算数据、重力加速度以及地面附着系数，确定所述车辆当前时刻的最大制动减速度；
在当前时刻的道路坡度估算数据与基准道路坡度之间的变化量大于第二预设阈值的情况下，根据所述当前时刻的最大制动减速度以及预设的制动距离模型，确定当前时刻车辆的制动安全距离。
5.根据权利要求1所述的一种基于车重及坡度自适应的车辆制动方法，其特征在于，所述基于所述遗忘向量以及预设的带遗忘因子的递推最小二乘法，构建相应的车重及道路坡度估算模型，具体包括：
根据
Figure FDA0002936513100000021
得到所述待测向量的估算值与实际值之间的误差向量e(t)；其中，y(t)为整车纵向动力学方程的状态空间的输出向量，φ(t)为系统输入向量，t代表当前时刻，
Figure FDA0002936513100000031
为前一时刻的待测向量的估算值；
根据r(t)＝φ(t)TP(t-1)φ(t)，得到当前时刻输入参数对应的误差估计向量r(t)，其中，P(t-1)为前一时刻估计误差向量的协方差矩阵；
根据
Figure FDA0002936513100000032
得到当前时刻的误差补偿向量k(t)；
根据
Figure FDA0002936513100000033
得到当前时刻的增益矩阵W(t)；
根据Λ(t)＝diag{1/λi(t)}，得到以遗忘向量中各遗忘因子为对角线元素组成的对角矩阵Λ(t)，其中λi为所述遗忘向量；
根据P(t)＝Λ(t)W(t)Λ(t)，得到当前时刻估计误差向量的协方差矩阵P(t)；
根据
Figure FDA0002936513100000034
得到当前时刻的待测向量
Figure FDA0002936513100000035
所述待测向量中包含当前时刻车重估算数据以及道路坡度估算数据；
其中，当前时刻的待测向量
Figure FDA0002936513100000036
为所述车重及道路坡度估算模型的输出值；
所述e(t)、r(t)、k(t)、W(t)、Λ(t)、P(t)以及
Figure FDA0002936513100000037
组成所述车重及道路坡度估算模型。
6.根据权利要求5所述的一种基于车重及坡度自适应的车辆制动方法，其特征在于，所述方法还包括：
将整车动力学方程变形为状态空间形式，得到
Figure FDA0002936513100000038
以及
Figure FDA0002936513100000039
其中，y为状态空间的输出向量，φ为系统输入向量，θ为待测向量；其中θ1和θ2为代表车重和道路坡度的两个未知参数；Ttq为发动机扭矩，ig为变速箱传动比，i0为主减速比，r为车轮半径，CD为风阻系数，A为迎风面积，u为车速，M为待估算的车重，g为重力加速度，α为道路坡度，f为滚动阻力系数，σ为旋转质量增加系数。
7.根据权利要求1所述的一种基于车重及坡度自适应的车辆制动方法，其特征在于，所述根据所述车辆当前时刻的行驶状态参数与车辆性能参数，以及所述车重及道路坡度的估算模型，得到当前时刻的车重估算数据及道路坡度估算数据，具体包括：
在所述车辆的上电时刻，预设所述车辆的车重初始值和道路坡度初始值；
将所述车重初始值和道路坡度初始值，输入所述车重及道路坡度估算模型中，进行计算过程，直至所述车辆停止，以得到所述车辆行驶过程中的待测向量；
所述计算过程包括：
根据所述车重初始值和所述道路坡度初始值，计算得到第一时刻的待测向量以及第一中间参数；
将所述第一时刻的待测向量以及第一中间参数存储，并用于下一轮的所述计算过程，以得到第二时刻的待测向量以及第二中间参数；
将所述第二时刻的待测向量以及第二中间参数进行存储，并将所述第一时刻的待测向量以及第一中间参数、第二时刻的待测向量以及第二中间参数用于下一轮所述计算过程，以得到第三时刻的待测向量以及第三中间参数；
其中，所述待测向量包括：车重估算数据和道路坡度估算数据。
8.根据权利要求1所述的一种基于车重及坡度自适应的车辆制动方法，其特征在于，所述基于所述制动踏板力与所述制动安全距离进行车辆制动，具体包括：
确定所述车辆与前方车辆的相对距离小于所述当前时刻的制动安全距离，根据所述当前时刻的制动踏板力，控制所述制动踏板进行车辆制动。
9.一种基于车重及坡度自适应的车辆制动装置，其特征在于，包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
确定车重对应的第一遗忘因子以及道路坡度对应的第二遗忘因子；其中，所述第一遗忘因子大于所述第二遗忘因子；
根据所述第一遗忘因子与所述第二遗忘因子，得到遗忘向量；
基于所述遗忘向量以及预设的带遗忘因子的递推最小二乘法，构建相应的车重及道路坡度估算模型；
获取所述车辆当前时刻的行驶状态参数、车辆性能参数；
根据所述车辆当前时刻的行驶状态参数与车辆性能参数，以及所述车重及道路坡度的估算模型，得到当前时刻的车重估算数据及道路坡度估算数据；
根据所述当前时刻的车重估算数据以及道路坡度估算数据，确定所述车辆当前时刻的制动踏板力与制动安全距离，基于所述制动踏板力与所述制动安全距离进行车辆制动。
10.一种基于车重及坡度自适应的存储介质，其特征在于，包括：所述存储介质为非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有至少一个程序，每个所述程序包括指令，所述指令当被终端执行时，使所述终端执行根据权利要求1-8任一项所述的一种基于车重及坡度自动适应的车辆制动方法。
CN202110160744.XA 2021-02-05 2021-02-05 一种基于车重及坡度自适应的车辆制动方法、装置及介质 Active CN112896164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110160744.XA CN112896164B (zh) 2021-02-05 2021-02-05 一种基于车重及坡度自适应的车辆制动方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110160744.XA CN112896164B (zh) 2021-02-05 2021-02-05 一种基于车重及坡度自适应的车辆制动方法、装置及介质

Publications (2)

Publication Number Publication Date
CN112896164A true CN112896164A (zh) 2021-06-04
CN112896164B CN112896164B (zh) 2022-05-10

Family

ID=76122805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110160744.XA Active CN112896164B (zh) 2021-02-05 2021-02-05 一种基于车重及坡度自适应的车辆制动方法、装置及介质

Country Status (1)

Country Link
CN (1) CN112896164B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449380A (zh) * 2021-06-30 2021-09-28 上海西井信息科技有限公司 确定整车质量的方法、装置、电子设备、存储介质
CN113581192A (zh) * 2021-08-05 2021-11-02 东风汽车集团股份有限公司 一种基于车辆质量识别坡道坡度的车辆质量修正方法
CN113879304A (zh) * 2021-10-21 2022-01-04 中寰卫星导航通信有限公司 一种车辆控制方法、装置、设备及存储介质
CN115158274A (zh) * 2022-08-31 2022-10-11 四川省公路规划勘察设计研究院有限公司 基于货车制动重刹特性的长大纵坡危险路段识别方法
CN117284253A (zh) * 2023-11-02 2023-12-26 清智汽车科技(苏州)有限公司 适用于ebs系统制动力调节的车辆重量估算的方法及装置
CN118289012A (zh) * 2024-05-31 2024-07-05 徐州徐工商用车科技有限公司 车辆质量估计方法与装置、车辆、及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106004830A (zh) * 2016-07-20 2016-10-12 中车青岛四方机车车辆股份有限公司 轨道车辆自适应坡度制动控制方法及系统
CN106926845A (zh) * 2017-03-02 2017-07-07 中国第汽车股份有限公司 一种车辆状态参数的动态估计方法
CN107139929A (zh) * 2017-05-15 2017-09-08 北理慧动（常熟）车辆科技有限公司 一种重型自动变速车辆广义阻力系数的估计及修正方法
KR20190077922A (ko) * 2017-12-26 2019-07-04 현대자동차주식회사 경사로 및 중량 추정 방법 및 장치
CN111507019A (zh) * 2020-05-06 2020-08-07 北京理工大学 基于mmrls和sh-stf的车辆质量与道路坡度迭代型联合估计方法
KR102163963B1 (ko) * 2019-04-23 2020-10-13 현대자동차주식회사 자동차의 페달 답력 제어 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106004830A (zh) * 2016-07-20 2016-10-12 中车青岛四方机车车辆股份有限公司 轨道车辆自适应坡度制动控制方法及系统
CN106926845A (zh) * 2017-03-02 2017-07-07 中国第汽车股份有限公司 一种车辆状态参数的动态估计方法
CN107139929A (zh) * 2017-05-15 2017-09-08 北理慧动（常熟）车辆科技有限公司 一种重型自动变速车辆广义阻力系数的估计及修正方法
KR20190077922A (ko) * 2017-12-26 2019-07-04 현대자동차주식회사 경사로 및 중량 추정 방법 및 장치
KR102163963B1 (ko) * 2019-04-23 2020-10-13 현대자동차주식회사 자동차의 페달 답력 제어 시스템 및 방법
CN111507019A (zh) * 2020-05-06 2020-08-07 北京理工大学 基于mmrls和sh-stf的车辆质量与道路坡度迭代型联合估计方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449380A (zh) * 2021-06-30 2021-09-28 上海西井信息科技有限公司 确定整车质量的方法、装置、电子设备、存储介质
CN113581192A (zh) * 2021-08-05 2021-11-02 东风汽车集团股份有限公司 一种基于车辆质量识别坡道坡度的车辆质量修正方法
CN113581192B (zh) * 2021-08-05 2023-10-03 东风汽车集团股份有限公司 一种基于车辆质量识别坡道坡度的车辆质量修正方法
CN113879304A (zh) * 2021-10-21 2022-01-04 中寰卫星导航通信有限公司 一种车辆控制方法、装置、设备及存储介质
CN113879304B (zh) * 2021-10-21 2023-06-20 中寰卫星导航通信有限公司 一种车辆控制方法、装置、设备及存储介质
CN115158274A (zh) * 2022-08-31 2022-10-11 四川省公路规划勘察设计研究院有限公司 基于货车制动重刹特性的长大纵坡危险路段识别方法
CN117284253A (zh) * 2023-11-02 2023-12-26 清智汽车科技(苏州)有限公司 适用于ebs系统制动力调节的车辆重量估算的方法及装置
CN117284253B (zh) * 2023-11-02 2024-07-26 清智汽车科技(苏州)有限公司 适用于ebs系统制动力调节的车辆重量估算的方法及装置
CN118289012A (zh) * 2024-05-31 2024-07-05 徐州徐工商用车科技有限公司 车辆质量估计方法与装置、车辆、及计算机可读存储介质

Also Published As

Publication number Publication date
CN112896164B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN112896164B (zh) 一种基于车重及坡度自适应的车辆制动方法、装置及介质
JP6862344B2 (ja) 車間距離を制御する方法
CN103661394B (zh) 道路坡度估计仲裁
CN103661393B (zh) 运动学道路坡度估计
CN103661395B (zh) 动态道路坡度估计
US9096232B2 (en) Vehicle condition estimating device
JP3331310B2 (ja) 路面摩擦係数検出装置
JP3829934B2 (ja) 車輌の旋回特性推定装置
US9218695B2 (en) System and method for monitoring an estimated wheel speed of a vehicle using a transmission output shaft sensor
CN112622872B (zh) 一种能量回收控制方法及装置
CN112356789B (zh) 制动减速度的自适应标定方法、车辆及可读存储介质
CN111645698B (zh) 一种重载车辆侧翻阈值自适应估计方法
CN109808699B (zh) 一种预估车辆载重的方法及系统
EP3894289A1 (en) Tire stiffness estimation and road friction estimation
CN114750602A (zh) 车辆能量回收控制方法、装置、可读存储介质及电子设备
CN108688668B (zh) 用于车辆侧向力控制的方法和系统
EP2956344B1 (en) A method for managing parameters that influence the driving resistance
CN107804305B (zh) 一种考虑载质量变化的制动距离增量预估系统及方法
US20110190985A1 (en) Method and system for estimating a cornering limit of an automotive vehicle and a computer program product for carrying out said method
JP3271956B2 (ja) 車両の路面摩擦係数推定装置
CN114407848B (zh) 一种制动控制方法、装置、电子设备及存储介质
CN114228893B (zh) 一种两轮车的车速控制方法、装置、存储介质及设备
CN113815621A (zh) 坡度计算方法、装置、车辆及计算机可读存储介质
CN115891991A (zh) 车辆紧急制动的aeb控制方法、装置、车辆及存储介质
CN113419430A (zh) 一种汽车自适应巡航控制系统事件触发控制器的设计方法及系统

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
GR01 Patent grant
GR01 Patent grant