CN113591199A - 用于车辆建模的系统和方法 - Google Patents
用于车辆建模的系统和方法 Download PDFInfo
- Publication number
- CN113591199A CN113591199A CN202110491878.XA CN202110491878A CN113591199A CN 113591199 A CN113591199 A CN 113591199A CN 202110491878 A CN202110491878 A CN 202110491878A CN 113591199 A CN113591199 A CN 113591199A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- steering system
- model
- vehicle steering
- specific
- 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 98
- 238000013461 design Methods 0.000 claims abstract description 95
- 239000000470 constituent Substances 0.000 claims description 60
- 230000004044 response Effects 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000004927 fusion Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 101100181922 Caenorhabditis elegans lin-32 gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D5/00—Power-assisted or power-driven steering
- B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
- B62D5/0457—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D5/00—Power-assisted or power-driven steering
- B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
- B62D5/0457—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such
- B62D5/0481—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such monitoring the steering system, e.g. failures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
一种用于车辆建模的方法包括:接收与车辆转向系统设计相对应的一个或多个设计规格特性,以及接收包括车辆转向系统设计的车辆转向系统的一个或多个线端特性。该方法还包括:使用与车辆转向系统设计相对应的一个或多个设计规格特性生成车辆转向系统设计的主模型,以及使用车辆转向系统的一个或多个线端特性生成至少一个初始参数。该方法还包括:基于主模型和至少一个初始参数生成车辆特定模型,以及接收与车辆转向系统相对应的运行数据。该方法还包括:使用运行数据生成至少一个后续参数,以及使用至少一个后续参数更新车辆特定模型。
Description
技术领域
本公开涉及车辆建模,并且特别涉及在基于云的计算系统上生成和维护数字车辆模型。
背景技术
诸如汽车、卡车、运动型多用途车、跨界车、小型货车或其他合适的车辆之类的车辆包括辅助车辆运行的各种组件、系统和特征。例如,这样的车辆通常包括诸如电动助力转向(EPS)系统等助力转向特征。
EPS系统通常被设置为向对应车辆的操作者和/或自主控制器提供转向辅助。例如,EPS系统可被设置为向电动马达施加辅助扭矩,该电动马达连接至转向机构。当操作者与和转向机构相关联的手握式方向盘或方向盘相互作用时,由操作者施加在手握式方向盘或方向盘上的力或扭矩的量将得到电动马达的辅助(例如,减少操作者执行对应的转向操纵所需的力或扭矩的量)。
除了助力转向特征以外,这样的车辆可包括诸如自主驾驶特征、信息娱乐特征等额外的特征。通常,这些特征依赖于各种传感器、控制器,和/或辅助车辆的操作。这样的传感器、控制器和/或其它组件可以生成与车辆的各种功能和操作相对应的数据。
发明内容
本公开大体上涉及车辆建模。
所公开实施例的一方面包括一种用于车辆建模的方法。该方法包括接收与车辆转向系统设计相对应的一个或多个设计规格特性,以及接收包括车辆转向系统设计的车辆转向系统的一个或多个线端特性。该方法还包括使用与车辆转向系统设计相对应的一个或多个设计规格特性生成车辆转向系统设计的主模型,以及使用车辆转向系统的一个或多个线端特性生成至少一个初始参数。该方法还包括基于主模型和至少一个初始参数生成车辆特定模型,以及接收与车辆转向系统相对应的运行数据。该方法还包括使用运行数据生成至少一个后续参数,并使用至少一个后续参数更新车辆特定模型。
所公开实施例的另一方面包括一种用于车辆建模的系统。该系统包括处理器和存储器。存储器包括指令,该指令在由处理器执行时使处理器:接收与车辆转向系统设计相对应的一个或多个设计规格特性;接收包括车辆转向系统设计的车辆转向系统的一个或多个线端特性;使用与车辆转向系统设计相对应的一个或多个设计规格特性生成车辆转向系统设计的主模型;使用车辆转向系统的一个或多个线端特性生成至少一个初始参数;基于主模型和至少一个初始参数生成车辆特定模型;接收与车辆转向系统相对应的运行数据;使用运行数据生成至少一个后续参数;以及使用至少一个后续参数更新车辆特定模型。
所公开实施例的另一方面包括一种车辆建模系统。该系统包括处理器和存储器,该存储器包括指令,该指令在由处理器执行时使处理器:接收主模型,该主模型包括与车辆设计相对应的车辆类别的数字表示;接收包括车辆设计的车辆的一个或多个线端特性;使用车辆的一个或多个线端特性生成初始参数集;使用主模型和初始参数集生成车辆特定的基于物理学的模型;使用车辆特定的基于物理学的模型、主模型和初始参数集中的至少一个生成车辆特定的基于机器学习的模型;响应于接收到与车辆相对应的运行数据,更新车辆特定的基于物理学的模型和车辆特定的基于机器学习的模型中的至少一个;以及使用车辆特定的基于物理学的模型和车辆特定的机器学习模型中的至少一个来选择性地确定车辆的至少一个组件的运行行为。
在以下对实施例、所附权利要求书和附图的详细描述中公开了本公开的这些和其他方面。
附图说明
当结合附图阅读时,通过以下详细描述,本公开被最好地理解。要强调的是,根据惯例,附图的各种特征未按比例绘制。相反,为了清楚起见,各种特征的尺寸被任意地扩大或缩小。
图1大体上示出了根据本公开的原理的车辆。
图2A和图2B大体上示出了根据本公开的原理的车辆建模系统的框图。
图3大体上示出了根据本公开的原理的特定车辆模型的框图。
图4大体上示出了根据本公开的原理的特定车辆模型的基于物理学的部分。
图5为大体上示出根据本公开的原理的车辆建模方法的流程图。
具体实施方式
以下讨论针对本公开的各种实施例。尽管这些实施例中的一个或多个可能是优选的,但是所公开的实施例不应被解释为或以其他方式用作限制包括权利要求的本公开的范围。另外,本领域技术人员将理解,以下描述具有广泛的应用,并且对任何实施例的讨论仅旨在成为该实施例的示例性讨论,而不旨在暗示包括权利要求的本公开的范围限于该实施例。
如上所述,诸如汽车、卡车、运动型多用途车、跨界车、小型货车或其他合适的车辆之类的车辆包括辅助车辆运行的各种组件、系统和特征。例如,这样的车辆通常包括诸如电动助力转向(EPS)系统等助力转向特征。
EPS系统通常被设置为向对应车辆的操作者和/或自主控制器提供转向辅助。例如,EPS系统可被设置为向电动马达施加辅助扭矩,该电动马达连接至转向机构。当操作者与和转向机构相关联的手握式方向盘或方向盘相互作用时,由操作者施加在手握式方向盘或方向盘上的力或扭矩的量将得到电动马达的辅助(例如,减少操作者执行对应的转向操纵所需的力或扭矩的量)。
除了助力转向特征以外,这样的车辆可包括诸如自主驾驶特征、信息娱乐特征等额外的特征。通常,这些特征依赖于各种传感器、控制器,和/或辅助车辆的操作。这样的传感器、控制器和/或其它组件可以生成与车辆的各种功能和操作相对应的数据。
分析这些数据的需求日益增加,以用于事故重建、驾驶员评估、预防性维护、安全关键控制的冗余处理、驾驶员的触觉辅助、其它数据驱动的功能或其组合。因此,可能期望诸如本文描述的那些系统和方法,其被设置为使用综合车辆模型来提供事故重建、驾驶员评估、预防性维护信息、安全关键控制的冗余处理、驾驶员的触觉或其它辅助、其它数据驱动的功能或其组合,该综合车辆模型被设置为提供驾驶员和车辆行为预测信息、系统和/或驾驶员反应信息、其它数据驱动的信息或其组合。
在一些实施例中,本文描述的系统和方法可被设置为提供车辆模型(例如,其可以被称为车辆的数字孪生),该车辆模型存储在远程计算装置(例如,云服务器或其它合适的远程计算装置)上并在其上被处理。车辆模型可以反映车辆和车辆子系统的静态性能和/或动态行为。
在一些实施例中,本文描述的系统和方法可被设置为从车辆的驾驶员接收到车辆系统(例如,转向系统、底盘系统、其它车辆系统等)中的输入(例如,转向扭矩和/或其它合适的输入)和/或从被设置为感测车辆的环境的传感器接收到车辆系统的输入(例如,路面信息或指示环境的特性的其它合适的输入)。本文描述的系统和方法可被设置为接收来自车辆系统的输出(例如,横摆值、加速度值、其它合适的输出或其组合)以及工程数据、生产数据、保修数据和使用数据(例如,在车辆的运行期间或其它生产后使用期间)。本文描述的系统和方法可被设置为使用输入和/或输出来提供对以下各项的预测:系统故障、维护要求、驾驶员能力信息和驾驶员辅助推荐、事故重建信息(例如,在事故发生之后)、车辆和/或系统对输入的响应(例如,估计或预测的横摆值、加速度值、其它合适的估计或预测的输出或其组合)、其它合适的信息或其组合。
在一些实施例中,本文描述的系统和方法可被设置为通过预测系统行为和/或通过将预计的系统行为与实际的系统行为进行比较来提供对系统故障、维护要求、驾驶员能力信息和驾驶员辅助推荐、事故重建信息(例如,在事故发生之后)、车辆和/或系统对输入的响应(例如,估计或预测的横摆值、加速度值、其它合适的估计或预测的输出或其组合)、其它合适的信息或其组合的预测。本文描述的系统和方法可被设置为提供操作者状态检测(例如,睡觉或未注意)、潜在的失效或故障预测、维护推荐、导航方向、对象避让等。
在一些实施例中,本文描述的系统和方法可被设置为生成主车辆模型,该主车辆模型对应于与车辆相关联的车辆类别(例如,车辆类型、车辆生产模型等)和/或对应于车辆的一个或多个子系统(例如,车辆转向系统、车辆自主控制系统等)的类别。本文描述的系统和方法可以接收来自工程系统和设计系统的数据(例如,对应于车辆和/或车辆的子系统的工程规格(engineering specification))和/或线端数据(end-of-line data)(例如,来自车辆和/或车辆的子系统的制造期间的系统)。本文描述的系统和方法可被设置为生成主车辆模型,该主车辆模型表示车辆的类别和/或一个或多个车辆子系统的类别。
在一些实施例中,本文描述的系统和方法可被设置为识别用于特定车辆的参数集(例如,其可以被称为签名(signature))。参数集可以表示车辆中的每个系统和/或子系统。例如,本文描述的系统和方法可以从车辆的各种传感器接收数据,并且可以生成指示各种测量结果、组件细节、车辆使用、其它合适的信息或其组合的参数集。本文描述的系统和方法可被设置为使用主车辆模型和对应于车辆的参数集生成车辆特定模型。本文描述的系统和方法可被设置为生成与相应的特定车辆相对应的多个参数集。本文描述的系统和方法可被设置为使用主模型和对应的参数集中的一些来生成用于每个相应的特定车辆的车辆特定模型。
在一些实施例中,本文描述的系统和方法可被设置为生成包括一个或多个构成模型的车辆特定模型。例如,车辆特定模型可包括基于物理学的模型和/或机器学习模型以提高车辆特定模型的预测准确度。在一些实施例中,本文描述的系统和方法可由驾驶员输入和/或到车辆上的负载触发。本文描述的系统和方法可被设置为测量车辆响应,并且经由远程计算装置上的计算将测得的车辆响应与预期的车辆响应进行比较。本文描述的系统和方法可被设置为使用预测的车辆响应与测得的车辆响应之间的差来识别特定故障模型(failure model)(例如,轮胎磨损、转向齿轮中的摩擦等)。
在一些实施例中,本文描述的系统和方法可被设置为使用车辆控制器(例如,诸如电子控制单元等)来修改车辆特定模型的触发点以仿真频率扫描,从而生成特定故障模型(例如,用于齿轮中的高摩擦)的指纹。
在一些实施例中,本文描述的系统和方法可被设置为使用车辆特定模型经由参数更新来启用空中系统维护(over-the-air system maintenance)(例如,无需硬件替换)。例如,本文描述的系统和方法可被设置为使用空中更新的参数集来校正故障(例如,转向齿轮中增大的摩擦或其它合适的故障)。本文描述的系统和方法可被设置为在远程计算装置上生成对故障系统的签名的更新。在一些实施例中,本文描述的系统和方法可被设置为生成车辆特定模型,该车辆特定模型至少包括助力转向模型和横向车辆动力学模型。
在一些实施例中,本文描述的系统和方法可被设置为接收与车辆转向系统设计相对应的一个或多个设计规格特性。本文描述的系统和方法可被设置为接收包括车辆转向系统设计的车辆转向系统的一个或多个线端特性。本文描述的系统和方法可被设置为使用与车辆转向系统设计相对应的一个或多个设计规格特性来生成车辆转向系统设计的主模型。在一些实施例中,主模型包括与车辆转向系统设计相对应的车辆转向系统类别的数字表示。
在一些实施例中,本文描述的系统和方法可被设置为使用车辆转向系统的一个或多个线端特性生成至少一个初始参数。本文描述的系统和方法可被设置为基于主模型和至少一个初始参数生成车辆特定模型。在一些实施例中,车辆特定模型包括至少车辆转向系统的数字表示。在一些实施例中,车辆特定模型包括第一构成模型和第二构成模型。第一构成模型可包括车辆转向系统的基于物理学的表示。第二构成模型可包括车辆转向系统的基于机器学习的表示。在一些实施例中,主模型和车辆特定模型存储在远离车辆转向系统定位的计算装置上。
在一些实施例中,本文描述的系统和方法可被设置为接收与车辆转向系统相对应的运行数据。在一些实施例中,运行数据至少包括车辆传感器数据,其指示在对应于车辆转向系统的车辆的运行期间车辆转向系统的一个或多个测量结果。本文描述的系统和方法可被设置为使用运行数据生成至少一个后续参数。本文描述的系统和方法可被设置为使用至少一个后续参数来更新车辆特定模型。
在一些实施例中,本文描述的系统和方法可被设置为使用车辆特定模型来识别车辆转向系统中的潜在故障。在一些实施例中,本文描述的系统和方法可被设置为使用车辆特定模型来识别先前由车辆转向系统执行的操纵的至少一个特性。在一些实施例中,本文描述的系统和方法可被设置为接收转向系统输入,并使用车辆特定模型确定车辆转向系统对转向系统输入的未来响应。
在一些实施例中,本文描述的系统和方法可被设置为接收主模型,该主模型包括与车辆设计相对应的车辆类别的数字表示。本文描述的系统和方法可被设置为接收包括车辆设计的车辆的一个或多个线端特性。本文描述的系统和方法可被设置为使用车辆的一个或多个线端特性生成初始参数集。本文描述的系统和方法可被设置为使用主模型和初始参数集生成车辆特定的基于物理学的模型。本文描述的系统和方法可被设置为使用车辆特定的基于物理学的模型、主模型和初始参数集中的至少一个生成车辆特定的基于机器学习的模型。本文描述的系统和方法可被设置为响应于接收到对应于车辆的运行数据,更新车辆特定的基于物理学的模型和车辆特定的基于机器学习的模型中的至少一个。本文描述的系统和方法可被设置为使用车辆特定的基于物理学的模型和车辆特定的机器学习模型中的至少一个来选择性地确定车辆的至少一个组件的运行行为。
图1大体上示出了根据本公开原理的车辆10。车辆10可以包括任何合适的车辆,例如小汽车、卡车、运动型多用途车、小型货车、跨界车、任何其他乘用车、任何合适的商用车或任何其他合适的车辆。尽管车辆10被图示为具有车轮并且在道路上使用的乘用车,但是本公开的原理可以应用于其他交通工具,例如飞机、轮船、火车、无人机或其他合适的交通工具。
车辆10包括车主体12和发动机罩14。乘客室18至少部分地由车主体12限定。车主体12的另一部分限定引擎室20。发动机罩14可移动地附接至车主体12的一部分,使得当发动机罩14处于第一位置或打开位置时发动机罩14提供对引擎室20的访问,当发动机罩14处于第二位置或关闭位置时发动机罩14盖住引擎室20。在一些实施例中,引擎室20可以被设置在车辆10的后部(与通常所示出的相比而言)。
乘客室18可以被设置在引擎室20的后方,但是在引擎室20被设置在车辆10的在后面的部分的实施例中,乘客室18可以被设置在引擎室20的前方。车辆10可以包括任何合适的推进系统,包括内燃机、一个或多个电动马达(例如,电动车辆)、一个或多个燃料电池、包括内燃机、一个或多个电动马达的组合的混合(例如,混合动力车辆)推进系统和/或任何其他合适的推进系统。
在一些实施例中,车辆10可以包括汽油引擎或汽油燃料引擎,诸如火花点火式引擎。在一些实施例中,车辆10可以包括柴油燃料引擎,例如压缩点火式引擎。引擎室20容纳和/或包围车辆10的推进系统的至少一些组件。附加地或可选地,推进控制装置(例如加速器致动器(例如,加速器踏板)、制动致动器(例如,制动踏板)、转向盘和其他此类组件)被设置在车辆10的乘客室18中。推进控制装置可以由车辆10的驾驶员致动或控制,并且可以直接相应地连接到推进系统的对应组件,例如油门、制动器、车轴、车辆变速器等。在一些实施例中,推进控制装置可以将信号传达到车辆计算机(例如,线控驾驶),该车辆计算机进而可以控制推进系统的对应的推进组件。这样,在一些实施例中,车辆10可以是自动驾驶车辆。
在一些实施例中,车辆10包括经由飞轮或离合器或液力联轴节与曲轴通信的变速器。在一些实施例中,变速器包括手动变速器。在一些实施例中,变速器包括自动变速器。在内燃机或混合动力车辆的情况下,车辆10可以包括一个或多个活塞,其与曲轴协同运行以生成力,该力通过变速器被传递到一个或多个轴上,这使车轮22转动。当车辆10包括一个或多个电动马达时,车辆电池和/或燃料电池向电动马达提供能量,以使车轮22转动。
车辆10可以包括自动车辆推进系统,例如巡航控制、自适应巡航控制、自动制动控制、其他自动车辆推进系统或其组合。车辆10可以是自动或半自动车辆,或其他合适类型的车辆。车辆10可以包括与本文一般示出和/或公开的特征相比的附加的特征或更少的特征。
在一些实施例中,车辆10可包括以太网组件24、控制器局域网(CAN)总线26、面向媒体的系统传输组件(MOST)28、FlexRay组件30(例如,线控制动系统等)和本地互连网组件(LIN)32。车辆10可使用CAN总线26、MOST 28、FlexRay组件30、LIN 32、其它合适的网络或通信系统或其组合来将各种信息从例如车辆内或车辆外部的传感器传达到例如车辆内或车辆外部的各种处理器或控制器。车辆10可以包括与本文一般示出和/或公开的特征相比的附加的特征或更少的特征。
图2A和图2B大体上示出了根据本公开原理的车辆建模系统100的框图。系统100可包括计算装置102和远程计算系统110。在一些实施例中,系统100可包括两个或更多个计算装置,并且可以与两个或更多个远程计算系统进行通信。远程计算系统110可包括任何适合的远程计算系统,例如,包括设置在相应的数据中心中的一个或多个服务器的云计算系统或者任何合适的远程计算系统。
计算装置102可包括任何合适的计算装置,其包括台式计算机、膝上型计算机、移动计算装置或任何合适的计算装置。在一些实施例中,计算装置102可以与远程计算系统进行通信。例如,计算装置102可以远离远程计算系统110设置,并且可以至少存储被设置为表示一个或多个相应的车辆的一个或多个车辆模型。附加地或可替代地,计算装置102可以邻近远程计算系统110设置或设置在远程计算系统110内。
计算装置102可包括处理器104和存储器106,大体上如图2B所示。处理器104可包括任何合适的处理器,诸如本文所述的那些。附加地或可替代地,除了处理器104以外或者除去处理器104之外,计算装置102还可包括任何合适数量的处理器。存储器106可包括单个磁盘或多个磁盘(例如,硬盘驱动器),并且包括存储管理模块,其管理存储器106内的一个或多个分区。在一些实施例中,存储器106可包括闪存、半导体(固态)存储器等。存储器106可包括随机存取存储器(RAM)、只读存储器(ROM)或其组合。存储器106可包括指令,该指令在由处理器104执行时使处理器104至少执行与本文描述的系统和方法相关联的功能。
在一些实施例中,计算装置102可被设置为提供对以下各项的预测:系统故障、维护要求、驾驶员能力信息和驾驶员辅助推荐、事故重建信息(例如,在事故发生之后)、车辆和/或系统对输入的响应(例如,估计或预测的横摆值、加速度值、其它合适的估计或预测的输出或其组合)、其它合适的信息或其组合。
计算装置102可以接收一个或多个设计规格特性,其对应于与车辆10相对应的车辆转向系统设计和/或车辆类别的子系统的其它系统。例如,计算装置102可以接收指示工程和/或设计信息的输入,该工程和/或设计信息对应于与车辆10和/或其它车辆10-1至10-N相对应的车辆类别的工程和/或设计规格。车辆10-1至10-N可包括类似于或不同于车辆10的特征。工程和/或设计信息可包括车辆10的车辆转向系统设计和/或其它系统或子系统的工程公差、组件型号或规格、组件尺寸(例如,重量、长度、宽度、深度等)、组件特征(例如,各种组件所能够执行的功能)、传感器位置、控制器类型、任何其它合适的工程和设计规格或其组合。附加地或可替代地,一个或多个设计规格特性可包括对应于车辆类别的车辆转向系统和/或系统或子系统的类别的保修信息、销售信息、安全特征信息、召回信息、其它合适的信息、或其组合。应该理解,车辆10和车辆10-1至10-N可属于相同或不同的车辆类别或者与相同或不同的车辆类别相关联,并且可包括相同或不同的车辆转向系统类别。
在一些实施例中,计算装置102可以接收包括车辆转向系统设计的车辆转向系统和/或车辆10的其它子系统或系统的一个或多个线端特性。线端特性可包括在车辆转向系统的生产期间使用的实际制造组件、车辆转向系统的类别、车辆10、和/或对应于车辆10的车辆类别。附加地或可替代地,线端特性可包括车辆转向系统、车辆转向系统的类别、车辆10、和/或对应于车辆10的车辆类别的生产测量结果、生产公差、其它合适的生产信息或其组合。
在一些实施例中,计算装置102可以使用一个或多个设计规格特性来生成车辆转向系统设计、与车辆10相关联的车辆类别、和/或与车辆10-1至10-N相对应的车辆类别的主车辆模型。附加地或可替代地,计算装置102可以使用一个或多个设计规格特性和一个或多个线端特性来生成车辆转向系统设计、与车辆10相关联的车辆类别、和/或与车辆10-1至10-N相对应的车辆类别的主车辆模型。例如,计算装置102可以生成与车辆转向系统设计(例如,与车辆10和/或车辆10-1至10-N的车辆转向系统相对应的车辆转向系统类别)相对应的主车辆模型120。在一些实施例中,计算装置102可以从另一计算装置、车辆10和/或车辆10-1至10-N、任何其它合适的位置或其组合检索或接收主车辆模型。
主车辆模型120可包括车辆转向系统设计、与车辆10相关联的车辆类别和/或与车辆10-1至10-N相对应的车辆类别的数字表示。计算装置102可以将主车辆模型120存储在远程计算系统110上。附加地或可替代地,计算装置102可以将主车辆模型120存储在对应的车辆10或车辆10-1至10-N的存储器上。
在一些实施例中,计算装置102可以使用车辆转向系统、车辆10和/或车辆10-1至10-N的一个或多个线端特性来生成至少一个初始参数或参数集(例如,签名)。例如,计算装置102可以生成对应于车辆10的车辆转向系统的参数集122。计算装置102可以生成分别对应于车辆10-1至10-N的一个或多个参数集122-1至122-N。参数集122可包括诸如数字串等值或其它适合值。参数集122可以表示特定于车辆10的车辆转向系统的系统或组件信息。应该理解,计算装置102可以生成与车辆10和/或与车辆10的其它组件、系统或子系统相对应的参数集。
在一些实施例中,计算装置102可以接收与车辆转向系统、车辆10和/或车辆10-1至10-N相对应的运行数据。运行数据可包括车辆传感器数据,其指示运行期间车辆转向系统、车辆10和/或车辆10-1至10-N的一个或多个测量结果。例如,运行数据可包括指示车辆转向系统的手握式方向盘的手握式方向盘摩擦、与所施加的手握式方向盘扭矩相对应的车轮角度、车辆转向系统的其它合适的测量结果或其组合的传感器数据。应该理解,计算装置102可以接收与车辆10和/或车辆10-1至10-N的任何系统或子系统相对应的任何合适的运行数据。
在一些实施例中,计算装置102可以基于运行数据生成至少一个后续参数。例如,计算装置102可以生成参数或参数集,其指示与运行数据相对应的测量结果和/或其它信息。计算装置102可以使用至少一个后续参数或参数集来更新参数集122。在一些实施例中,计算装置102可以持续地或周期性地接收运行数据,并且可以基于运行数据持续地或周期性地更新参数集122。应该理解,计算装置102可以基于接收到对应的运行数据来更新参数集122-1至122-N。
在一些实施例中,计算装置102可以基于主车辆模型120和参数集122生成车辆特定模型,例如图3中大体上示出的车辆特定模型200。车辆特定模型200可包括标称设计数据(例如,计算机辅助设计数据)202、完工数据(as-built data)(例如,数字跟踪数据)204和使用中的数据206。标称设计数据202可以对应于一个或多个设计规格特性。完工数据可以对应于一个或多个线端特性。使用中的数据206可以对应于运行数据。在一些实施例中,计算装置102可从另一计算装置、车辆10和/或车辆10-1至10-N、任何其它合适的位置或其组合检索或接收车辆特定模型。
车辆特定模型可包括第一构成模型208。第一构成模型208可包括基于物理学的模型,如图4中大体上所示。第一构成模型208可以接收标称设计数据202、完工数据204、使用中的数据206、任何其它合适的数据或其组合。计算装置102可以使用标称设计数据202、完工数据204、使用中的数据206、任何其它合适的数据或其组合来生成第一构成模型208。第一构成模型208可以表示车辆转向系统(例如,和/或车辆10和车辆10-1至10-N)的物理方面。例如,第一构成模型208可以表示车轮角度、轮胎横向滑动、车辆方位角(vehicleheading angle)、车辆横摆率、车辆转向系统(例如,和/或车辆10和车辆10-1至10-N)的其它合适的物理方面、或其组合。
在一些实施例中,车辆特定模型200包括第二构成模型210。应该理解,车辆特定模型200可以仅包括第一构成模型208,仅包括第二构成模型210,包括第一构成模型208和第二构成模型210两者,包括额外的构成模型,或者包括第一构成模型208、第二构成模型210和任何额外的合适的构成模型的任何组合。第二构成模型210可包括基于机器学习的模型。第二构成模型210可使用与车辆转向系统设计、对应于车辆10、10-1和10-N的车辆类别、车辆转向系统、车辆10、车辆10-1至10-N相对应的任何合适的数据、任何其它合适的数据或其组合进行训练。第二构成模型210可以接收使用中的数据206和/或任何其它合适的数据。
在一些实施例中,第一构成模型208和/或第二构成模型210接收与车辆10的车辆转向系统和/或任何合适的系统或子系统(例如,转向系统、底盘系统、其它车辆系统等)相对应的输入(例如,转向扭矩和/或其它合适的输入)。输入可以由车辆10的驾驶员和/或被设置为感测车辆10的环境的传感器生成(例如,道路表面信息或指示环境的特性的其它合适的输入)。
在一些实施例中,第一构成模型208和/或第二构成模型210接收来自车辆10的传感器的输出(例如,横摆值、加速度值、其它合适的输出或其组合)。第一构成模型208可以确定一个或多个中间输出(例如,诸如齿条力或其它合适的输出等)。第一构成模型208可将一个或多个中间输出传达到第二构成模型210。第二构成模型210可以分析一个或多个中间输出和/或使用中的数据206,并且可以生成一个或多个预测的参数(例如,当前的轮胎半径)或车辆转向系统(例如,或者车辆10和/或车辆10-1至10-N)的响应。第二构成模型210可以基于预测的参数或响应来更新参数集122。第二构成模型210可将更新后的参数集122传达到第一构成模型208。
在一些实施例中,计算装置102可以使用第一构成模型208和/或第二构成模型210的输入和/或来自第一构成模型208和/或第二构成模型210的输出来提供输出212。输出212可包括对以下各项的预测:系统故障、维护要求、驾驶员能力信息、驾驶员辅助推荐、事故重建信息(例如,在事故发生之后)、车辆和/或系统对输入的响应(例如,估计或预测的横摆值、加速度值、其它合适的估计或预测的输出或其组合)、车辆和环境估计(例如,来自第一构成模型208的mu)、来自第二构成模型210的车辆和环境估计、诊断或故障检测、其它合适的信息或其组合。车辆特定模型200可包括数据融合模块214。数据融合模块214可被设置为对来自第一构成模型208的车辆和环境估计与来自第二构成模型210的车辆和环境估计执行数据融合。数据融合模块214可被设置为对第一构成模型208和第二构成模型210的任何其它合适的输出执行数据融合。
在一些实施例中,计算装置102可以使用第一构成模型208和/或第二构成模型210的输入和/或来自第一构成模型208和/或第二构成模型210的输出来识别车辆转向系统中的潜在故障。在一些实施例中,计算装置102可使用第一构成模型208和/或第二构成模型210的输入和/或来自第一构成模型208和/或第二构成模型210的输出来识别先前由车辆转向系统执行的操纵的至少一个特性。在一些实施例中,计算装置102可以接收转向系统输入,并使用第一构成模型208和/或第二构成模型210的输入和/或来自第一构成模型208和/或第二构成模型210的输出来确定车辆转向系统对转向系统输入的未来响应。应该理解,计算装置102可以生成任何合适的输出,其包括任何合适的预测、估计、事故重建信息、驾驶状态或响应信息、任何其它合适的输出或信息,或其组合。
在一些实施例中,系统100和/或计算装置102可以执行本文描述的方法。然而,本文描述的由系统100和/或计算装置102所执行的方法并不意味着是限制性的,因此在控制器上执行的任何类型的软件都能够执行本文描述的方法而不会脱离本公开的范围。例如,控制器(例如,在计算装置内执行软件的处理器)可以执行本文描述的方法。
图5是大体上示出根据本公开原理的车辆建模方法300的流程图。在302处,方法300接收与车辆转向系统设计相对应的一个或多个设计规格特性。例如,计算装置102接收与车辆转向系统设计相对应的一个或多个设计规格特性。
在304处,方法300接收包括车辆转向系统设计的车辆转向系统的一个或多个线端特性。例如,计算装置102接收与车辆转向系统设计相对应的车辆转向系统的一个或多个线端特性。
在306处,方法300使用一个或多个设计规格特性生成车辆转向系统设计的主模型。例如,计算装置102使用一个或多个设计规格特性和/或一个或多个线端特性来生成车辆转向系统设计的主车辆模型120。
在308处,方法300使用一个或多个线端特性生成至少一个初始参数。例如,计算装置102使用一个或多个线端特性生成至少一个初始参数。计算装置102可以使用至少一个初始参数生成参数集122。
在310处,方法300基于主模型和至少一个初始参数生成车辆特定模型。例如,计算装置102基于主车辆模型120和参数集122生成车辆特定模型200。
在312处,方法300接收与车辆转向系统相对应的运行数据。例如,计算装置102接收与车辆转向系统相对应的运行数据(例如,使用中的数据206)。
在314处,方法300使用运行数据生成至少一个后续参数。例如,计算装置102使用运行数据(例如,使用中的数据206)来生成至少一个后续参数。计算装置102可以使用至少一个后续参数来更新参数集122。
在316处,方法300使用至少一个后续参数更新车辆特定模型。例如,计算装置102使用更新后的参数集122更新车辆特定模型200。
在318处,方法300基于车辆特定模型选择性地预测车辆特性。例如,计算装置102可以使用车辆特定模型200选择性地预测系统故障、维护要求、驾驶员能力信息和驾驶员辅助推荐、事故重建信息(例如,在事故发生之后)、车辆和/或系统响应(例如,估计或预测的横摆值、加速度值、其它合适的估计或预测的输出或其组合)、其它合适的车辆特性预测或其组合。
在一些实施例中,一种用于车辆建模的方法包括:接收与车辆转向系统设计相对应的一个或多个设计规格特性,以及接收包括车辆转向系统设计的车辆转向系统的一个或多个线端特性。该方法还包括:使用与车辆转向系统设计相对应的一个或多个设计规格特性生成车辆转向系统设计的主模型,以及使用车辆转向系统的一个或多个线端特性生成至少一个初始参数。该方法还包括:基于主模型和至少一个初始参数生成车辆特定模型,以及接收与车辆转向系统相对应的运行数据。该方法还包括:使用运行数据生成至少一个后续参数,以及使用至少一个后续参数更新车辆特定模型。
在一些实施例中,运行数据至少包括车辆传感器数据,其指示在对应于车辆转向系统的车辆运行期间车辆转向系统的一个或多个测量结果。在一些实施例中,主模型包括与车辆转向系统设计相对应的车辆转向系统类别的数字表示。在一些实施例中,车辆特定模型包括至少车辆转向系统的数字表示。在一些实施例中,车辆特定模型包括第一构成模型和第二构成模型,其中,第一构成模型包括车辆转向系统的基于物理学的表示,并且其中,第二构成模型包括车辆转向系统的基于机器学习的表示。
在一些实施例中,该方法还包括:使用第一构成模型和第二构成模型中的至少一个来识别车辆转向系统中的潜在故障。在一些实施例中,该方法还包括:使用至少第一构成模型生成事故重建信息。在一些实施例中,该方法还包括:接收转向系统输入,并且至少使用第二构成模型预测车辆转向系统对转向系统输入的未来响应。
在一些实施例中,该方法还包括:使用车辆特定模型识别车辆转向系统中的潜在故障。在一些实施例中,该方法还包括:使用车辆特定模型识别先前由车辆转向系统执行的操纵的至少一个特性。在一些实施例中,主模型和车辆特定模型存储在远离车辆转向系统定位的计算装置上。在一些实施例中,该方法还包括:接收转向系统输入,并使用车辆特定模型确定车辆转向系统对转向系统输入的未来响应。
在一些实施例中,一种用于车辆建模的系统包括处理器和存储器。存储器包括指令,该指令在由处理器执行时使处理器:接收与车辆转向系统设计相对应的一个或多个设计规格特性;接收包括车辆转向系统设计的车辆转向系统的一个或多个线端特性;使用与车辆转向系统设计相对应的一个或多个设计规格特性生成车辆转向系统设计的主模型;使用车辆转向系统的一个或多个线端特性生成至少一个初始参数;基于主模型和至少一个初始参数生成车辆特定模型;接收与车辆转向系统相对应的运行数据;使用运行数据生成至少一个后续参数;以及使用至少一个后续参数更新车辆特定模型。
在一些实施例中,运行数据至少包括车辆传感器数据,其指示在对应于车辆转向系统的车辆运行期间车辆转向系统的一个或多个测量结果。在一些实施例中,主模型包括与车辆转向系统设计相对应的车辆转向系统类别的数字表示。在一些实施例中,车辆特定模型包括至少车辆转向系统的数字表示。在一些实施例中,车辆特定模型包括第一构成模型和第二构成模型,其中,第一构成模型包括车辆转向系统的基于物理学的表示,并且其中,第二构成模型包括车辆转向系统的基于机器学习的表示。在一些实施例中,指令还使处理器:使用车辆特定模型识别车辆转向系统中的潜在故障。在一些实施例中,指令还使处理器:使用车辆特定模型识别先前由车辆转向系统执行的操纵的至少一个特性。在一些实施例中,主模型和车辆特定模型存储在远离车辆转向系统定位的计算装置上。在一些实施例中,指令还使处理器:接收转向系统输入,并使用车辆特定模型确定车辆转向系统对转向系统输入的未来响应。
在一些实施例中,一种车辆建模系统包括处理器和存储器,该存储器包括指令,该指令在由处理器执行时使处理器:接收主模型,该主模型包括与车辆设计相对应的车辆类别的数字表示;接收包括车辆设计的车辆的一个或多个线端特性;使用车辆的一个或多个线端特性生成初始参数集;使用主模型和初始参数集生成车辆特定的基于物理学的模型;使用车辆特定的基于物理学的模型、主模型和初始参数集中的至少一个生成车辆特定的基于机器学习的模型;响应于接收到与车辆相对应的运行数据,更新车辆特定的基于物理学的模型和车辆特定的基于机器学习的模型中的至少一个;以及使用车辆特定的基于物理学的模型和车辆特定的机器学习模型中的至少一个来选择性地确定车辆的至少一个组件的运行行为。
在一些实施例中,车辆的至少一个组件包括车辆转向系统。
以上讨论意在说明本发明的原理和各种实施例。一旦完全理解了上述公开,许多变化和修改对于本领域技术人员将变得显而易见。意图将以下权利要求解释为包含所有这样的变化和修改。
词语“示例”在本文中用来表示用作示例、例子或说明。本文中被描述为“示例”的任何方面或设计不必被解释为比其他方面或设计更优选或有利。相反,使用“示例”一词旨在以具体方式呈现概念。如在本申请中使用的,术语“或”旨在表示包括性的“或”而不是排他性的“或”。也就是说,除非另有说明或从上下文可以清楚地看出,“X包括A或B”旨在表示任何自然的包含性排列。也就是说,如果X包含A;X包括B;或X包括A和B二者,则在任何前述情况下均满足“X包括A或B”。另外,在本申请和所附权利要求书中使用的冠词“一(a/an)”通常应被解释为意指“一个或多个”,除非另有说明或从上下文清楚地指向单数形式。此外,除非如此描述,否则贯穿全文使用术语“实施方式”或“一个实施方式”并不旨在表示相同的实施例或实施方式。
本文描述的系统、算法、方法以及指令等的实现可以以硬件、软件或其任何组合来实现。硬件可以包括,例如,计算机、知识产权(IP)内核、专用集成电路(ASIC)、可编程逻辑阵列、光学处理器、可编程逻辑控制器、微代码、微控制器、服务器、微处理器、数字信号处理器或任何其他合适的电路。在权利要求中,术语“处理器”应被理解为单独地或组合地包括任何前述硬件。术语“信号”和“数据”可互换使用。
如在此使用的,术语模块可以包括被设计为与其他组件一起使用的封装的功能硬件单元、控制器(例如,执行软件或固件的处理器)可执行的一组指令、被配置为执行特定功能的处理电路以及与大型系统接合的自含式硬件或软件组件。例如,模块可以包括专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电路、数字逻辑电路、模拟电路、分立电路的组合、门电路和其他类型硬件或者它们的组合。在其他实施例中,系统可以包括存储器,该存储器存储控制器可执行以实现模块的特征的指令。
此外,在一方面,例如,本文描述的系统可以使用具有计算机程序的通用计算机或通用处理器来实现,该计算机程序在被执行时实行本文描述的任何相应的方法、算法和/或指令。附加地或可选地,例如,可以利用专用计算机/处理器,其可以包含用于实行本文描述的任何方法、算法或指令的其他硬件。
此外,本公开的全部或部分实现方式可以采取可从例如计算机可用或计算机可读介质访问的计算机程序产品的形式。计算机可用或计算机可读介质可以是例如可以有形地包含、存储、传达或传输程序以供任何处理器使用或与其结合使用的任何装置。介质可以是例如电的、磁的、光学的、电磁的装置或半导体装置。也可以使用其他合适的介质。
已经描述了上述实施例、实施方式和方面,以允许容易地理解本发明并且不限制本公开。相反,本发明旨在覆盖所附权利要求的范围内所包括的各种修改和等效布置,该范围应被赋予最宽泛的解释,以涵盖法律允许的所有此类修改和等效结构。
Claims (20)
1.一种用于车辆建模的方法,所述方法包括:
接收与车辆转向系统设计相对应的一个或多个设计规格特性;
接收包括所述车辆转向系统设计的车辆转向系统的一个或多个线端特性;
使用与所述车辆转向系统设计相对应的一个或多个设计规格特性生成所述车辆转向系统设计的主模型;
使用所述车辆转向系统的所述一个或多个线端特性生成至少一个初始参数;
基于所述主模型和所述至少一个初始参数生成车辆特定模型;
接收与所述车辆转向系统相对应的运行数据;
使用所述运行数据生成至少一个后续参数;以及
使用所述至少一个后续参数更新所述车辆特定模型。
2.根据权利要求1所述的方法,其中,所述运行数据至少包括车辆传感器数据,其指示在对应于所述车辆转向系统的车辆的运行期间所述车辆转向系统的一个或多个测量结果。
3.根据权利要求1所述的方法,其中,所述主模型包括与所述车辆转向系统设计相对应的车辆转向系统类别的数字表示。
4.根据权利要求1所述的方法,其中,所述车辆特定模型包括至少所述车辆转向系统的数字表示。
5.根据权利要求1所述的方法,其中,所述车辆特定模型包括第一构成模型和第二构成模型,其中,所述第一构成模型包括所述车辆转向系统的基于物理学的表示,并且其中,所述第二构成模型包括所述车辆转向系统的基于机器学习的表示。
6.根据权利要求5所述的方法,还包括:使用所述第一构成模型和所述第二构成模型中的至少一个来识别所述车辆转向系统中的潜在故障。
7.根据权利要求5所述的方法,还包括:使用至少所述第一构成模型生成事故重建信息。
8.根据权利要求5所述的方法,还包括:
接收转向系统输入;以及
至少使用所述第二构成模型预测所述车辆转向系统对所述转向系统输入的未来响应。
9.根据权利要求1所述的方法,其中,所述主模型和所述车辆特定模型存储在远离所述车辆转向系统定位的计算装置上。
10.一种用于车辆建模的系统,所述系统包括:
处理器;以及
存储器,其包括指令,所述指令在由所述处理器执行时使所述处理器:
接收与车辆转向系统设计相对应的一个或多个设计规格特性;
接收包括所述车辆转向系统设计的车辆转向系统的一个或多个线端特性;
使用与所述车辆转向系统设计相对应的所述一个或多个设计规格特性生成所述车辆转向系统设计的主模型;
使用所述车辆转向系统的所述一个或多个线端特性生成至少一个初始参数;以及
基于所述主模型和所述至少一个初始参数生成车辆特定模型;
接收与所述车辆转向系统相对应的运行数据;
使用所述运行数据生成至少一个后续参数;以及
使用所述至少一个后续参数更新所述车辆特定模型。
11.根据权利要求10所述的系统,其中,所述运行数据至少包括车辆传感器数据,其指示在对应于所述车辆转向系统的车辆的运行期间所述车辆转向系统的一个或多个测量结果。
12.根据权利要求10所述的系统,其中,所述主模型包括与所述车辆转向系统设计相对应的车辆转向系统类别的数字表示。
13.根据权利要求10所述的系统,其中,所述车辆特定模型包括至少所述车辆转向系统的数字表示。
14.根据权利要求10所述的系统,其中,所述车辆特定模型包括第一构成模型和第二构成模型,其中,所述第一构成模型包括所述车辆转向系统的基于物理学的表示,并且其中,所述第二构成模型包括所述车辆转向系统的基于机器学习的表示。
15.根据权利要求10所述的系统,其中,所述指令还使所述处理器:使用所述车辆特定模型来识别所述车辆转向系统中的潜在故障。
16.根据权利要求10所述的系统,其中,所述指令还使所述处理器:使用所述车辆特定模型来识别先前由所述车辆转向系统执行的操纵的至少一个特性。
17.根据权利要求10所述的系统,其中,所述主模型和所述车辆特定模型存储在远离所述车辆转向系统定位的计算装置上。
18.根据权利要求10所述的系统,其中,所述指令还使所述处理器:
接收转向系统输入;以及
使用所述车辆特定模型确定所述车辆转向系统对所述转向系统输入的未来响应。
19.一种车辆建模系统,包括:
处理器;以及
存储器,其包括指令,所述指令在由所述处理器执行时使所述处理器:
接收主模型,所述主模型包括与车辆设计相对应的车辆类别的数字表示;
接收包括所述车辆设计的车辆的一个或多个线端特性;
使用所述车辆的所述一个或多个线端特性生成初始参数集;
使用所述主模型和所述初始参数集生成车辆特定的基于物理学的模型;
使用所述车辆特定的基于物理学的模型、所述主模型和所述初始参数集中的至少一个生成车辆特定的基于机器学习的模型;
响应于接收到与所述车辆相对应的运行数据,更新所述车辆特定的基于物理学的模型和所述车辆特定的基于机器学习的模型中的至少一个;以及
使用所述车辆特定的基于物理学的模型和所述车辆特定的机器学习模型中的至少一个来选择性地确定所述车辆的至少一个组件的运行行为。
20.根据权利要求19所述的系统,其中,所述车辆的所述至少一个组件包括车辆转向系统。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/865,181 US20210342500A1 (en) | 2020-05-01 | 2020-05-01 | Systems and methods for vehicle modeling |
US16/865,181 | 2020-05-01 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113591199A true CN113591199A (zh) | 2021-11-02 |
Family
ID=78243187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110491878.XA Pending CN113591199A (zh) | 2020-05-01 | 2021-05-06 | 用于车辆建模的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210342500A1 (zh) |
CN (1) | CN113591199A (zh) |
DE (1) | DE102021110946A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11827293B2 (en) * | 2021-02-09 | 2023-11-28 | GM Global Technology Operations LLC | Real-time estimation of achievable angle, velocity, and acceleration capabilities of steering actuator |
CN115184193B (zh) * | 2022-09-06 | 2022-11-25 | 深圳永贵技术有限公司 | 线缆的自动化测试方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6061610A (en) * | 1997-10-31 | 2000-05-09 | Nissan Technical Center North America, Inc. | Method and apparatus for determining workload of motor vehicle driver |
US7239945B2 (en) * | 2003-05-29 | 2007-07-03 | Mitsubishi Denki Kabushiki Kaisha | System for analyzing vehicle and driver behavior |
US7953521B2 (en) * | 2005-12-30 | 2011-05-31 | Microsoft Corporation | Learning controller for vehicle control |
US8965743B2 (en) * | 2010-10-06 | 2015-02-24 | Nsk Ltd. | Steering device design assisting apparatus and steering device design assisting method |
US20180086344A1 (en) * | 2016-09-28 | 2018-03-29 | Baidu Usa Llc | Physical model and machine learning combined method to simulate autonomous vehicle movement |
US20190113920A1 (en) * | 2017-10-18 | 2019-04-18 | Luminar Technologies, Inc. | Controlling an autonomous vehicle using model predictive control |
EP3508391A1 (en) * | 2018-01-08 | 2019-07-10 | Thomas Low | A system and method to enhance the driving performance of a leanable vehicle |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3821609A1 (de) * | 1988-06-27 | 1989-12-28 | Bayerische Motoren Werke Ag | Regelungseinrichtung zur wankstabilisierung eines fahrzeuges |
GB2400358A (en) * | 2003-04-09 | 2004-10-13 | Trw Ltd | Steering rack disturbance force rejection |
US6729432B1 (en) * | 2003-05-02 | 2004-05-04 | Visteon Global Technologies, Inc. | Re-configurable control of steer-by-wire systems |
GB0521625D0 (en) * | 2005-10-24 | 2005-11-30 | Ricardo Uk Ltd | A method of modelling the effect of a fault on the behaviour of a system |
CN102421655A (zh) * | 2009-05-13 | 2012-04-18 | 丰田自动车株式会社 | 规格信息推定装置及车辆 |
JP5794040B2 (ja) * | 2011-08-29 | 2015-10-14 | 日本精工株式会社 | ステアリング装置の設計支援装置及びステアリング装置設計支援方法 |
CN104837704B (zh) * | 2013-01-10 | 2017-08-25 | 丰田自动车株式会社 | 车辆控制装置 |
US9296418B2 (en) * | 2013-01-23 | 2016-03-29 | Toyota Jidosha Kabushiki Kaisha | Vehicle control device |
JP2017132346A (ja) * | 2016-01-27 | 2017-08-03 | 上銀科技股▲分▼有限公司 | ハンドル回転角度センサーの故障を検出するシステム |
US10829149B1 (en) * | 2017-03-01 | 2020-11-10 | Zoox, Inc. | Steering control for vehicles |
US10915675B2 (en) * | 2017-05-12 | 2021-02-09 | Dassault Systemes Simulia Corp. | Structural optimization of additively manufactured parts accounting for manufacturing-induced states |
EP3567499A1 (en) * | 2018-05-07 | 2019-11-13 | ABB Schweiz AG | Drivetrain component simulation |
US11084526B2 (en) * | 2018-05-24 | 2021-08-10 | GM Global Technology Operations LLC | System for passively and actively monitoring and evaluating an electric power steering system |
DE102018123890A1 (de) * | 2018-09-27 | 2020-04-02 | Thyssenkrupp Ag | Steuergerät mit einer zur Erkennung einer in einer Hardwarekomponente vorliegenden Signalminderung ausgebildeten Vorwarnfunktion |
KR102660346B1 (ko) * | 2018-12-11 | 2024-04-23 | 현대자동차주식회사 | 전동식 조향시스템의 조향 제어방법 및 장치 |
FR3095515B1 (fr) * | 2019-04-26 | 2021-04-23 | Jtekt Europe Sas | Procédé d’estimation d’une valeur d’un effort de frottement s’exerçant sur une partie d’un système de direction assistée au moyen d’un modèle mathématique |
US11300959B2 (en) * | 2019-08-30 | 2022-04-12 | Huawei Technologies Co., Ltd. | System and method for predictive path planning in autonomous vehicles |
CN116384958A (zh) * | 2021-11-30 | 2023-07-04 | 操纵技术Ip控股公司 | 用于车辆分析的系统和方法 |
-
2020
- 2020-05-01 US US16/865,181 patent/US20210342500A1/en active Pending
-
2021
- 2021-04-28 DE DE102021110946.9A patent/DE102021110946A1/de active Pending
- 2021-05-06 CN CN202110491878.XA patent/CN113591199A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6061610A (en) * | 1997-10-31 | 2000-05-09 | Nissan Technical Center North America, Inc. | Method and apparatus for determining workload of motor vehicle driver |
US7239945B2 (en) * | 2003-05-29 | 2007-07-03 | Mitsubishi Denki Kabushiki Kaisha | System for analyzing vehicle and driver behavior |
US7953521B2 (en) * | 2005-12-30 | 2011-05-31 | Microsoft Corporation | Learning controller for vehicle control |
US8965743B2 (en) * | 2010-10-06 | 2015-02-24 | Nsk Ltd. | Steering device design assisting apparatus and steering device design assisting method |
US20180086344A1 (en) * | 2016-09-28 | 2018-03-29 | Baidu Usa Llc | Physical model and machine learning combined method to simulate autonomous vehicle movement |
US20190113920A1 (en) * | 2017-10-18 | 2019-04-18 | Luminar Technologies, Inc. | Controlling an autonomous vehicle using model predictive control |
EP3508391A1 (en) * | 2018-01-08 | 2019-07-10 | Thomas Low | A system and method to enhance the driving performance of a leanable vehicle |
Non-Patent Citations (1)
Title |
---|
GOWTHAM GARIMELLA等: "Neural Network Modeling for Steering Control of an Autonomous Vehicle", NEURAL NETWORK MODELING FOR STEERING CONTROL OF AN AUTONOMOUS VEHICLE, 28 September 2017 (2017-09-28), pages 1 - 4 * |
Also Published As
Publication number | Publication date |
---|---|
US20210342500A1 (en) | 2021-11-04 |
DE102021110946A1 (de) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210171050A1 (en) | System for evaluating vehicle performance | |
CN113591199A (zh) | 用于车辆建模的系统和方法 | |
US20200079422A1 (en) | Suspension-system degradation detection | |
US20150323928A1 (en) | System and method for diagnosing failure of smart sensor or smart actuator of vehicle | |
GB2556977A (en) | Safety critical systems control in autonomous vehicles | |
US20230169802A1 (en) | Systems and methods for vehicle analytics | |
US11787468B2 (en) | Systems and methods for vehicle ingress or egress assist | |
US11822955B2 (en) | System and method for decentralized vehicle software management | |
US20220067020A1 (en) | Anomaly detection in multidimensional sensor data | |
CN116610022A (zh) | 具有定制的局部回退的通用致动器 | |
US20240059345A1 (en) | Steer-by-wire software end stop | |
CN113135189B (zh) | 使用横向动力学实时监测车辆惯性参数值的系统和方法 | |
US20210347376A1 (en) | Autonomous driver-feedback system and method | |
US11842225B2 (en) | Systems and methods for decentralized-distributed processing of vehicle data | |
CN113525505B (zh) | 用于电子助力转向冗余总线通信的系统和方法 | |
US11625959B2 (en) | System and method for determining backlash in driving system of vehicle | |
CN114940151A (zh) | 控制车辆的制动的系统和方法 | |
US20220097766A1 (en) | Distributed system architecture for an autonomous steering system | |
US20230097155A1 (en) | Integrated vehicle health management systems and methods using an enhanced fault model for a diagnostic reasoner | |
US20240101053A1 (en) | Systems and methods for predicting component life based on duty cycle estimated from road surface conditions | |
CN112109798A (zh) | 用于转向扭矩传感器的杂散磁场抵消 | |
CN116909783A (zh) | 用于在受限网络中应用基于机器学习的异常检测的系统和方法 | |
CN114056427B (zh) | 用于在没有扭杆的情况下估计管柱扭矩的系统和方法 | |
US12001189B2 (en) | Systems and methods for improved manufacturing diagnostics | |
US20240109487A1 (en) | Systems and methods for providing immediate post-event driver alerts |
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 |