CN114194195A - 一种基于道路状况听觉感知的车辆控制系统 - Google Patents
一种基于道路状况听觉感知的车辆控制系统 Download PDFInfo
- Publication number
- CN114194195A CN114194195A CN202210143983.9A CN202210143983A CN114194195A CN 114194195 A CN114194195 A CN 114194195A CN 202210143983 A CN202210143983 A CN 202210143983A CN 114194195 A CN114194195 A CN 114194195A
- Authority
- CN
- China
- Prior art keywords
- module
- sound
- signal
- perception
- road surface
- 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
Links
- 230000008447 perception Effects 0.000 title claims abstract description 48
- 230000005236 sound signal Effects 0.000 claims abstract description 58
- 230000006870 function Effects 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 230000003139 buffering effect Effects 0.000 claims abstract description 7
- 238000005096 rolling process Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000009432 framing Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims 1
- 238000006722 reduction reaction Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000037433 frameshift Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
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
- 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
-
- 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
- B60W40/064—Degree of grip
-
- 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
-
- 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
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
- B60W2530/20—Tyre data
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/35—Road bumpiness, e.g. potholes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的一种基于道路状况听觉感知的车辆控制系统，包括声音传感器阵列、预处理模块、信号缓冲模块、信号处理模块、功能实现模块和控制单元；声音传感器阵列包括阵列布置在车辆不同位置的多个声音传感器，用于采集车辆轮胎在路面上滚动产生的声音信号；预处理模块用于对声音信号进行预处理；信号缓冲模块用于将多路声音信号按时序对齐，设置存储阈值以防止内存中的数据溢出；信号处理模块用于对声音信号进行信号分段处理以输出帧信息，然后对帧信息进行特征提取处理以提取不同频段特征量，得到反映声音信号特征的特征参数；功能实现模块用于实现行驶路面状态和轮胎气压的感知。
Description
技术领域
本发明属于智能汽车感知控制系统领域，特别涉及一种基于道路状况听觉感知的车辆控制系统。
背景技术
当前我国的无人驾驶技术正在飞速发展，传统汽车企业和新兴高科技企业都在这一领域内投入大量的资源，但无人驾驶技术涉及诸多领域和环节，包括感知、决策、规划、控制，每一环节都具有一定的挑战性。其中使无人驾驶车辆具有感知环境的能力是实现其后续功能的第一步，对车辆行驶环境如路面、其他交通参与者的感知能力的提升可以使车辆做出的决策和规划更准确合理。当前无人驾驶车辆对于环境的感知能力主要基于视觉实现，主要使用摄像头、激光雷达等来采集环境的信息，并以此作为整车规划和控制的基础。通过视觉识别路面的种类和检测附着物如积水或积雪等，这种方法为间接感知路面信息，摄像头与路面不存在物理接触，可获得的路面信息较为有限，并且摄像头的使用受天气条件、光照条件等影响较大，不能够稳定、实时地感知路面信息，限制了控制系统的稳定性和可靠性。如吉林大学发明“一种基于双目视觉的道路交通车辆行驶主动控制系统及方法”（公开号为CN109455178A）公开了一种基于双目视觉的道路交通车辆行驶主动控制系统，其检测模块采用双目视觉系统。
视觉传感器主要采集的是距离车辆周围的环境信息，对车辆当前行驶的路面并没有过多关注。但路面的粗糙度、平整度和轮胎的附着情况等很大程度上影响了车辆的动力性、安全性、舒适性等车辆性能。同时，典型路面如沥青的温度也会对车辆性能产生影响，因轮胎路面上连续滚动，其温度会升高，从而影响车辆整体性能。
发明内容
针对上述问题，本发明提出一种基于道路状况听觉感知的车辆控制系统，可以根据感知到的车辆行驶道路状态，调整车辆动态参数和行驶策略。车辆在不同类型的路面上行驶时，会有不同特征的声音信号产生，特别是轮胎因在路面上滚动而产生的声音信号包含了相当多的路面信息。轮胎是车辆与路面接触的唯一部件，可以通过检测声音信号实现对路面特征和车辆运动状态的感知，以增强无人驾驶车辆对环境感知的整体能力，根据感知到的路面信息优化车辆的运动状态，达到提升安全性、平顺性和经济性的目的。轮胎胎面与路面接触时产生的声音主要包括声源产生的声音和被胎体等结构增强的声音两部分，其中，声源产生的声音包括胎面在路面上的撞击、胎面与路面间的抽气作用等，被胎体等结构增强的声音包括由于喇叭效应、胎体共振等作用影响下的声音。此外，声音信号不受天气条件、光照条件等外部因素的干扰，能够稳定地感知路面特征。本发明通过对布置于车轮前方、上方、后方等位置的声音传感器采集到的多组声音信号作进一步处理可以获取车辆的工作状态等信息，通过离散小波变换和短时能量方法将采集到的复杂声音信号中的有用特征参数提取出来，再将这些特征参数做进一步分析处理，从而完成对路面特征、车辆运动状态、轮胎与路面的接触状况等状态量的感知，根据这些参数优化车辆动态，提升整车性能。
本发明的有益效果：
1）本发明通过声音传感器系统实现对路面坑洞、路面裂缝、路面温度、轮胎气压、路面种类、路面附着物等状态的感知，达到增强整车的环境感知能力和车辆状态感知能力；
2）本发明对采集的多路声音信号进行降噪和滤波，其中带通滤波的上下限截止频率随着工况和路面特征适时调整，并按照多个频段将声音信号划分为不同信号区间，减少风噪和路面宏观纹理对声音信号质量的负面影响，提高感知精度；
3）本发明的信号缓冲模块过程采用分帧的方法，信号处理模块信号分段功能和特征提取功能，提高了感知方法的实时感知能力和信号的特征提取能力；
4）本发明的功能实现模块可以感知路面坑洞、路面裂缝、路面温度、轮胎气压、路面特征、路面种类、路面附着物等，可以通过学习功能添加标签，完成自主完成模型的训练、验证过程，使数据库处于动态变化以适应环境和感知量的变化；
5）本发明的控制单元可以根据输入的轮胎和路面状态参数控制车辆的运动状态，使车辆适应路面状态并根据路面及时调整车辆的工作模式，提升安全性、平顺性和经济性；
6）本发明无需大量人力和成本，只需使用低成本传感器就可以完成复杂的感知环境任务，具有适应性强、成本低廉、学习能力强等优点。
附图说明
图1是本发明实施例的基于道路状况听觉感知的车辆控制系统的结构框图；
图2是本发明实施例的1-3号声音传感器的安装图；
图3是本发明实施例的1号和3号声音传感器的声音信号示意图。
具体实施方式
下面结合附图和实施例进一步描述本发明，应该理解，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。
如图1所示，本实施例的一种基于道路状况听觉感知的车辆控制系统，包括道路状况听觉感知子系统、控制单元及供电模块，所述道路状况听觉感知子系统包括声音传感器阵列、预处理模块、信号缓冲模块、信号处理模块、功能实现模块。
所述声音传感器阵列包含不同位置的多个声音传感器，各声音传感器的采集装置为麦克风传感器。优选地，这些麦克风传感器安装在车轮前方、上方、后方等位置，可以分别实时采集车辆上相应区域上的声音信息。由于车辆行驶时的风噪和路面石子砂土激起的声音等干扰因素，不仅要在设备层面对声音传感器的采集装置进行保护，也要对采集到的声音信号做进行降噪、滤波等处理以降低外界干扰。
所述预处理模块对声音传感器阵列发送来的原始声音信号进行降噪、滤波和分区，目的是减少风噪和路面宏观纹理对声音信号质量的负面影响，并将过滤后的声音信号按照多个频段划分为不同信号区间。如图2所示，安装在轮胎与路面接近区域、轮胎与路面接触区域、轮胎与路面离开区域三个位置的声音传感器分别为1、2、3号传感器。其中1、3号传感器采集到的声音信号需要经过校验后输入到下一环节，如图3所示，黑色曲线为1号传感器的信号，灰色曲线为3号传感器的曲线，满足下式的传感器信号会输入到后续的滤波、信号缓冲模块：
式中，
为1号传感器的信号，
为3号传感器的信号，R为信号差值门限参数，该参数随着车辆工况适时改变，只有在该值限定范围内，才可进行下列运算：
式中，
为1、3号传感器信号的平均值，该平均值与2号传感器信号一同输出。
声音信号有频率、声谱及强度三个关键参数，车辆在不同种类路面行驶时，由于路面结构、胎体运动状态的不同，声音信号特征有明显的区别。因轮胎滚动、撞击所产生的声音信号和轮胎与路面间的抽气作用产生的声音信号主要频率不同，其中振动是影响1000Hz以下频率的主要因素，抽气作用则是影响1000Hz以上频率的主要因素，同时，低于1000Hz的声音信号与路面的宏观结构有很大关联，此外轮胎的尺寸、型号等也对声音信号有一定影响。
预处理模块的滤波功能采用带通滤波将介于上下限截至频率间的声音信号滤出，其中上下限截止频率随着工况和路面特征适时调整。优选的上下限截止频率为50~5000Hz，该频率可随工况改变适时调整指根据预先设定的模式进行切换，包括100~10000Hz等扩大的范围。通过带通滤波后的声音信号按照多个频段划分为不同信号区间，优选的范围为500Hz以下、500HZ~3000Hz、3000Hz~5000Hz三个频段，也可以选择范围100~3000Hz、3000~5000Hz、5000~7500Hz、7500~10000Hz四段。特别地，本实施例中，预处理模块还包括信号校准功能，包括将轮胎与路面接近区域和轮胎与路面离开区域的信号进行数学运算，以去除异常信号并通过多路声音信号得出最具可信度的声音信号。预处理模块通过CAN等通讯协议获取当前车速，通过运算补偿车辆速度对采集到的声音信号的影响，如下式所示：
式中，SC为校准后的单个声音信号值；SA为校准前的单个声音信号值；K为车辆速度常数，该常数随着车辆工况适时改变，本实施例取值为25.00；VC为车辆当前速度；Vr为参考车辆速度，该值随着车辆工况适时改变，本实施例取值为85km/h。
本实施例中，预处理模块将声音传感器2的信号和满足要求的声音传感器1、3的信号平均值输出到信号缓冲模块中。所述信号缓冲模块将接收到的多路声音信号按时序对齐，设置存储阈值防止内存中的数据溢出，之后将处理过信号发送至信号处理模块。
所述信号处理模块包括信号分段功能和特征提取功能。信号分段功能包括分帧和加窗处理声音信号，采用短时分析技术，将声音信号“分帧”、“加窗”，然后提取一“帧”中的特征参数作进一步分析。“分帧”指将声音信号分为多段特定长度的时间段，一帧的时间长度优选为30ms，也可以选为20~50ms。优选地，本实施例的分帧处理选为交叠分帧，其中帧移优选为10ms，也可选为5~25ms。特征提取功能包括采用信号处理方法处理信号分段功能输出的帧信息以提取特征参数，并使用离散小波变换、能量提取方法对不同频段的声音信号进行处理，然后将通过这些不同频段的特征量分别输入功能实现模块。本实施例优选离散小波变换方法处理分段处理后输出的帧信息以提取特征参数，同时针对中高频声音信号计算其一小段时间内的短时能量，最后将小波变换得出的小波变换系数和通过中高频段信号计算得出的短时能量值作为信号处理模块的输出量。
具体地，在选定上下限频率范围区间采用离散小波变换方法，在输入的声音信号处于优选的上下限截止频率500~5000Hz间，并且声音信号被分为3段时，即在范围500Hz以下、500HZ~3000Hz、3000Hz~5000Hz三个频段情况下时，定义低频为500Hz以下、中频为500~3000Hz、高频为3000~5000Hz。将低中高三个频段的声音信号通过离散小波变换处理以获取小波变换系数，针对中高频声音信号计算其一小段时间内的短时能量，如下式所示：
式中，E为时间t内的全部信号值的平方和，t的参考值为0.1s，该值可根据车辆工况适时变化。
所述功能实现模块将信号处理模块输出的声音信号的小波变换系数和短时能量值作为输入量，输出量为感知到的路面坑洞、路面裂缝、路面温度、轮胎气压、路面种类、路面附着物等功能。路面温度检测基于内置的数学模型，数学模型输入值为信号处理模块输出的中高频声音信号计算得来的短时能量值，输出值为估计的路面温度数值。路面坑洞检测基于阈值检测，当检测的信号缓冲模块输出的声音信号幅值超过设定的存储阈值时，即判定声音传感器布置的当前轮胎位置驶过了坑洞，存储阈值可随车辆工况适时调整，可输出的类别包括深坑洞、浅坑洞、道路正常等。感知轮胎气压、路面裂缝、路面种类、路面附着物等功能使用的模型为基于机器学习的模式识别模型，如基于随机森林（Random forest,RF）或基于支持向量机（Support Vector Machine, SVM）等分类模型。模式识别模型的输入量为信号处理模块输出的小波变换系数，输出量为模型的识别标签。轮胎气压的识别标签包括但不限于：气压不足、气压适中、气压过高等；路面裂缝的识别标签包括但不限于：轻微开裂、严重开裂等；路面种类的识别标签包括但不限于：沥青路面、混凝土路面、砂石路面、冰路面等；路面附着物的识别标签包括但不限于：雨水、薄积雪、厚积雪、泥土、砂土等。
特别地，功能感知模块还包括学习模块，学习模块中包括感知模型，优选为基于随机森林、基于支持向量机的分类算法等基于机器学习的模型，在该感知模型中可以添加感知量和感知量中的感知类别标签，如在轮胎气压检测功能中添加“气压降低”标签，将在不同工况下实际采集声音信号与不同的感知类别对应标定，存储新感知量的分类模型以实现感知功能。本实施例中，感知模型的输入量为小波系数和信号短时能量，输出量为路面坑洞、路面裂缝、路面温度、轮胎气压、路面种类、路面附着物等感知量。
特别地，为了使感知模型泛化能力更强，需要通过学习模式适时对感知模型进行标定以进一步适应不同环境，使感知模型更加精准，根据提取到的该种路面的声音信号特征，自主完成感知模型的训练、验证过程，以扩展本发明的感知传感器系统可以感知的路面种类和状态范围，并扩展路面信息的数据库容量。
所述控制单元包括感知信息输入模块、控制器模块和执行器模块，其中感知信息输入模块的输入量为功能感知模块输出的轮胎气压、路面裂缝、路面种类、路面温度、坑洞检测结果和路面附着物，控制器模块根据这些输入量，考虑安全性、平顺性和经济性，结合车辆动力学模型、机器学习模型求解出最优车辆动态控制参数，车辆动态控制参数发送到执行器模块，执行器模块根据车辆动态控制参数控制车辆元件和机构，如动力系统、转向系统和悬架系统等，执行器模块采用模型预测控制、深度增强学习等方法控制车速、转向系统灵敏度和悬架系统等关键部件。
特别的，在车速控制上，为了提高车辆在不同路面上的平顺性和经济性，优选根据路面状态参数设定速度阈值，控制车辆速度上限。在转向系统灵敏度控制上，检测到路面坑洞、路面附着物及路面种类为湿滑冰雪路面时，控制转向系统灵敏度在合理区间内，提高安全性和转向稳定性。在悬架系统的控制上，在检测到路面种类为粗糙、砂石等颠簸路况、检测到坑洞等路况时，综合舒适性、平顺性调整悬架阻尼在合理区间内。
对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以对本发明的实施例做出若干变型和改进，这些都属于本发明的保护范围。
Claims (9)
1.一种基于道路状况听觉感知的车辆控制系统，其特征在于，包括道路状况听觉感知子系统和控制单元；
所述道路状况听觉感知子系统包括声音传感器阵列、预处理模块、信号缓冲模块、信号处理模块、功能实现模块； 所述声音传感器阵列包括阵列布置在车辆不同位置的多个声音传感器，用于采集车辆轮胎在路面上滚动产生的声音信号并传输至所述预处理模块；所述预处理模块用于对声音信号进行预处理，依次包括降噪、滤波、分区和校准处理；所述信号缓冲模块用于将所述预处理模块预处理后的多路声音信号按时序对齐，设置存储阈值以防止内存中的数据溢出；所述信号处理模块用于对所述信号缓冲模块处理后的声音信号进行信号分段处理以输出帧信息，然后对帧信息进行特征提取处理以提取不同频段特征量，得到反映声音信号特征的特征参数；所述功能实现模块用于基于所述信号处理模块输出的特征参数，实现行驶路面状态和轮胎气压的感知；
所述控制单元包括感知信息输入模块、控制器模块和执行器模块，所述控制器模块通过所述感知信息输入模块与所述功能实现模块相连接，所述控制器模块对所述功能实现模块发送的行驶路面状态和轮胎气压感知信息进行处理，得到车辆控制参数，并将车辆控制参数发送至执行器模块，所述执行器模块根据车辆控制参数调整车辆行驶策略。
2.根据权利要求1所述的系统，其特征在于，所述多个声音传感器安装在车轮的前方、上方和后方。
3.根据权利要求1所述的系统，其特征在于，所述多个声音传感器包括麦克风传感器。
4.根据权利要求1-3之一所述的系统，其特征在于，所述预处理模块的分区处理包括将滤波后的声音信号按照多个频段划分为多个信号区间；所述校准处理包括将轮胎与路面接近区域和轮胎与路面离开区域的声音信号进行数学运算以去除异常信号，并通过多个声音传感器采集的多路声音信号得出可信度最大的声音信号。
5.根据权利要求4所述的系统，其特征在于，所述信号分段处理具体过程为：对降噪、滤波后的声音信号进行分帧处理，以将声音信号分为多段特定长度的时间段；然后采用加窗的方法对各帧内的声音信息进行短时分析，输出帧信息。
6.根据权利要求4所述的系统，其特征在于，所述信号处理模块中，利用离散小波变换方法对输出的帧信息进行特征提取处理，并且针对中高频段的声音信号计算其短时能量值，最后将离散小波变换得出的小波变换系数和计算的短时能量值作为输出。
7.根据权利要求4所述的系统，其特征在于，所述功能实现模块实现行驶路面状态的感知包括路面坑洞、路面裂缝、路面温度、路面种类和路面附着物的感知。
8.根据权利要求7所述的系统，其特征在于，基于检测信号存储阈值的方法，实现路面坑洞的感知；基于数学模型的方法，实现路面温度的感知；基于机器学习的模式识别模型，实现轮胎气压、路面裂缝、路面种类和路面附着物的感知。
9.根据权利要求4所述的系统，其特征在于，所述功能实现模块包括感知模型，所述感知模型为基于机器学习的模型，在所述感知模型中添加感知量和感知量中的感知类别标签，将在不同工况下采集的声音信号与不同的感知类别标签对应标定，自主完成训练和验证过程，输出路面坑洞、路面裂缝、路面温度、轮胎气压、路面种类、路面附着物的感知量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210143983.9A CN114194195B (zh) | 2022-02-17 | 2022-02-17 | 一种基于道路状况听觉感知的车辆控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210143983.9A CN114194195B (zh) | 2022-02-17 | 2022-02-17 | 一种基于道路状况听觉感知的车辆控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114194195A true CN114194195A (zh) | 2022-03-18 |
| CN114194195B CN114194195B (zh) | 2022-07-22 |
Family
ID=80645477
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210143983.9A Active CN114194195B (zh) | 2022-02-17 | 2022-02-17 | 一种基于道路状况听觉感知的车辆控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114194195B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201544379A (zh) * | 2014-05-30 | 2015-12-01 | zheng-hong Lin | 車用作業系統管理方法 |
| US20170144658A1 (en) * | 2015-11-23 | 2017-05-25 | Magna Electronics Inc. | Vehicle dynamic control system for emergency handling |
| US20180061238A1 (en) * | 2016-08-26 | 2018-03-01 | Ford Global Technologies, Llc | Enhanced lane detection |
| US20180304897A1 (en) * | 2017-04-25 | 2018-10-25 | Mando-Hella Electronics Corporation | System and method for sensing road surface condition |
| CN108806266A (zh) * | 2018-04-27 | 2018-11-13 | 榛硕（武汉）智能科技有限公司 | 一种无人驾驶车辆运动控制系统及方法 |
| CN109017166A (zh) * | 2018-08-16 | 2018-12-18 | 杭州容大智造科技有限公司 | 一种利用声音检测轮胎气压的设备 |
| WO2019016445A1 (fr) * | 2017-07-17 | 2019-01-24 | Compagnie Générale Des Établissements Michelin | Méthode de détection de l'état de la route et du pneumatique |
| DE102019114609A1 (de) * | 2018-05-31 | 2019-12-05 | Ford Global Technologies, Llc | Geländeunterstützungsvorrichtung und zugehörige verfahren zur verwendung bei fahrzeugen |
| WO2020009119A1 (ja) * | 2018-07-03 | 2020-01-09 | 株式会社ブリヂストン | 制御方法、タイヤ騒音試験方法及び制御装置 |
| CN110952427A (zh) * | 2019-12-26 | 2020-04-03 | 招商局公路信息技术（重庆）有限公司 | 基于驾乘感受的模块化路面智能感知设备及系统 |
| US20200255026A1 (en) * | 2017-09-18 | 2020-08-13 | Telefonaktiebolaget Lm Ericsson (Publ) | System and method for providing precise driving recommendations based on network-assisted scanning of a surrounding environment |
| CN111994067A (zh) * | 2020-09-03 | 2020-11-27 | 南京维思科汽车科技有限公司 | 一种应对车辆爆胎的智能安全控制系统和方法 |
| CN111994066A (zh) * | 2020-10-29 | 2020-11-27 | 北京航空航天大学 | 一种基于智能轮胎触觉感知的智能汽车感知系统 |
| CN111994068A (zh) * | 2020-10-29 | 2020-11-27 | 北京航空航天大学 | 一种基于智能轮胎触觉感知的智能驾驶汽车控制系统 |
| US20210001861A1 (en) * | 2019-07-05 | 2021-01-07 | Byton North America Corporation | Road type recognition |
| CN112224212A (zh) * | 2020-12-08 | 2021-01-15 | 北京航空航天大学 | 一种基于道路表面状况触觉感知的车辆控制系统 |
| KR20210065718A (ko) * | 2019-11-27 | 2021-06-04 | 재단법인 지능형자동차부품진흥원 | 인공지능을 이용한 센서융합 기반의 노면 분류 방법 및 장치 |
-
2022
- 2022-02-17 CN CN202210143983.9A patent/CN114194195B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201544379A (zh) * | 2014-05-30 | 2015-12-01 | zheng-hong Lin | 車用作業系統管理方法 |
| US20170144658A1 (en) * | 2015-11-23 | 2017-05-25 | Magna Electronics Inc. | Vehicle dynamic control system for emergency handling |
| US20180061238A1 (en) * | 2016-08-26 | 2018-03-01 | Ford Global Technologies, Llc | Enhanced lane detection |
| US20180304897A1 (en) * | 2017-04-25 | 2018-10-25 | Mando-Hella Electronics Corporation | System and method for sensing road surface condition |
| WO2019016445A1 (fr) * | 2017-07-17 | 2019-01-24 | Compagnie Générale Des Établissements Michelin | Méthode de détection de l'état de la route et du pneumatique |
| US20200255026A1 (en) * | 2017-09-18 | 2020-08-13 | Telefonaktiebolaget Lm Ericsson (Publ) | System and method for providing precise driving recommendations based on network-assisted scanning of a surrounding environment |
| CN108806266A (zh) * | 2018-04-27 | 2018-11-13 | 榛硕（武汉）智能科技有限公司 | 一种无人驾驶车辆运动控制系统及方法 |
| DE102019114609A1 (de) * | 2018-05-31 | 2019-12-05 | Ford Global Technologies, Llc | Geländeunterstützungsvorrichtung und zugehörige verfahren zur verwendung bei fahrzeugen |
| WO2020009119A1 (ja) * | 2018-07-03 | 2020-01-09 | 株式会社ブリヂストン | 制御方法、タイヤ騒音試験方法及び制御装置 |
| CN109017166A (zh) * | 2018-08-16 | 2018-12-18 | 杭州容大智造科技有限公司 | 一种利用声音检测轮胎气压的设备 |
| US20210001861A1 (en) * | 2019-07-05 | 2021-01-07 | Byton North America Corporation | Road type recognition |
| KR20210065718A (ko) * | 2019-11-27 | 2021-06-04 | 재단법인 지능형자동차부품진흥원 | 인공지능을 이용한 센서융합 기반의 노면 분류 방법 및 장치 |
| CN110952427A (zh) * | 2019-12-26 | 2020-04-03 | 招商局公路信息技术（重庆）有限公司 | 基于驾乘感受的模块化路面智能感知设备及系统 |
| CN111994067A (zh) * | 2020-09-03 | 2020-11-27 | 南京维思科汽车科技有限公司 | 一种应对车辆爆胎的智能安全控制系统和方法 |
| CN111994066A (zh) * | 2020-10-29 | 2020-11-27 | 北京航空航天大学 | 一种基于智能轮胎触觉感知的智能汽车感知系统 |
| CN111994068A (zh) * | 2020-10-29 | 2020-11-27 | 北京航空航天大学 | 一种基于智能轮胎触觉感知的智能驾驶汽车控制系统 |
| CN112224212A (zh) * | 2020-12-08 | 2021-01-15 | 北京航空航天大学 | 一种基于道路表面状况触觉感知的车辆控制系统 |
Non-Patent Citations (3)
| Title |
|---|
| DAGHAN DOGAN ET AL: "Performance Analysis of SVM ANN and KNN Methods for Acoustic Road-Type Classification", 《IEEE INISTA》 * |
| 杨世春等: "电动汽车高频噪声能量采集器仿真研究", 《计算机仿真》 * |
| 袁朝春等: "路面附着系数识别方法发展现状综述及展望", 《机械制造与自动化》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114194195B (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106985627B (zh) | 一种车辆路面识别系统以及悬架模式切换方法 | |
| CN111994068B (zh) | 一种基于智能轮胎触觉感知的智能驾驶汽车控制系统 | |
| CN103235891B (zh) | 基于车辆垂向振动系统辨识的路面识别系统及方法 | |
| JP7309915B2 (ja) | 道路舗装の凹凸を認識する方法及びシステム | |
| CN105184262A (zh) | 使用递归自适应学习和验证的道路表面状况检测 | |
| CN113415116B (zh) | 一种空气悬架系统运行模式自动切换方法及系统 | |
| CN108369101A (zh) | 用于地图表示关于道路状况的数据的方法 | |
| CN108765627A (zh) | 一种驾驶数据风险量化的方法 | |
| CN110614894A (zh) | 用于复杂路况的主动悬架控制系统和控制方法 | |
| WO2010031905A1 (en) | Friction estimation method | |
| CN102092388A (zh) | 一种关于路面附着系数的行车安全控制装置 | |
| CN102254161A (zh) | 基于路面轮廓及路面图像特征的路面类型识别方法及装置 | |
| CN114715158B (zh) | 一种基于路面纹理特征的路面附着系数的测定装置及方法 | |
| CN105270409A (zh) | 一种路面峰值附着系数测试装置及测试方法 | |
| CN111882866A (zh) | 一种智慧交通管理系统 | |
| CN114475573A (zh) | 基于v2x与视觉融合的起伏路况识别及车辆控制方法 | |
| AU2020270007B2 (en) | Method and system for the recognition of the irregularities of a road pavement | |
| CN113954865A (zh) | 一种自动驾驶车辆冰雪环境下跟驰控制方法 | |
| CN114194195B (zh) | 一种基于道路状况听觉感知的车辆控制系统 | |
| Jin et al. | Road friction estimation method based on fusion of machine vision and vehicle dynamics | |
| CN105761513A (zh) | 一种高速公路动态限速系统 | |
| CN107415822B (zh) | 一种实时检测车辆底盘扭曲程度的方法及其系统 | |
| CN221340504U (zh) | 车辆的控制系统和车辆 | |
| CN102982684A (zh) | 一种车辆型号识别方法以及识别系统 | |
| CN111626259A (zh) | 一种基于图像处理的结构化道路识别方法 |
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 |