CN114626421A - 车窗防夹自学习方法、装置、设备及存储介质 - Google Patents

车窗防夹自学习方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114626421A
CN114626421A CN202210327043.5A CN202210327043A CN114626421A CN 114626421 A CN114626421 A CN 114626421A CN 202210327043 A CN202210327043 A CN 202210327043A CN 114626421 A CN114626421 A CN 114626421A
Authority
CN
China
Prior art keywords
target
current
window
pinch
self
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
Application number
CN202210327043.5A
Other languages
English (en)
Inventor
李亚东
刘召雄
潘朝晖
谭钦文
杨灏
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.)
Dongfeng Nissan Passenger Vehicle Co
Original Assignee
Dongfeng Nissan Passenger Vehicle Co
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 Dongfeng Nissan Passenger Vehicle Co filed Critical Dongfeng Nissan Passenger Vehicle Co
Priority to CN202210327043.5A priority Critical patent/CN114626421A/zh
Publication of CN114626421A publication Critical patent/CN114626421A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • G06N3/088Non-supervised learning, e.g. competitive learning

Abstract

本发明涉及车窗控制技术领域,公开了一种车窗防夹自学习方法、装置、设备及存储介质,所述方法包括:获取目标车窗的顶部位置和底部位置;根据顶部位置和底部位置驱动目标车窗进行上升;在目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性;在输入信号特性为目标特性时,根据当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果;由于本发明是在目标车窗上升过程中根据当前电流和波形周期获取输入信号特性,判断输入信号特性是否为目标特性,若是,则根据当前电流、目标堵转电流以及预设持续时间确定自学习结果,能够有效提高确定车窗防夹的自学习结果准确性,并区分导致自学习失败的原因。

Description

车窗防夹自学习方法、装置、设备及存储介质
技术领域
本发明涉及车窗控制技术领域,尤其涉及车窗防夹自学习方法、装置、设备及存储介质。
背景技术
随着汽车智能化装备的不断普及,如何保证生产过程中智能化装备与整车匹配以提高工厂作业效率,已逐步成为研究热点。车窗升降作为顾客高频使用功能,配置防夹功能已是行业趋势。为了保证客户的体验感,在量产前,厂家会对车窗的防夹功能进行检测,完成车窗防夹的学习。其中,目前车窗阻力学习常用方法为控制玻璃从底部位置升到顶部位置,在车窗阻力学习过程容易受到车窗系统内部或外部因素导致阻力学习失败,使得车窗防夹功能测试的准确性较低,且无法区分导致自学习失败的原因。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种车窗防夹自学习方法、装置、设备及存储介质,旨在解决现有技术确定车窗防夹的自学习结果准确性较低,且无法区分导致自学习失败的原因的技术问题。
为实现上述目的,本发明提供了一种车窗防夹自学习方法,所述车窗防夹自学习方法包括以下步骤:
获取目标车窗的顶部位置和底部位置;
根据所述顶部位置和底部位置驱动所述目标车窗进行上升;
在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性;
在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果。
可选地,所述当前电流包括当前时刻电流和上一时刻电流,所述波形周期包括当前时刻波形周期和上一时刻波形周期;
在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性,包括:
在所述目标车窗上升过程中,根据当前波形数判断所述目标车窗的位置是否位于目标防夹区域;
在所述目标车窗的位置位于目标防夹区域时,获取当前时刻电压和上一时刻电压;
通过目标扭矩计算策略对所述当前时刻电流、当前时刻电压以及当前时刻波形周期进行计算,得到当前电机扭矩;
通过所述目标扭矩计算策略对所述上一时刻电流、上一时刻电压以及上一时刻波形周期进行计算,得到上一时刻电机扭矩;
根据所述当前电机扭矩、上一时刻电机扭矩以及固定采样周期确定阻力变化率;
在所述阻力变化率大于或等于预设防夹阈值时,根据所述当前时刻电流和当前时刻波形周期获取目标车窗开关的输入信号特性。
可选地,所述在所述目标车窗上升过程中,根据当前波形数判断所述目标车窗的位置是否位于目标防夹区域之后,还包括:
在所述目标车窗的位置未位于目标防夹区域时,判断当前波形数是否小于第一波形数差值;
在所述当前波形数小于第一波形数差值时,继续判断当前电流是否大于目标判定电流;
在所述当前时刻电流大于目标判定电流时,确定目标车窗防夹的自学习结果为目标车窗上升至顶部位置,并结束车窗防夹自学习。
可选地,所述根据所述当前电机扭矩、上一时刻电机扭矩以及固定采样周期确定阻力变化率之后,还包括:
在所述阻力变化率大于等于预设防夹阈值时,根据额定电流和堵转电流确定目标电流判定范围;
在所述当前电流不位于所述目标电流判定范围和/或所述波形周期大于等于预设周期阈值时,获取目标车窗开关的输入信号特性。
可选地,在所述当前电流不位于所述目标电流判定范围和/或所述波形周期大于预设周期阈值时,获取目标车窗开关的输入信号特性之后,还包括:
在所述输入信号特性不为目标特性时,获取目标反转计数器的当前计数次数;
在所述当前计数次数为目标次数时,所述目标车窗反转,获取并记录当前位置波形数为目标障碍点的位置,且所述目标反转计数器的计数次数+1;
所述目标车窗重新学习。
可选地,在所述输入信号特性不为目标特性时,获取目标反转计数器的当前计数次数之后,还包括:
在所述当前计数次数不为目标次数时,获取当前位置波形数和历史上一次反转位置波形数;
对所述当前位置波形数和历史上一次反转位置波形数进行作差计算,得到对应的第二波形数差值;
在所述第二波形数差值小于预设波形数阈值时,获取目标计时器的当前计时时间;
根据所述当前计时时间判断所述目标车窗是否满足上升条件,所述上升条件为所述当前计时时间小于预设持续时间,且当前时刻波形周期发生变化,且阻力变化率小于预设防夹阈值,且当前电流小于目标判定电流;
在满足上升条件时,判定目标车窗越过目标障碍点,并确定目标车窗防夹的自学习结果为继续驱动所述目标车窗上升;
在不满足上升条件时,确定目标车窗防夹的自学习结果为目标车窗变形,并结束学习。
可选地,所述对所述当前位置波形数和历史上一次反转位置波形数进行作差计算,得到对应的第二波形数差值之后,还包括:
在所述第二波形数差值大于或等于预设波形数阈值时,获取目标障碍点的位置;
在当前位置位于所述目标障碍点的位置的预设区域时,确定所述当前位置的障碍点来源玻璃系统外部;
触发目标车窗的防夹功能,并对当前计数次数进行+1;
在+1后的当前计数次数大于预设次数时,确定目标车窗防夹的自学习结果为存在外部自学习干扰因素,并结束车窗防夹自学习。
可选地,在所述第二波形数差值大于或等于预设波形数阈值时,获取目标障碍点的位置时,还包括:
在当前位置不位于所述目标障碍点的位置的预设区域时,确定当前位置为目标障碍点位置,所述目标车窗反转,所述目标反转计数器的计数次数+1;
所述目标车窗重新学习。
可选地,在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果,包括:
在所述输入信号特性为目标特性时,根据目标堵转电流和预设百分比计算出目标判定电流;
统计所述当前电流大于或等于所述目标判定电流的持续时间;
在所述持续时间大于预设持续时间时,触发目标车窗的防夹功能,并确定目标车窗防夹的自学习结果为车门严重变形,并结束学习。
此外,为实现上述目的,本发明还提出一种车窗防夹自学习装置,所述车窗防夹自学习装置包括:
获取模块,用于获取目标车窗的顶部位置和底部位置;
驱动模块,用于根据所述顶部位置和底部位置驱动所述目标车窗进行上升;
所述获取模块,还用于在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性;
确定模块,用于在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果。
此外,为实现上述目的,本发明还提出一种车窗防夹自学习设备,所述车窗防夹自学习设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车窗防夹自学习程序,所述车窗防夹自学习程序配置为实现如上文所述的车窗防夹自学习方法。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有车窗防夹自学习程序,所述车窗防夹自学习程序被处理器执行时实现如上文所述的车窗防夹自学习方法。
本发明提出的车窗防夹自学习方法,通过获取目标车窗的顶部位置和底部位置;根据所述顶部位置和底部位置驱动所述目标车窗进行上升;在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性;在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果;由于本发明是通过在目标车窗上升过程中根据当前电流和波形周期获取输入信号特性,判断输入信号特性是否为目标特性,若是,则根据当前电流、目标堵转电流以及预设持续时间确定自学习结果,能够有效提高确定车窗防夹自学习结果的准确性,并区分导致自学习失败的原因。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的车窗防夹自学习设备的结构示意图;
图2为本发明车窗防夹自学习方法第一实施例的流程示意图;
图3为本发明车窗防夹自学习方法第二实施例的流程示意图;
图4为本发明车窗防夹自学习方法一实施例的区域划分示意图;
图5为本发明车窗防夹自学习方法第三实施例的流程示意图;
图6为本发明车窗防夹自学习装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的车窗防夹自学习设备结构示意图。
如图1所示,该车窗防夹自学习设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对车窗防夹自学习设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车窗防夹自学习程序。
在图1所示的车窗防夹自学习设备中,网络接口1004主要用于与网络一体化平台工作站进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明车窗防夹自学习设备中的处理器1001、存储器1005可以设置在车窗防夹自学习设备中,所述车窗防夹自学习设备通过处理器1001调用存储器1005中存储的车窗防夹自学习程序,并执行本发明实施例提供的车窗防夹自学习方法。
基于上述硬件结构,提出本发明车窗防夹自学习方法实施例。
参照图2,图2为本发明车窗防夹自学习方法第一实施例的流程示意图。
在第一实施例中,所述车窗防夹自学习方法包括以下步骤:
步骤S10,获取目标车窗的顶部位置和底部位置。
需要说明的是,本实施例的执行主体为车窗防夹自学习设备,还可为其他可实现相同或相似功能的设备,例如车窗控制器等,本实施例对此不作限制,在本实施例中,以车窗控制器为例进行说明。
应当理解的是,顶部位置指的是目标车窗的最顶端的位置,该顶部位置可以通过手动控制目标车窗上升并在堵转时间超过预设时间阈值确定,该预设时间阈值可以设定为2秒,在到达顶部位置后,目标车窗就已经具备上升功能,此时防夹功能开始启动,在获取顶部位置前,目标车窗的初始状态可以为任意状态,底部位置指的是目标车窗从顶部位置一次性自动下降到底的位置,本实施例的执行主体车窗控制器具有识别玻璃当前绝对位置和每一个绝对位置处的升降阻力的功能,从而实现在规定范围内进行防夹。
步骤S20,根据所述顶部位置和底部位置驱动所述目标车窗进行上升。
可以理解的是,在得到目标车窗的顶部位置和底部位置后,车窗控制器通过车辆提供的扭矩驱动目标车窗从底部位置上升至顶部位置,目标车窗在上升过程中会受到阻力,随着目标车窗上升的位置不同,受到的阻力也在不断的变化。
步骤S30,在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性。
应当理解的是,目标车窗开关指的是控制目标车窗上升或者下降的开关,具体是将目标车窗开关向上拔起时,目标车窗从当前位置开始上升,反之,将目标车窗开关向下按下时,目标车窗从当前位置开始下降,输入信号特性指的是从目标车窗开关处输入信号的特性,该输入信号特性可以为连续性和非连续性,通过目标车窗开关的输入信号特性的判断可以确定用户意图。
可以理解的是,当前电流指的是电机在运行过程中当前时刻的电流,该当前电流可以通过电流检测设备实时采集得到,同样,波形周期指的是采集波形数的周期,该波形周期和当前电流可以同步获取。
步骤S40,在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果。
可以理解的是,目标特性指的是连续性特性,在得到目标车窗开关的输入信号特性后,需要判断输入信号特性是否为目标特征,若是,则表明用户意图是想要目标车窗继续上升,可认为现场没有发生危险事故可能,继续尝试驱动车窗向上,同步监测电流和持续时间判断目标车窗能否继续向上。
应当理解的是,目标堵转电流指的是目标车窗在发生堵转时的电流,预设持续时间指的是判断目标车窗能否继续向上的最小持续时间,该预设持续时间可以为2秒,根据当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果,该目标车窗防夹的自学习结果可以为目标车窗上升至顶部位置、目标车窗越过目标障碍点且继续上升、存在外部自学习干扰因素以及车门严重变形缺陷等。
本实施例通过获取目标车窗的顶部位置和底部位置;根据所述顶部位置和底部位置驱动所述目标车窗进行上升;在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性;在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果;由于本实施例是通过在目标车窗上升过程中根据当前电流和波形周期获取输入信号特性,判断输入信号特性是否为目标特性,若是,则根据当前电流、目标堵转电流以及预设持续时间确定自学习结果,能够有效提高确定车窗防夹的自学习结果准确性,并区分导致自学习失败的原因。
在一实施例中,如图3所述,基于第一实施例提出本发明车窗防夹自学习方法第二实施例,所述步骤S30,包括:
步骤S301,在所述目标车窗上升过程中,根据当前波形数判断所述目标车窗的位置是否位于目标防夹区域。
应当理解的是,目标防夹区域指的是车窗区域内的防夹区域,参考图4,图4为区域划分示意图,具体为车窗区域分为防夹区域和非防夹区域,非防夹区域位于防夹区域的顶部,防夹区域的防夹控制力在100N以内,且弹簧系数可以为10N/m,在目标车窗上升过程中,通过目标波形采集设备实时采集波形数,然后通过采集到的当前波形数判断目标车窗的位置是否位于目标防夹区域。
进一步地,步骤S301之后,还包括:在所述目标车窗的位置未位于目标防夹区域时,判断当前波形数是否小于第一波形数差值;在所述当前波形数小于第一波形数差值时,继续判断当前电流是否大于目标判定电流;在所述当前时刻电流大于目标判定电流时,确定目标车窗防夹的自学习结果为目标车窗上升至顶部位置,并结束车窗防夹自学习。
可以理解的是,第一波形数差值指的是判定车窗是否未到达顶部位置的最大波形数差值,目标判定电流指的是判定车窗是否已到达顶部位置的最大电流值,在判定目标车窗的位置未位于目标防夹区域时,继续判断当前波形数是否小于第一波形数差值,若否,则判定车窗未到达顶部位置,然后继续驱动目标车窗上升,若是,则继续判断当前时刻电流是否大于目标判定电流,若是,则表明目标车窗已经上升至顶部位置,本次车窗防夹自学习结束,若否,则表明车窗未到达顶部位置,还需继续驱动目标车窗上升。
步骤S302,在所述目标车窗的位置位于目标防夹区域时,获取当前时刻电压和上一时刻电压。
可以理解的是,当前时刻电压指的是电机在当前时刻的驱动电压,同样,上一时刻电压指的是电机在上一时刻的驱动电压,当前时刻电压和上一时刻电压时通过电压传感器在不同时刻采集得到的。
步骤S303,通过目标扭矩计算策略对所述当前时刻电流、当前时刻电压以及当前时刻波形周期进行计算,得到当前电机扭矩。
应当理解的是,目标扭矩计算策略指的是通过特定参数计算电机扭矩的策略,该目标扭矩计算策略可以通过以下公式表示:N=(U*I*K)/(a*T),其中,U为电压,I为电流,K为电机损耗及效率影响常数,a为电机转速与波形周期反比例系数,T为波形周期,当前电机扭矩是通过目标扭矩计算策略对当前时刻电流、当前时刻电压以及当前时刻波形周期进行计算得到的,具体为:
N1=(U1*I1*K)/(a*T1);
其中,N1为当前电机扭矩,U1为当前时刻电压,I当前时刻电流,K为电机损耗及效率影响常数,a为电机转速与波形周期反比例系数,T为当前时刻波形周期。
步骤S304,通过所述目标扭矩计算策略对所述上一时刻电流、上一时刻电压以及上一时刻波形周期进行计算,得到上一时刻电机扭矩。
可以理解的是,在得到上一时刻电流、上一时刻电压以及上一时刻波形周期后,通过目标扭矩计算策略对上一时刻电流、上一时刻电压以及上一时刻波形周期进行计算,得到上一时刻电机扭矩,具体为:
N2=(U2*I2*K)/(a*T2);
其中,N2为上一时刻电机扭矩,U2为上一时刻电压,I2上一时刻电流,K为电机损耗及效率影响常数,a为电机转速与波形周期反比例系数,T2为上一时刻波形周期。
步骤S305,根据所述当前电机扭矩、上一时刻电机扭矩以及固定采样周期确定阻力变化率。
应当理解的是,固定采样周期指的是在固定时间段采集波形数的周期,阻力变化率指的是在目标车窗在上升过程中阻力的变化速率,该阻力变化率通过单位时间内电机扭矩的变化值与固定采样周期进行得到,该单位时间可以为采集当前时刻电压与上一时刻电压的间隔时间,具体为:
ΔF=ΔN/ΔT;
其中,ΔF为阻力变化率,ΔN为电机扭矩变化值,ΔT为固定采样周期。
进一步地,步骤S305之后,还包括:在所述阻力变化率大于等于预设防夹阈值时,根据额定电流和堵转电流确定目标电流判定范围;在所述当前时刻电流不位于所述目标电流判定范围和/或所述当前时刻波形周期大于等于预设周期阈值时,获取目标车窗开关的输入信号特性。
可以理解的是,额定电流指的是在电机在额定电压下按照额定功率运行时的电流,目标电流判定范围指的是判定是否能够继续驱动目标车窗上升的范围,该目标电流判定范围由额定电流和堵转电流确定,例如,额定电流为I,目标堵转电流为I,则目标电流判定范围为[I*120%,I*75%]。
应当理解的是,在得到目标判定电流范围后,需要判断当前时刻电流是否不位于目标判定电流范围,或者当前时刻波形周期是否大于等于预设周期阈值,若是满足上述条件中的任意一个时,实时检测目标车窗开关,得到对应的输入信号特性。
进一步地,在所述当前时刻电流不位于所述目标电流判定范围和/或所述当前时刻波形周期大于等于预设周期阈值时,获取目标车窗开关的输入信号特性之后,还包括:在所述输入信号特性不为目标特性时,获取目标反转计数器的当前计数次数;在所述当前计数次数为目标次数时,所述目标车窗反转,获取并记录当前位置波形数为目标障碍点的位置,且所述目标反转计数器的计数次数+1;所述目标车窗重新学习。
可以理解的是,目标反转计数器指的是计数目标车窗出现反转时的次数的设备,在判定结果为目标车窗的输入信号特性不为目标特性,表明没有涉及用户意图,此时需要判断目标车窗是否为首次进行防夹自学习,具体是通过判断目标反转计数器的当前计数次数是否为目标次数,若是,则判定为首次防夹,考虑到安全因素,目标车窗出现反转,该目标次数可以为0,然后记录目标车窗发生反转的当前位置波形数,并将该当前位置波形数对应的位置作为目标障碍点的位置,且目标反转计数器的计数次数将原基础次数上+1,然后目标车窗会重新进行学习。
进一步地,在所述输入信号特性不为目标特性时,获取目标反转计数器的当前计数次数之后,还包括:在所述当前计数次数不为目标次数时,获取当前位置波形数和历史上一次反转位置波形数;对所述当前位置波形数和历史上一次反转位置波形数进行作差计算,得到对应的第二波形数差值;在所述第二波形数差值小于预设防夹阈值时,获取目标计时器的当前计时时间;根据所述当前计时时间判断所述目标车窗是否满足上升条件,所述上升条件为所述当前计时时间小于预设持续时间,且当前时刻波形周期发生变化,且阻力变化率小于预设防夹阈值,且当前电流小于目标判定电流;在满足上升条件时,判定目标车窗越过目标障碍点,并确定目标车窗防夹的自学习结果为继续驱动所述目标车窗上升。在不满足上升条件时,确定目标车窗防夹的自学习结果为目标车窗变形,并结束学习。
应当理解的是,当前位置波形数指的是目标车窗在当前位置的波形数,同样,历史上一次反转位置波形数指的是目标车窗在上一次出现反转时的波形数,在判定当前计数次数不为目标次数时,第二波形数差值指的是将当前位置波形数和历史上一次反转位置波形数进行作差计算得到的,通过将第二波形数差值与预设波形数阈值的比较可以确认是否为非操作人员用户的身体等主观性障碍物,若第二波形数差值小于预设波形数阈值,则目标计时器开始工作,然后根据当前计时时间判断目标车窗是否满足上升条件,若是,则判定目标车窗越过目标障碍点,此时目标车窗防夹的自学习结果为继续驱动所述目标车窗上升,该上升条件为当前计时时间小于预设持续时间,且当前时刻波形周期发生变化,且阻力变化率小于预设防夹阈值,且当前电流小于目标判定电流预设防夹阈值,若不满足上述任何一个条件,则确定目标车窗防夹的自学习结果为目标车窗变形,此时会结束本次学习。
进一步地,对所述当前位置波形数和历史上一次反转位置波形数进行作差计算,得到对应的第二波形数差值之后,还包括:在所述第二波形数差值大于或等于预设波形数阈值时,获取目标障碍点的位置;在当前位置位于所述目标障碍点的位置的预设区域时,确定所述当前位置的障碍点源自玻璃系统外部;触发目标车窗的防夹功能,并对当前计数次数进行+1;在+1后的当前计数次数大于预设次数时,确定目标车窗防夹的自学习结果为存在外部自学习干扰因素,并结束车窗防夹自学习。
可以理解的是,目标障碍点指的是在之前自学习过程中确定的障碍点,预设区域指的是目标障碍点的下方区域,在判定第二波形数差值大于或等于预设波形数阈值时,继续判断当前位置是否位于目标障碍点的位置的预设区域,若否,则确定该当前位置为新的障碍点,此时触发安全防夹功能,目标车窗出现反转,然后记录出现反转的位置波形数,将目标反转计数器的当前计数次数+1。
应当理解的是,在判定当前位置位于目标障碍点的位置的预设区域时,确定当前位置的障碍点源自玻璃系统外部,而不是玻璃系统本身导致的,此时同样需要触发安全防夹功能,目标车窗出现反转,将目标反转计数器的当前计数次数+1,然后判断累加后的当前计数次数是否大于预设次数,该预设次数可以为3,若是,则表明连续3次都有玻璃系统外部的干扰条件,此时的车窗防夹自学习不能顺利进行,因此,确定目标车窗防夹的自学习结果为存在外部自学习干扰因素,并结束车窗防夹自学习。
进一步地,在所述第二波形数差值大于或等于预设波形数阈值时,获取目标障碍点的位置时,还包括:在当前位置不位于所述目标障碍点的位置的预设区域时,确定当前位置为目标障碍点位置,所述目标车窗反转,所述目标反转计数器的计数次数+1;所述目标车窗重新学习。
可以理解的是,在判定当前位置不位于目标障碍点的位置的预设区域时,即当前位置在目标障碍点的上方,此时将当前位置作为目标障碍点位置,然后目标车窗触动防夹功能,出现反转,此时的目标反转计数器的计数次数+1,然后目标车窗重新进行学习。
步骤S306,在所述阻力变化率大于或等于预设防夹阈值时,根据所述当前时刻电流和当前时刻波形周期获取目标车窗开关的输入信号特性。
可以理解的是,预设防夹阈值指的是自学习未完成之前的是否触发防夹动作的判断默认值,该预设防夹阈值也是指变化率,在得到阻力变化率后,需要判断该阻力变化率是否大于或等于预设防夹阈值,若否,则表明可以继续驱动目标车窗上升,然后继续返回至采集电流、电压以及波形周期的步骤,若是,则根据当前时刻电流和当前时刻波形周期获取目标车窗开关的输入信号特性。
本实施例通过在目标车窗上升过程中,根据当前波形数判断目标车窗的位置是否位于目标防夹区域;若是,则实时采集到当前时刻电压和上一时刻电压,然后通过目标扭矩计算策略分别对所述当前时刻电流、当前时刻电压、以及当前时刻波形周期和上一时刻电流、上一时刻电压以及上一时刻波形周期进行计算,再根据当前电机扭矩、上一时刻电机扭矩以及固定采样周期确定阻力变化率,然后判断阻力变化率是否大于或等于预设防夹阈值,若是,则根据当前时刻电流和当前时刻波形周期获取目标车窗开关的输入信号特性,从而能够确定是否存在用户意图,进而有效提高确定车窗防夹的自学习结果准确性。
在一实施例中,如图5所述,基于第一实施例提出本发明车窗防夹自学习方法第三实施例,所述步骤S40,包括:
步骤S401,在所述输入信号特性为目标特性时,根据目标堵转电流和预设百分比计算出目标判定电流。
可以理解的是,预设百分比指的是计算目标判定电流的百分比,在判定目标车窗开关的输入信号特性为目标特性时,通过目标堵转电流和预设百分比计算出目标判定电流,例如,目标堵转电流为I,预设百分比为85%,则目标判定电流为I*85%。
步骤S402,统计所述当前电流大于或等于所述目标判定电流的持续时间。
应当理解的是,在得到目标判定电流后,需要判断当前电流是否大于或等于目标判定电流,若是,则实时统计该条件的持续时间。
步骤S403,在所述持续时间大于预设持续时间时,触发目标车窗的防夹功能,并确定目标车窗防夹的自学习结果为车门严重变形,并结束学习。
可以理解的是,预设持续时间指的是判断目标车窗能否继续向上的最小持续时间,该预设持续时间可以为2秒,在当前电流大于或等于目标判定电流的持续时间大于预设持续时间,则表明目标车窗无法越过目标障碍点,确定目标车窗防夹的自学习结果为车门严重变形缺陷。
本实施例通过在所述输入信号特性为目标特性时,根据目标堵转电流和预设百分比计算出目标判定电流;统计所述当前电流大于或等于所述目标判定电流的持续时间;在所述持续时间大于预设持续时间时,触发目标车窗的防夹功能,并确定目标车窗防夹的自学习结果为车门严重变形,并结束学习;由于本实施例是通过在输入信号特性为目标特性时,对目标堵转电流和预设百分比进行计算,然后在当前电流大于或等于目标判定电流,统计该条件的持续时间,然后判断该持续时间是否大于预设持续时间,若是,则触发目标车窗的防夹功能,并确定目标车窗防夹的自学习结果为车门严重变形,并结束学习,从而能够有效提高确定目标车窗防夹的自学习结果的准确性。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有车窗防夹自学习程序,所述车窗防夹自学习程序被处理器执行时实现如上文所述的车窗防夹自学习方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
此外,参照图6,本发明实施例还提出一种车窗防夹自学习装置,所述车窗防夹自学习装置包括:
获取模块10,用于获取目标车窗的顶部位置和底部位置。
驱动模块20,用于根据所述顶部位置和底部位置驱动所述目标车窗进行上升。
所述获取模块10,还用于在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性。
确定模块30,用于在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果。
本实施例通过获取目标车窗的顶部位置和底部位置;根据所述顶部位置和底部位置驱动所述目标车窗进行上升;在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性;在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果;由于本实施例是通过在目标车窗上升过程中根据当前电流和波形周期获取输入信号特性,判断输入信号特性是否为目标特性,若是,则根据当前电流、目标堵转电流以及预设持续时间确定自学习结果,能够有效提高确定车窗防夹的自学习结果准确性,并区分导致自学习失败的原因。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的车窗防夹自学习方法,此处不再赘述。
在一实施例中,所述获取模块10,还用于所述当前电流包括当前时刻电流和上一时刻电流,所述波形周期包括当前时刻波形周期和上一时刻波形周期;在所述目标车窗上升过程中,根据当前波形数判断所述目标车窗的位置是否位于目标防夹区域;在所述目标车窗的位置位于目标防夹区域时,获取当前时刻电压和上一时刻电压;通过目标扭矩计算策略对所述当前时刻电流、当前时刻电压以及当前时刻波形周期进行计算,得到当前电机扭矩;通过所述目标扭矩计算策略对所述上一时刻电流、上一时刻电压以及上一时刻波形周期进行计算,得到上一时刻电机扭矩;根据所述当前电机扭矩、上一时刻电机扭矩以及固定采样周期确定阻力变化率;在所述阻力变化率大于或等于预设防夹阈值时,根据所述当前时刻电流和当前时刻波形周期获取目标车窗开关的输入信号特性。
在一实施例中,所述获取模块10,还用于在所述目标车窗的位置未位于目标防夹区域时,判断当前波形数是否小于第一波形数差值;在所述当前波形数小于第一波形数差值时,继续判断当前电流是否大于目标判定电流;在所述当前时刻电流大于目标判定电流时,确定目标车窗防夹的自学习结果为目标车窗上升至顶部位置,并结束车窗防夹自学习。
在一实施例中,所述获取模块10,还用于在所述阻力变化率大于等于预设防夹阈值时,根据额定电流和堵转电流确定目标电流判定范围;在所述当前电流不位于所述目标电流判定范围和/或所述波形周期大于等于预设周期阈值时,获取目标车窗开关的输入信号特性。
在一实施例中,所述获取模块10,还用于在所述输入信号特性不为目标特性时,获取目标反转计数器的当前计数次数;在所述当前计数次数为目标次数时,所述目标车窗反转,获取并记录当前位置波形数为目标障碍点的位置,且所述目标反转计数器的计数次数+1;所述目标车窗重新学习。
在一实施例中,所述获取模块10,还用于在所述当前计数次数不为目标次数时,获取当前位置波形数和历史上一次反转位置波形数;对所述当前位置波形数和历史上一次反转位置波形数进行作差计算,得到对应的第二波形数差值;在所述第二波形数差值小于预设波形数阈值时,获取目标计时器的当前计时时间;根据所述当前计时时间判断所述目标车窗是否满足上升条件,所述上升条件为所述当前计时时间小于预设持续时间,且当前时刻波形周期发生变化,且阻力变化率小于预设防夹阈值,且当前电流小于目标判定电流;在满足上升条件时,判定目标车窗越过目标障碍点,并确定目标车窗防夹的自学习结果为继续驱动所述目标车窗上升;在不满足上升条件时,确定目标车窗防夹的自学习结果为目标车窗变形,并结束学习。
在一实施例中,所述获取模块10,还用于在所述第二波形数差值大于或等于预设波形数阈值时,获取目标障碍点的位置;在当前位置位于所述目标障碍点的位置的预设区域时,确定所述当前位置的障碍点来源玻璃系统外部;触发目标车窗的防夹功能,并对当前计数次数进行+1;在+1后的当前计数次数大于预设次数时,确定目标车窗防夹的自学习结果为存在外部自学习干扰因素,并结束车窗防夹自学习。
在一实施例中,所述获取模块10,还用于在当前位置不位于所述目标障碍点的位置的预设区域时,确定当前位置为目标障碍点位置,所述目标车窗反转,所述目标反转计数器的计数次数+1;所述目标车窗重新学习。
在一实施例中,所述确定模块30,还用于在所述输入信号特性为目标特性时,根据目标堵转电流和预设百分比计算出目标判定电流;统计所述当前电流大于或等于所述目标判定电流的持续时间;在所述持续时间大于预设持续时间时,触发目标车窗的防夹功能,并确定目标车窗防夹的自学习结果为车门严重变形缺陷。
本发明所述车窗防夹自学习装置的其他实施例或具有实现方法可参照上述各方法实施例,此处不在赘余。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,一体化平台工作站,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (12)

1.一种车窗防夹自学习方法,其特征在于,所述车窗防夹自学习方法包括以下步骤:
获取目标车窗的顶部位置和底部位置;
根据所述顶部位置和底部位置驱动所述目标车窗进行上升;
在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性;
在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果。
2.如权利要求1所述的车窗防夹自学习方法,其特征在于,所述当前电流包括当前时刻电流和上一时刻电流,所述波形周期包括当前时刻波形周期和上一时刻波形周期;
在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性,包括:
在所述目标车窗上升过程中,根据当前波形数判断所述目标车窗的位置是否位于目标防夹区域;
在所述目标车窗的位置位于目标防夹区域时,获取当前时刻电压和上一时刻电压;
通过目标扭矩计算策略对所述当前时刻电流、当前时刻电压以及当前时刻波形周期进行计算,得到当前电机扭矩;
通过所述目标扭矩计算策略对所述上一时刻电流、上一时刻电压以及上一时刻波形周期进行计算,得到上一时刻电机扭矩;
根据所述当前电机扭矩、上一时刻电机扭矩以及固定采样周期确定阻力变化率;
在所述阻力变化率大于或等于预设防夹阈值时,根据所述当前时刻电流和当前时刻波形周期获取目标车窗开关的输入信号特性。
3.如权利要求2所述的车窗防夹自学习方法,其特征在于,所述在所述目标车窗上升过程中,根据当前波形数判断所述目标车窗的位置是否位于目标防夹区域之后,还包括:
在所述目标车窗的位置未位于目标防夹区域时,判断当前波形数是否小于第一波形数差值;
在所述当前波形数小于第一波形数差值时,继续判断当前电流是否大于目标判定电流;
在所述当前时刻电流大于目标判定电流时,确定目标车窗防夹的自学习结果为目标车窗上升至顶部位置,并结束车窗防夹自学习。
4.如权利要求2所述的车窗防夹自学习方法,其特征在于,所述根据所述当前电机扭矩、上一时刻电机扭矩以及固定采样周期确定阻力变化率之后,还包括:
在所述阻力变化率大于等于预设防夹阈值时,根据额定电流和堵转电流确定目标电流判定范围;
在所述当前电流不位于所述目标电流判定范围和/或所述波形周期大于等于预设周期阈值时,获取目标车窗开关的输入信号特性。
5.如权利要求4所述的车窗防夹自学习方法,其特征在于,在所述当前电流不位于所述目标电流判定范围和/或所述波形周期大于预设周期阈值时,获取目标车窗开关的输入信号特性之后,还包括:
在所述输入信号特性不为目标特性时,获取目标反转计数器的当前计数次数;
在所述当前计数次数为目标次数时,所述目标车窗反转,获取并记录当前位置波形数为目标障碍点的位置,且所述目标反转计数器的计数次数+1;
所述目标车窗重新学习。
6.如权利要求5所述的车窗防夹自学习方法,其特征在于,在所述输入信号特性不为目标特性时,获取目标反转计数器的当前计数次数之后,还包括:
在所述当前计数次数不为目标次数时,获取当前位置波形数和历史上一次反转位置波形数;
对所述当前位置波形数和历史上一次反转位置波形数进行作差计算,得到对应的第二波形数差值;
在所述第二波形数差值小于预设波形数阈值时,获取目标计时器的当前计时时间;
根据所述当前计时时间判断所述目标车窗是否满足上升条件,所述上升条件为所述当前计时时间小于预设持续时间,且当前时刻波形周期发生变化,且阻力变化率小于预设防夹阈值,且当前电流小于目标判定电流;
在满足上升条件时,判定目标车窗越过目标障碍点,并确定目标车窗防夹的自学习结果为继续驱动所述目标车窗上升;
在不满足上升条件时,确定目标车窗防夹的自学习结果为目标车窗变形,并结束学习。
7.如权利要求6所述的车窗防夹自学习方法,其特征在于,所述对所述当前位置波形数和历史上一次反转位置波形数进行作差计算,得到对应的第二波形数差值之后,还包括:
在所述第二波形数差值大于或等于预设波形数阈值时,获取目标障碍点的位置;
在当前位置位于所述目标障碍点的位置的预设区域时,确定所述当前位置的障碍点来源玻璃系统外部;
触发目标车窗的防夹功能,并对当前计数次数进行+1;
在+1后的当前计数次数大于预设次数时,确定目标车窗防夹的自学习结果为存在外部自学习干扰因素,并结束车窗防夹自学习。
8.如权利要求7所述的车窗防夹自学习方法,其特征在于,在所述第二波形数差值大于或等于预设波形数阈值时,获取目标障碍点的位置时,还包括:
在当前位置不位于所述目标障碍点的位置的预设区域时,确定当前位置为目标障碍点位置,所述目标车窗反转,所述目标反转计数器的计数次数+1;
所述目标车窗重新学习。
9.如权利要求1至8中任一项所述的车窗防夹自学习方法,其特征在于,在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果,包括:
在所述输入信号特性为目标特性时,根据目标堵转电流和预设百分比计算出目标判定电流;
统计所述当前电流大于或等于所述目标判定电流的持续时间;
在所述持续时间大于预设持续时间时,触发目标车窗的防夹功能,并确定目标车窗防夹的自学习结果为车门严重变形,并结束学习。
10.一种车窗防夹自学习装置,其特征在于,所述车窗防夹自学习装置包括:
获取模块,用于获取目标车窗的顶部位置和底部位置;
驱动模块,用于根据所述顶部位置和底部位置驱动所述目标车窗进行上升;
所述获取模块,还用于在所述目标车窗上升过程中,根据电机的当前电流和波形周期获取目标车窗开关的输入信号特性;
确定模块,用于在所述输入信号特性为目标特性时,根据所述当前电流、目标堵转电流以及预设持续时间确定目标车窗防夹的自学习结果。
11.一种车窗防夹自学习设备,其特征在于,所述车窗防夹自学习设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车窗防夹自学习程序,所述车窗防夹自学习程序配置有实现如权利要求1至9中任一项所述的车窗防夹自学习方法。
12.一种存储介质,其特征在于,所述存储介质上存储有车窗防夹自学习程序,所述车窗防夹自学习程序被处理器执行时实现如权利要求1至9中任一项所述的车窗防夹自学习方法。
CN202210327043.5A 2022-03-30 2022-03-30 车窗防夹自学习方法、装置、设备及存储介质 Pending CN114626421A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210327043.5A CN114626421A (zh) 2022-03-30 2022-03-30 车窗防夹自学习方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210327043.5A CN114626421A (zh) 2022-03-30 2022-03-30 车窗防夹自学习方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114626421A true CN114626421A (zh) 2022-06-14

Family

ID=81903227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210327043.5A Pending CN114626421A (zh) 2022-03-30 2022-03-30 车窗防夹自学习方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114626421A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113027276A (zh) * 2021-03-05 2021-06-25 一汽奔腾轿车有限公司 一种汽车免防夹标定方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113027276A (zh) * 2021-03-05 2021-06-25 一汽奔腾轿车有限公司 一种汽车免防夹标定方法

Similar Documents

Publication Publication Date Title
JP2002525017A (ja) 車両部品を調節するための駆動装置と方法
TWI430061B (zh) 用於追蹤隔板系統性能的系統及方法
CN114626421A (zh) 车窗防夹自学习方法、装置、设备及存储介质
CN112437714B (zh) 机器人控制装置、机器人控制方法以及机器人控制程序
JP5689040B2 (ja) エレベータドア制御装置およびエレベータドア制御方法
EP4001569A1 (en) Pinch detection based on motor current increase
CN112220413B (zh) 一种扫地机器人打滑检测方法、装置及可读存储介质
CN111409572B (zh) 一种车身闭合系统的控制方法及装置
CN113852322A (zh) 升降器热保护控制方法、装置、设备及存储介质
WO2021004188A1 (zh) 一种防夹检测方法及系统
EP1168559A1 (en) Window object detection with start-up compensation
JP3484887B2 (ja) パワーウィンドスイッチ装置
KR101163833B1 (ko) 도어 제어 장치 및 방법
CN115538879A (zh) 电机转速值确定方法、车窗纹波防夹方法、车辆及介质
CN114814572A (zh) 门窗堵转检测方法
CN111472635B (zh) 电动窗的阻力特性数据获取方法及装置
CN108952452B (zh) 一种遥控关窗的方法及装置
CN114320078B (zh) 一种滑动触摸的玻璃升降开关的控制方法及装置
JP2017172147A (ja) 挟み込み検出装置
EP4001566A1 (en) Pinch detection during motor restart
CN111458635A (zh) 玻璃升降堵转状态确定方法、装置、存储介质及电子设备
CN116065913A (zh) 车窗防夹控制系统及汽车
CN112511063A (zh) 一种车辆隔断系统的防夹自适应学习方法及装置
JP2687847B2 (ja) 窓の開閉制御装置
CN115788221A (zh) 车窗控制方法、装置、设备及存储介质

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