CN114889568B - 一种智能汽车电液复合电子液压制动系统控制方法 - Google Patents
一种智能汽车电液复合电子液压制动系统控制方法 Download PDFInfo
- Publication number
- CN114889568B CN114889568B CN202210460321.4A CN202210460321A CN114889568B CN 114889568 B CN114889568 B CN 114889568B CN 202210460321 A CN202210460321 A CN 202210460321A CN 114889568 B CN114889568 B CN 114889568B
- Authority
- CN
- China
- Prior art keywords
- braking
- driver
- intention
- vehicle
- braking intention
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/17—Using electrical or electronic regulation means to control braking
- B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T13/00—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems
- B60T13/10—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems with fluid assistance, drive, or release
- B60T13/66—Electrical control in fluid-pressure brake systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T13/00—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems
- B60T13/74—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems with electrical assistance or drive
- B60T13/745—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems with electrical assistance or drive acting on a hydraulic system, e.g. a master cylinder
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Regulating Braking Force (AREA)
Abstract
本发明提供一种智能汽车电液复合电子液压制动系统控制方法,包括以下步骤:步骤1:找到对驾驶员和车辆制动意图影响较大的参数;步骤2:驾驶员制动意图特征参数和车辆制动意图特征参数输入模糊控制系统,利用模糊控制系统判断当前驾驶员制动意图和车辆制动意图;步骤3:判断步骤2中的驾驶员制动意图和车辆制动意图的置信度,并基于置信度最终确定目标制动意图;步骤4:根据步骤3中的目标制动意图决策电、液制动力分配方式;步骤5:利用压力传感器实测实际制动力反馈,借此通过做差得到摩擦补偿制动力,并予以补偿。本发明极大的增强驾驶员疲劳、走神等不良状态下的车辆制动响应鲁棒性,极大地减少制动响应时间,保证制动时效性。
Description
技术领域
本发明涉及智能汽车技术领域,尤其是涉及一种智能汽车电液复合电子液压制动系统控制方法。
背景技术
在科技水平不断发展的过程中,人民对于幸福生活的追求从未停止。智能汽车是指具有一定智能化水平的车辆,具有传感器组件,控制分析系统,电、液复合电子液压制动系统,面部和姿态视频识别系统,传感器组件包括但不限于压力传感器、行车雷达、行车摄像头、雨滴传感器和光敏传感器,电、液复合电子液压制动系统采用电机、液压复合制动的方式。智能汽车,能够极大的改善我国的驾驶环境,避免交通事故的发生。目前,我国已经逐步步入智能化时代,不断提高车辆的智能化程度。而在智能汽车的发展过程中,其中主要包含三大难点,分别为:目标检测、智能决策和线控底盘。
在当前对于电子液压制动系统的研究,大多都仅考虑驾驶员制动意图。而在未来的发展过程中,车辆的智能化水平不断提高是不可阻挡的趋势,因此,仅仅考虑驾驶员制动意图是不足以保障车辆的安全驾驶的。在中国专利申请号CN201711454549.8《一种EHB电液制动系统制动控制方法》中,提到了主动制动对车辆的影响,但是在其专利文件中的描述中,仅根据车辆状态判断人工制动与主动制动的选择权,此类判断则过于简单,容易在车辆误判的情况下发生意外。此外,在正常行驶中,仅单一考虑某一制动方式,不能综合考虑主动制动与人工制动两者关系。
由此可见,在现有的电子液压制动系统控制方法的研究上,仍然存在较大的问题,未能和未来的智能汽车进行有效的协作,以及在电液复合方面仍需要进一步的优化分配策略。因此,亟需一种新的技术方案解决以上问题。
发明内容
针对以上技术问题,本发明提出了一种智能汽车电液复合电子液压制动系统控制方法,分别判断智能汽车的车辆制动意图以及驾驶员制动意图,然后通过驾驶员情绪检测、驾驶员姿态检测、车辆网络通信延迟检测、外界环境检测给与两者不同权重,判断两者的置信度,最终解析得到目标制动意图,在电、液制动力分配上考虑制动方式和踏板行程,并保留一部分的电机制动力用于液压摩擦制动力补偿,保证制动力响应速度,提高制动安全性。
为了实现上述技术目的,达到上述的技术要求,本发明所采用的技术方案是:一种智能汽车电液复合电子液压制动系统控制方法,包括以下步骤:
步骤1:针对影响驾驶员制动意图和车辆制动意图的参数建立数据集,并进行参数权值分析,找到对其影响较大的参数,便于后续目标制动意图分析;
步骤2:根据步骤1得到的驾驶员制动意图特征参数和车辆制动意图特征参数输入模糊控制系统,利用模糊控制系统判断当前驾驶员制动意图和车辆制动意图;
步骤3:通过路况检测、驾驶员情绪检测、驾驶员姿态检测、车辆网络通信延迟检测、外界环境检测得到当前的道路信息、驾驶员情绪、驾驶员姿态、网络延迟和环境信息,通过以上信息判断步骤2中的驾驶员制动意图和车辆制动意图的置信度,并基于置信度最终确定目标制动意图;
步骤4:根据步骤3中的目标制动意图决策电、液制动力分配方式;
作为优选的技术方案,所述步骤1的具体步骤如下:
步骤1.1:采集不同时刻、驾驶员不同状态下影响驾驶员制动意图的参数,将驾驶员制动意图分为紧急制动、调节制动、缓步制动、停车制动四种状态,分别用0、1、2、3代替,基于驾驶员制动意图与影响驾驶员制动意图的主要参数建立数据集,然后利用ReliefF算法对参数权重进行计算,最终计算后取对驾驶员制动意图影响最大且相互独立的三个参数作为驾驶员制动意图特征参数;
步骤1.2:采集不同时刻,不同车况下影响车辆制动意图的主要参数,并且对车辆制动意图进行标注,将车辆制动意图同样分为紧急制动、调节制动、缓步制动、停车制动四种状态,分别用0、1、2、3代替,然后基于采集的影响车辆制动意图的主要参数和标注过的车辆制动意图建立数据集,并利用ReliefF算法对数据集进行计算,计算得出不同参数的权重,取其中相互独立并且权重最大的三个参数作为车辆制动意图特征参数。
作为优选的技术方案,所述步骤3的具体步骤如下:
步骤3.1:基于对驾驶员面部视频的采样,采用循环神经网络对驾驶员当前情绪进行识别,将其分类为多种基本情绪,基于对驾驶员整体姿态视频的采样,采用TinyPose网络对人体关键点进行检测和提取,然后采用BP神经网络对驾驶员不同姿态进行分类识别;
步骤3.2:通过识别到的当前驾驶员情绪和当前驾驶员姿态对当前驾驶员制动意图的置信度进行评判,并赋予置信度指数;
步骤3.3:通过对当前通信网络延迟的检测以及利用雨滴传感器和光敏传感器检测当前外界天气状况,从而判断传感器检测可信度,最终评判当前车辆制动意图的置信度,并赋予置信度指数;
步骤3.4:通过对比驾驶员制动意图和车辆制动意图以及两者置信度,最终输出目标制动意图。
作为优选的技术方案,所述步骤1.1中的影响驾驶员制动意图的参数包括制动踏板速度、车辆加速度、制动踏板力、制动踏板位移、车辆当前车速,三种主要参数为制动踏板位移、制动踏板速度、车速。
作为优选的技术方案,所述步骤1.1中的ReliefF算法为Relief算法的扩展,用于处理多类问题,在处理多类问题时每次从训练样本集中随机取出一个样本R,然后从和R同类的样本集中找出R的k个近邻样本H,从每个样本R的不同类样本集中均找出k个近邻样本M,然后更新每个特征的权重,如下式所示:
作为优选的技术方案,所述步骤1.2中的影响车辆制动意图的参数包括与前方障碍物距离、与前方障碍物相对速度、前方障碍物加速或减速意图、与后方障碍物距离、与后方障碍物相对速度、后方障碍物加速或减速意图、车速、制动油管油压、加速度,三种主要参数为与前方障碍物距离、与前方障碍物相对速度、车速。
作为优选的技术方案,所述步骤3.1中的多种基本情绪有平静、愤怒、羡慕、喜悦、悲伤、羞耻、嫉妒、恐惧,驾驶员不同姿态包括抽烟、使用手机、未系安全带、双手离开方向盘、视角未看向前方、打哈欠、闭眼。
作为优选的技术方案,所述步骤3.2中的驾驶员制动意图的置信度指数求解方法为:将多种基本情绪分为高冲动型情绪lhigh、低冲动型型情绪llow和平静情绪lclam,所述高冲动型情绪lhigh包括愤怒、嫉妒、恐惧,其置信度赋值为0.5,所述低冲动型型情绪llow包括羡慕、喜悦、悲伤、羞耻,其置信度赋值为0.8,所述平静情绪lclam包括平静,其置信度赋值为1,将驾驶员不同姿态的特征作为修正参数δ,存在此特征时,赋值为δ=1,否则为δ=0,驾驶员制动意图的置信度指数求解公式则为:
作为优选的技术方案,所述步骤3.3中车辆制动意图的置信度指数求解方法为:定义天气良好且通信无延迟工况下置信度为1,通信延迟、是否下雨、是否为夜间为三类影响因子δ,存在此现象时δ为1,否则为0,车辆制动意图的置信度指数求解公式为:
作为优选的技术方案,所述步骤4中的电、液分配方式为:当制动模式为停车制动时触发驻车制动系统;当制动模式为调节制动和缓步制动时由制动踏板行程决定液压制动是否作用;当制动模式为紧急制动时电、液同时制动,当处于缓步制动和调节制动时由电机功率计算电机所能提供的最大制动力,取电机效率的60%作为常用制动力,并以此转化为制动踏板开度,保证在制动踏板开度前仅电机制动,超过制动踏板开度,电、液同时制动。
本发明的有益效果是:
本发明针对传统的驾驶员制动意图判断单一的问题提出了车辆制动意图,利用驾驶员状态、道路信息、环境信息和网络延迟等对驾驶员和车辆制动意图的权重进行判断,最终判断目标制动意图,同时对车辆的状态采用模糊控制方法,其次根据目标制动意图决定电、液制动分配方法,并采用电机进行摩擦补偿,采用本发明的方法极大地增强驾驶员疲劳、走神等不良状态下的车辆制动响应鲁棒性,同时,通过电、液复合和电机摩擦补偿极大地减少制动响应时间,保证制动时效性。
附图说明
图1是目标制动意图识别方法;
图3是电、液分配方式;
图2是电子液压制动系统整体控制策略。
具体实施方式
下面结合附图对本发明进一步描述。
请参照图1-3,一种智能汽车电液复合电子液压制动系统控制方法,包括以下步骤:
步骤1:针对影响驾驶员制动意图和车辆制动意图的参数建立数据集,并进行参数权值分析,找到对其影响较大的参数,便于后续目标制动意图分析;
步骤1.1:采集不同时刻、驾驶员不同状态下影响驾驶员制动意图的参数,将驾驶员制动意图分为紧急制动、调节制动、缓步制动、停车制动四种状态,分别用0、1、2、3代替,基于驾驶员制动意图与影响驾驶员制动意图的主要参数建立数据集,然后利用ReliefF算法对参数权重进行计算,最终计算后取对驾驶员制动意图影响最大且相互独立的三个参数作为驾驶员制动意图特征参数;进一步的,影响驾驶员制动意图的参数包括制动踏板速度、车辆加速度、制动踏板力、制动踏板位移、车辆当前车速,三种主要参数为制动踏板位移、制动踏板速度、车速;
步骤1.2:采集不同时刻,不同车况下影响车辆制动意图的主要参数,并且对车辆制动意图进行标注,将车辆制动意图同样分为紧急制动、调节制动、缓步制动、停车制动四种状态,分别用0、1、2、3代替,然后基于采集的影响车辆制动意图的主要参数和标注过的车辆制动意图建立数据集,并利用ReliefF算法对数据集进行计算,计算得出不同参数的权重,取其中相互独立并且权重最大的三个参数作为车辆制动意图特征参数;进一步的,影响车辆制动意图的参数包括与前方障碍物距离、与前方障碍物相对速度、前方障碍物加速或减速意图、与后方障碍物距离、与后方障碍物相对速度、后方障碍物加速或减速意图、车速、制动油管油压、加速度,三种主要参数为与前方障碍物距离、与前方障碍物相对速度、车速,制动油管压力通过压力传感器采集数据,前方障碍物距离、与前方障碍物相对速度、前方障碍物加速或减速意图、与后方障碍物距离、与后方障碍物相对速度、后方障碍物加速或减速意图通过行车雷达、行车视频采集;
步骤2:根据步骤1得到的驾驶员制动意图特征参数和车辆制动意图特征参数输入模糊控制系统,利用模糊控制系统判断当前驾驶员制动意图和车辆制动意图;
步骤3:通过路况检测、驾驶员情绪检测、驾驶员姿态检测、车辆网络通信延迟检测、外界环境检测得到当前的道路信息、驾驶员情绪、驾驶员姿态、网络延迟和环境信息,通过以上信息判断步骤2中的驾驶员制动意图和车辆制动意图的置信度,并基于置信度最终确定目标制动意图;
步骤3.1:基于对驾驶员面部视频的采样,采用循环神经网络对驾驶员当前情绪进行识别,将其分类为多种基本情绪,基于对驾驶员整体姿态视频的采样,采用TinyPose网络对人体关键点进行检测和提取,然后采用BP神经网络对驾驶员不同姿态进行分类识别;进一步的,多种基本情绪为8种情绪,分别为平静、愤怒、羡慕、喜悦、悲伤、羞耻、嫉妒、恐惧;
步骤3.2:通过识别到的当前驾驶员情绪和当前驾驶员姿态对当前驾驶员的置信度进行评判,并赋予置信度指数;
步骤3.3:通过对当前通信网络延迟进行检测,当延迟时间超过10ms则认为存在延迟,利用雨滴传感器和光敏传感器检测当前外界天气状况,从而判断传感器检测可信度,最终评判当前车辆制动意图的置信度,并赋予置信度指数,对当前通信网络延迟的检测一般采用ICMP,即互联网控制报文协议,来判断当前通信网络是否延迟,当前通信网络延迟信息和当前外界天气状况都会反馈给控制分析系统;
步骤3.4:通过对比驾驶员制动意图和车辆制动意图以及两者置信度,最终输出目标制动意图;
步骤4:根据步骤3中的目标制动意图决策电、液制动力分配方式;
现有大部分智能汽车仅判断驾驶员制动意图,而对于车辆的主动制动仍然采用简单的逻辑控制,极为危险的情况下触发紧急制动,并未判断车辆制动意图,而且目前技术方案并没有较好的将车辆制动意图和驾驶员制动意图结合在一起,因此本发明人在设计技术方案时将智能汽车独立于驾驶员进行分析,并将制动状态分位四种,根据影响车辆制动意图和驾驶员制动意图的参数建立数据集,并进行参数权值分析,然后通过模糊控制系统分别判断车辆制动意图和驾驶员制动意图,然后在通过道路信息、驾驶员情绪、驾驶员姿态、网络延迟和环境信息等判断车辆制动意图和驾驶员制动意图的置信度,从而更加准确地得到目标制动意图,增强驾驶员在疲劳、走神等不良状态下的车辆制动响应鲁棒性,适应性更好,在各种车况下的制动效果更好,本发明中提及的智能汽车一般采用电、液制动的复合制动方式,本发明人设计技术方案时也考虑要根据目标制动意图来对电、液制动力进行分配,而不是简单采用电或液进行制动,增强了电、液制动力分配的逻辑性,并且电机摩擦补偿可以极大的减少制动响应时间,保证制动时效性。
如图1-3所示,所述步骤的模糊控制系统的规则如下所示:
表1驾驶员制动意图模糊规则表
其中制动踏板开度Big和Small对应的区间分别为[35%,100%]和[0%,35%],此外当制动踏板速度小于5mm/s为Slow大于5mm/s时为Quick;当车速小于60km/h时为Slow,当车速大于60km/h时为High。
表2车辆制动意图模糊规则表
其中当与前方障碍物距离大于50m时判定为Long,小于50m时判定为Short。相对速度种,Positive代表相对速度为正,Negative代表相对速度为负,车速区间如上述相同。
如图1-3所示,在其中一些实施方式中,所述步骤1.1中的ReliefF算法为Relief算法的扩展,用于处理多类问题,在处理多类问题时每次从训练样本集中随机取出一个样本R,然后从和R同类的样本集中找出R的k个近邻样本H,从每个样本R的不同类样本集中均找出k个近邻样本M,然后更新每个特征的权重,如下式所示:
如图1-3所示,在其中一些实施方式中,所述步骤1.2中的影响车辆制动意图的参数包括与前方障碍物距离、与前方障碍物相对速度、前方障碍物加速或减速意图、与后方障碍物距离、与后方障碍物相对速度、后方障碍物加速或减速意图、车速、制动油管油压、加速度,三种主要参数为与前方障碍物距离、与前方障碍物相对速度、车速。
如图1-3所示,在其中一些实施方式中,所述步骤3.1中的多种基本情绪有平静、愤怒、羡慕、喜悦、悲伤、羞耻、嫉妒、恐惧,驾驶员不同姿态包括抽烟、使用手机、未系安全带、双手离开方向盘、视角未看向前方、打哈欠、闭眼。
如图1-3所示,在其中一些实施方式中,所述步骤3.2中的驾驶员置信度指数求解方法如下所示:将多种基本情绪分为高冲动型情绪lhigh(包括愤怒、嫉妒、恐惧;置信度赋值为0.5)和llow低冲动型型情绪(包括羡慕、喜悦、悲伤、羞耻;置信度赋值为0.8)和lclam平静情绪(包括平静;置信度赋值为1),将驾驶员不同姿态特征作为修正参数δ,存在此特征时,赋值为δ=1,否则为δ=0,驾驶员置信度指数求解公式则为:修正参数δ的下标即为抽烟smoke、使用手机phone、未系安全带no_seatbelt、双手离开方向盘off_steering、视角未看向前方No_looking forward、打哈欠yawn,闭眼close_eyes,与驾驶员不同姿态一一对应,驾驶员置信度指数求解公式的分母中的求和即是将驾驶员不同姿态对应的修正参数相加求和。
如图1-3所示,在其中一些实施方式中,所述步骤3.3中车辆制动意图置信度指数求解方法如下所示:定义天气良好且通信无延迟工况下置信度为1,通信延迟、是否下雨、是否为夜间为三类影响因子δ,存在此现象时δ为1,否则为0,车辆制动意图置信度指数求解公式为:δ的下标为延迟latency、下雨rain、夜间night。
如图1-3所示,在其中一些实施方式中,所述步骤3.4中的目标制动意图的输出主要取决于车辆制动意图和驾驶员制动意图识别结果和置信度计算结果,当两者识别结果一致,目标制动意图则输出两者相同的制动意图,当两者输出结果不同时则输出置信度高的识别结果。
如图1-3所示,在其中一些实施方式中,所述步骤4中的电、液分配方式为:所述步骤4中的电、液分配方式为:当制动模式为停车制动时触发驻车制动系统;当制动模式为调节制动和缓步制动时由制动踏板行程决定液压制动是否作用;当制动模式为紧急制动时电、液同时制动,其中当处于缓步制动和调节制动时,由电机功率计算电机所能提供的最大制动力,取电机的60%电功率作为常用制动力,并以此转化为制动踏板开度,保证在制动踏板开度前仅电机制动,超过制动踏板开度,电、液同时制动。
如图1-3所示,在其中一些实施方式中,智能汽车通过控制分析系统实时求解目标制动力,通过压力传感器采集实际制动油管压力,即实际制动力,从而实现实际制动力反馈,将实际制动力与目标制动力做差,得到摩擦补偿,然后利用电机的剩余电功率作为摩擦补偿,以保证补偿的时效性,同时,当剩余电功率不能满足制动要求则重新进行电、液分配以保证制动力要求,因为车况往往较为复杂,电机剩余电功率最大为40%电功率,可能会出现电功率不足的问题,重新分配后保证制动力满足要求。
上述实施例仅仅是为清楚地说明本发明所作的描述,而并非对实施方式的限定,对于所属领域的技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无需也无法对所有的实施方式予以穷举,而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (10)
1.一种智能汽车电液复合电子液压制动系统控制方法,包括以下步骤:
步骤1:针对影响驾驶员制动意图和车辆制动意图的参数建立数据集,并进行参数权值分析,找到对其影响较大的参数,便于后续目标制动意图分析;
步骤2:根据步骤1得到的驾驶员制动意图特征参数和车辆制动意图特征参数输入模糊控制系统,利用模糊控制系统判断当前驾驶员制动意图和车辆制动意图;
步骤3:通过路况检测、驾驶员情绪检测、驾驶员姿态检测、车辆网络通信延迟检测、外界环境检测得到当前的道路信息、驾驶员情绪、驾驶员姿态、网络延迟和环境信息,通过以上信息判断步骤2中的驾驶员制动意图和车辆制动意图的置信度,并基于置信度最终确定目标制动意图;
步骤4:根据步骤3中的目标制动意图决策电、液制动力分配方式,得到目标电、液制动力;
步骤5:利用压力传感器实测实际制动力反馈,与步骤4中的目标电、液制动力做差得到摩擦补偿制动力,并予以补偿。
2.根据权利要求1所述的一种智能汽车电液复合电子液压制动系统控制方法,其特征在于,所述步骤1的具体步骤如下:
步骤1.1:采集不同时刻、驾驶员不同状态下影响驾驶员制动意图的参数,将驾驶员制动意图分为紧急制动、调节制动、缓步制动、停车制动四种状态,分别用0、1、2、3代替,基于驾驶员制动意图与影响驾驶员制动意图的主要参数建立数据集,然后利用ReliefF算法对参数权重进行计算,最终计算后取对驾驶员制动意图影响最大且相互独立的三个参数作为驾驶员制动意图特征参数;
步骤1.2:采集不同时刻,不同车况下影响车辆制动意图的主要参数,并且对车辆制动意图进行标注,将车辆制动意图同样分为紧急制动、调节制动、缓步制动、停车制动四种状态,分别用0、1、2、3代替,然后基于采集的影响车辆制动意图的主要参数和标注过的车辆制动意图建立数据集,并利用ReliefF算法对数据集进行计算,计算得出不同参数的权重,取其中相互独立并且权重最大的三个参数作为车辆制动意图特征参数。
3.根据权利要求2所述的一种智能汽车电液复合电子液压制动系统控制方法,其特征在于,所述步骤3的具体步骤如下:
步骤3.1:基于对驾驶员面部视频的采样,采用循环神经网络对当前驾驶员情绪进行识别,将其分类为多种基本情绪,基于对驾驶员不同姿态视频的采样,采用TinyPose网络对人体关键点进行检测和提取,然后采用BP神经网络对驾驶员不同姿态进行分类识别;
步骤3.2:通过识别到的当前驾驶员情绪和当前驾驶员姿态对当前驾驶员制动意图的置信度进行评判,并赋予置信度指数;
步骤3.3:通过对当前通信网络延迟的检测以及利用雨滴传感器和光敏传感器检测当前外界天气状况,从而判断传感器检测可信度,对当前车辆制动意图的置信度进行评判,并赋予置信度指数;
步骤3.4:通过对比驾驶员制动意图和车辆制动意图以及两者置信度,最终输出目标制动意图。
4.根据权利要求2所述的一种智能汽车电液复合电子液压制动系统控制方法,其特征在于,所述步骤1.1中的影响驾驶员制动意图的参数包括制动踏板速度、车辆加速度、制动踏板力、制动踏板位移、车速,三种主要参数为制动踏板位移、制动踏板速度、车速。
6.根据权利要求4所述的一种智能汽车电液复合电子液压制动系统控制方法,其特征在于,所述步骤1.2中的影响车辆制动意图的参数包括与前方障碍物距离、与前方障碍物相对速度、前方障碍物加速或减速意图、与后方障碍物距离、与后方障碍物相对速度、后方障碍物加速或减速意图、车速、制动油管油压、加速度,三种主要参数为与前方障碍物距离、与前方障碍物相对速度、车速。
7.根据权利要求3所述的一种智能汽车电液复合电子液压制动系统控制方法,其特征在于,所述步骤3.1中的多种基本情绪有平静、愤怒、羡慕、喜悦、悲伤、羞耻、嫉妒、恐惧,驾驶员不同姿态包括抽烟、使用手机、未系安全带、双手离开方向盘、视角未看向前方、打哈欠、闭眼。
10.根据权利要求2所述的一种智能汽车电液复合电子液压制动系统控制方法,其特征在于,所述步骤4中的电、液制动力分配方式为:当制动模式为停车制动时触发驻车制动系统;当制动模式为调节制动和缓步制动时由制动踏板行程决定液压制动是否作用;当制动模式为紧急制动时,电、液同时制动,当处于缓步制动和调节制动时由电机功率计算电机所能提供的最大制动力,取电机的60%电功率作为常用制动力,并以此转化为制动踏板开度,保证在制动踏板开度前仅电机制动,超过制动踏板开度,电、液同时制动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210460321.4A CN114889568B (zh) | 2022-04-22 | 2022-04-22 | 一种智能汽车电液复合电子液压制动系统控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210460321.4A CN114889568B (zh) | 2022-04-22 | 2022-04-22 | 一种智能汽车电液复合电子液压制动系统控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114889568A CN114889568A (zh) | 2022-08-12 |
CN114889568B true CN114889568B (zh) | 2023-03-31 |
Family
ID=82719681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210460321.4A Active CN114889568B (zh) | 2022-04-22 | 2022-04-22 | 一种智能汽车电液复合电子液压制动系统控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114889568B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100198491A1 (en) * | 2009-02-05 | 2010-08-05 | Paccar Inc | Autonomic vehicle safety system |
CN104828062B (zh) * | 2015-05-11 | 2018-03-13 | 上海工程技术大学 | 一种基于驾驶员制动意图识别的制动控制方法 |
CN105825241B (zh) * | 2016-04-15 | 2019-01-25 | 长春工业大学 | 基于模糊神经网络的驾驶员制动意图辨识方法 |
CN108297864A (zh) * | 2018-01-25 | 2018-07-20 | 广州大学 | 驾驶员与车辆主动安全技术联动的控制方法及控制系统 |
CN111340074B (zh) * | 2020-02-13 | 2023-05-26 | 南京航空航天大学 | 基于改进的rbf神经网络的驾驶员制动意图辨识方法 |
CN112721939B (zh) * | 2021-01-15 | 2022-04-08 | 南京航空航天大学 | 一种基于多传感器融合的驾驶员制动意图识别方法 |
-
2022
- 2022-04-22 CN CN202210460321.4A patent/CN114889568B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114889568A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108995655B (zh) | 一种驾驶员驾驶意图识别方法及系统 | |
CN109421711B (zh) | 跟车速度控制方法、装置、系统、计算机设备及存储介质 | |
CN112046454B (zh) | 一种基于车辆环境识别的自动紧急制动方法 | |
CN109760678B (zh) | 一种汽车自适应巡航系统的限速方法 | |
CN110155046A (zh) | 自动紧急制动分级控制方法与系统 | |
CN112590801B (zh) | 一种基于驾驶员疲劳程度的前方碰撞预警控制方法 | |
CN110262491B (zh) | 一种基于混合学习方式的车辆制动意图预测的方法及系统 | |
CN113386778B (zh) | 一种基于车辆行驶轨迹数据的急减速驾驶行为判定方法 | |
CN112109708B (zh) | 一种考虑驾驶行为的自适应巡航控制系统及其控制方法 | |
CN111216736A (zh) | 基于行驶工况的辅助驾驶系统自适应调节方法及系统 | |
CN116957345B (zh) | 用于无人驾驶系统中的数据处理方法 | |
CN111783943A (zh) | 一种基于lstm神经网络的驾驶员制动强度预测方法 | |
CN116001795A (zh) | 一种换道风险评估及个性化换道决策方法 | |
CN111340074B (zh) | 基于改进的rbf神经网络的驾驶员制动意图辨识方法 | |
CN112070927A (zh) | 一种高速公路车辆微观驾驶行为分析系统与分析方法 | |
CN114987539A (zh) | 一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法及系统 | |
CN114228499A (zh) | 一种电动汽车控制方法 | |
CN114889568B (zh) | 一种智能汽车电液复合电子液压制动系统控制方法 | |
CN109515441B (zh) | 用于智能驾驶车辆的车速控制系统 | |
CN109910865B (zh) | 一种基于物联网的车辆预警刹车方法 | |
CN115320407B (zh) | 车辆控制方法和车辆控制装置 | |
CN114613131B (zh) | 一种基于安全裕度的个性化前向碰撞预警方法 | |
Ma et al. | Naturalistic driving behavior analysis under typical normal cut-in scenarios | |
Chen et al. | Data based parameter setting method for adaptive cruise control | |
CN108437794B (zh) | 一种汽车限速系统 |
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 |