CN115187106A - 一种基于车辆状态信息的侧翻风险在线评估方法 - Google Patents

Abstract

本发明提出一种基于车辆状态信息的侧翻风险在线评估方法，首先采集车辆侧翻状态变量和安全阈值区间，然后计算得到系统安全容许时间、状态变量的异化时间以及异化周期数，从而计算车辆状态参数对应的异化尺度系数、异化区间划分以及异化率，由此得到系统总体状态参数异化率，最后根据所得到的参数特征信息对车辆的侧翻风险进行判定，从而为驾驶员和半主动/主动控制系统提供有效的预警与控制参考信号。该方法能够协同兼容底盘多子系统和迅速处理大量实时数据，在多状态变量输入的前提下，从系统参数和时间尺度两个维度出发，实现车辆侧翻风险和预警的有效判定，从而为驾驶员和控制系统的主动干预提供决策基础。

Description

一种基于车辆状态信息的侧翻风险在线评估方法

技术领域

本发明属于车辆稳定性控制技术领域，具体涉及一种基于车辆状态信息的侧翻风险在线评估方法。

背景技术

车辆侧翻事故是世界范围内的一个重要安全问题，虽然其数量在交通事故总数量中所占比例较小，但由车辆侧翻所造成的事故死亡率尤其突出，同时由于其所造成的人员伤亡和经济损失的比重也在逐年上升。因此，对于车辆侧翻事故预警信号及其相应系统的设计开发已经成为当今研究热点和趋势。

随着电子技术和信息科学技术的快速发展，对车辆性能的改善与提升提出新的要求与挑战，初始静态单一指标的实时检测已经无法满足实际恶劣和多变行驶过程的动态性能目标需求。这些指标和检测系统往往将车辆视为刚体，其只注重于车辆本身的设计参数而忽略了车辆参数在行驶过程中的动态和非线性变化，因此无法有效反映系统的动态特征。

随着车辆底盘系统的模块化、复杂化与智能化，车载多传感器和数据传输的信息量也在急剧增大，底盘的数据化与信息化也成为未来发展方向与趋势。因此，也造成对于车辆侧翻事故的检测、报警和预防，逐渐发展成为基于动态多传感器信号和指标的融合计算与侧翻风险判定。如何根据已有车辆状态变量和数据信息，准确合理判定车辆当前的侧翻风险，成为实际研究过程中不可避免的难题。

在上述前提条件下，基于传统单一变量的侧翻风险判定方法的适用范围变得非常有限，对于非线性车辆系统的适应性也较低。如何根据复杂多状态信息，提取得到有效的车辆稳定性特征与信息，以判定车辆系统的侧翻风险大小，成为亟待解决的关键性问题。

发明内容

(一)要解决的技术问题

本发明提出一种基于车辆状态信息的侧翻风险在线评估方法，以解决如何实现多状态变量输入下的车辆侧翻参数计算，从而根据计算得到的参数合理判定车辆侧翻风险的技术问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于车辆状态信息的侧翻风险在线评估方法，该侧翻风险在线评估方法包括如下步骤：

S1.选取车辆侧翻状态参数

选取车辆的车身侧倾角

横向加速度a_y、横摆角速度ω、横向载荷转移率LTR和质心侧偏角β五个状态变量值，组成车辆状态信息矩阵

其中，矩阵中每一种状态量xi(i＝1,2,…,5)的数据维度都为n，其对应从初始时刻0到T时刻n个时间点下的车辆状态数据值，矩阵x的整体维度为5×n：

根据以下公式，计算系统数据的采样时间步长Sam：

车辆在稳定状态下，不同的状态变量xi(i＝1,2,…,5)都在其相应的安全阈值区间波动，不同变量的安全阈值区间分别如下所示：

S2.动态计算系统安全容许时间

S2-1.根据以下公式，分别计算在车辆发生侧翻事故时，车辆状态由安全阈值

a_{y_max}、ω_max、LTR_max、β_max变化到侧翻时状态阈值

a_{y_roll}、ω_roll、LTR_roll和β_roll所需要的时间：

式中，

和

分别表示系统侧翻时车辆状态阈值对应的时刻值，

和

分别车辆状态安全阈值对应的时刻值；

S2-2.根据以下公式，计算系统安全容许时间T_R：

式中，Ξ为车辆状态风险因子，其大小与车辆的行驶速度v相关，计算方式如下所示：

S2-3.定义系统异化时间T_D和异化周期数N_DP，异化时间T_D指状态变量x_ij≥x_{i_max}(i＝1,2,…,5；j＝1,2,…,n)，即状态变量x_ij达到并超过安全阈值区间的持续时间；初始时刻下的异化周期数N_DP设置为0，默认此时车辆处于稳定安全状态，如果异化时间T_D每持续一定时间超过安全容许时间T_R一次，则状态变量对应的异化周期数N_DP在原有基础上累计计数增加一次；

S3.计算系统状态参数异化率

S3-1.筛选车辆状态参数

根据信息矩阵x，将其中满足条件|x_ij|≥x_{i_max}(i＝1,2,…,5；j＝1,2,…,n)的变量按先后次序重新组成新的参数异化矩阵x'₁、x'₂、x'₃、x'₄和x'₅，其对应的数据维度分别为k₁、k₂、k₃、k₄和k₅，且同时满足条件：k_i≤n(i＝1,2,…,5)；

S3-2.根据以下公式，计算每一种车辆状态参数x_i(i＝1,2,…,5)对应的异化尺度系数Λ_i：

根据以下异化区间划分准则，得到车辆状态参数异化矩阵x_i'(i＝1,2,…,5)中，对应一级临界异化区间和二级极限异化区间的状态值维度(k₁₁,k₁₂)、(k₂₁,k₂₂)、(k₃₁,k₃₂)、(k₄₁,k₄₂)和(k₅₁,k₅₂)，其中，k₁＝k₁₁+k₁₂、k₂＝k₂₁+k₂₂、k₃＝k₃₁+k₃₂、k₄＝k₄₁+k₄₂和k₅＝k₅₁+k₅₂：

一级临界异化区间的划分标准为：

二级极限异化区间的划分标准为：

S3-3.根据以下公式，计算不同状态参数的异化率η_i：

根据以下公式，计算系统总体参数异化率η：

S4.车辆侧翻风险等级预警判定

根据车辆状态异化时间T_D和异化周期数N_DP，以及系统总体参数异化率η，对车辆的侧翻风险等级进行判定。

2.如权利要求1所述的侧翻风险在线评估方法，其特征在于，步骤S2-3中，如果异化时间T_D每持续5s超过安全容许时间T_R一次，则状态变量对应的异化周期数N_DP在原有基础上累计计数增加一次。

(三)有益效果

本发明提出一种基于车辆状态信息的侧翻风险在线评估方法，首先采集车辆侧翻状态变量和安全阈值区间，然后计算得到系统安全容许时间、状态变量的异化时间以及异化周期数，从而计算车辆状态参数对应的异化尺度系数、异化区间划分以及异化率，由此得到系统总体状态参数异化率，最后根据所得到的参数特征信息对车辆的侧翻风险进行判定，从而为驾驶员和半主动/主动控制系统提供有效的预警与控制参考信号。该方法能够协同兼容底盘多子系统和迅速处理大量实时数据，在多状态变量输入的前提下，从系统参数和时间尺度两个维度出发，实现车辆侧翻风险和预警的有效判定，从而为驾驶员和控制系统的主动干预提供决策基础。

附图说明

图1为本发明实施例的侧翻风险在线评估流程。

具体实施方式

为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

本实施例提出一种基于车辆状态信息的侧翻风险在线评估方法，其主要流程如图1所示，主要包括如下步骤：

S1.选取车辆侧翻状态参数

选取车辆的车身侧倾角

横向加速度a_y、横摆角速度ω、横向载荷转移率LTR和质心侧偏角β五个状态变量值，组成车辆状态信息矩阵

其中，矩阵中每一种状态量x_i(i＝1,2,…,5)的数据维度都为n，其对应从初始时刻0到T时刻n个时间点下的车辆状态数据值，矩阵x的整体维度为5×n。

根据以下公式，计算系统数据的采样时间步长S_am：

车辆在稳定状态下，不同的状态变量x_i(i＝1,2,…,5)都在其相应的安全阈值区间波动，不同变量的安全阈值区间分别如下所示：

S2.动态计算系统安全容许时间

S2-1.根据以下公式，分别计算在车辆发生侧翻事故时，车辆状态由安全阈值

a_{y_max}、ω_max、LTR_max、β_max变化到侧翻时状态阈值

a_{y_roll}、ω_roll、LTR_roll和β_roll所需要的时间：

式中，

和

分别表示系统侧翻时车辆状态阈值对应的时刻值，

和

分别车辆状态安全阈值对应的时刻值。

S2-2.根据以下公式，计算系统安全容许时间T_R：

式中，Ξ为车辆状态风险因子，其大小与车辆的行驶速度v相关，计算方式如下所示：

S2-3.定义系统异化时间T_D和异化周期数N_DP，以避免状态变量的瞬态波动所引起的风险错误诊断与评估。其中，异化时间T_D指状态变量x_ij≥x_{i_max}(i＝1,2,…,5；j＝1,2,…,n)，即状态变量x_ij达到并超过安全阈值区间的持续时间。初始时刻下的异化周期数N_DP设置为0，默认此时车辆处于稳定安全状态，如果异化时间T_D每持续5s超过安全容许时间T_R一次，则状态变量对应的异化周期数N_DP在原有基础上累计计数增加一次。

S3.计算系统状态参数异化率

S3-1.筛选车辆状态参数

根据信息矩阵x，将其中满足条件|x_ij|≥x_{i_max}(i＝1,2,…,5；j＝1,2,…,n)的变量按先后次序重新组成新的参数异化矩阵x'₁、x'₂、x'₃、x'₄和x'₅，其对应的数据维度分别为k₁、k₂、k₃、k₄和k₅，且同时满足条件：k_i≤n(i＝1,2,…,5)。

S3-2.根据以下公式，计算每一种车辆状态参数x_i(i＝1,2,…,5)对应的异化尺度系数Λ_i：

根据以下异化区间划分准则，得到车辆状态参数异化矩阵x_i'(i＝1,2,…,5)中，对应一级临界异化区间和二级极限异化区间的状态值维度(k₁₁,k₁₂)、(k₂₁,k₂₂)、(k₃₁,k₃₂)、(k₄₁,k₄₂)和(k₅₁,k₅₂)，其中，k₁＝k₁₁+k₁₂、k₂＝k₂₁+k₂₂、k₃＝k₃₁+k₃₂、k₄＝k₄₁+k₄₂和k₅＝k₅₁+k52：

一级临界异化区间的划分标准为：

二级极限异化区间的划分标准为：

S3-3.根据以下公式，计算不同状态参数的异化率ηi：

根据以下公式，计算系统总体参数异化率η：

S4.车辆侧翻风险等级预警判定

侧翻风险预警系统分为系统不预警、一级预警、二级预警和三级预警共四个反应等级，对应的侧翻风险概率区间分别为[0,40％)、[40％,60％)、[60％,80％)和[80％,100％]，对应的侧翻风险等级分别为无侧翻风险、侧翻低风险、侧翻中风险和侧翻高风险。不同侧翻风险等级的具体判定结果如下表所示。

表1车辆侧翻风险的等级预警判定结果

根据车辆状态异化时间T_D和异化周期数N_DP，以及系统总体参数异化率η，对车辆的侧翻风险等级进行判定。

此时，驾驶员以及半主动/主动控制系统能够根据系统预警信息，激活相应的控制器以进行辅助驾驶和主动干预控制作用。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (2)

1.一种基于车辆状态信息的侧翻风险在线评估方法，其特征在于，所述侧翻风险在线评估方法包括如下步骤：

S1.选取车辆侧翻状态参数

选取车辆的车身侧倾角

横向加速度a_y、横摆角速度ω、横向载荷转移率LTR和质心侧偏角β五个状态变量值，组成车辆状态信息矩阵

其中，矩阵中每一种状态量x_i(i＝1,2,…,5)的数据维度都为n，其对应从初始时刻0到T时刻n个时间点下的车辆状态数据值，矩阵x的整体维度为5×n：

根据以下公式，计算系统数据的采样时间步长S_am：

车辆在稳定状态下，不同的状态变量xi(i＝1,2,…,5)都在其相应的安全阈值区间波动，不同变量的安全阈值区间分别如下所示：

S2.动态计算系统安全容许时间

S2-1.根据以下公式，分别计算在车辆发生侧翻事故时，车辆状态由安全阈值

a_{y_max}、ω_max、LTR_max、β_max变化到侧翻时状态阈值

a_{y_roll}、ω_roll、LTR_roll和β_roll所需要的时间：

式中，

和

分别表示系统侧翻时车辆状态阈值对应的时刻值，

和

分别车辆状态安全阈值对应的时刻值；

S2-2.根据以下公式，计算系统安全容许时间T_R：

式中，Ξ为车辆状态风险因子，其大小与车辆的行驶速度v相关，计算方式如下所示：

Ξ＝log_e-1v+5.5734

S2-3.定义系统异化时间T_D和异化周期数N_DP，异化时间T_D指状态变量x_ij≥x_{i_max}(i＝1,2,…,5；j＝1,2,…,n)，即状态变量x_ij达到并超过安全阈值区间的持续时间；初始时刻下的异化周期数N_DP设置为0，默认此时车辆处于稳定安全状态，如果异化时间T_D每持续一定时间超过安全容许时间T_R一次，则状态变量对应的异化周期数N_DP在原有基础上累计计数增加一次；

S3.计算系统状态参数异化率

S3-1.筛选车辆状态参数

根据信息矩阵x，将其中满足条件|x_ij|≥x_{i_max}(i＝1,2,…,5；j＝1,2,…,n)的变量按先后次序重新组成新的参数异化矩阵x'₁、x'₂、x'₃、x'₄和x'₅，其对应的数据维度分别为k₁、k₂、k₃、k₄和k₅，且同时满足条件：k_i≤n(i＝1,2,…,5)；

S3-2.根据以下公式，计算每一种车辆状态参数x_i(i＝1,2,…,5)对应的异化尺度系数Λ_i：

根据以下异化区间划分准则，得到车辆状态参数异化矩阵x'_i(i＝1,2,…,5)中，对应一级临界异化区间和二级极限异化区间的状态值维度(k₁₁,k₁₂)、(k₂₁,k₂₂)、(k₃₁,k₃₂)、(k₄₁,k₄₂)和(k₅₁,k₅₂)，其中，k₁＝k₁₁+k₁₂、k₂＝k₂₁+k₂₂、k₃＝k₃₁+k₃₂、k₄＝k₄₁+k₄₂和k₅＝k₅₁+k₅₂：

一级临界异化区间的划分标准为：

二级极限异化区间的划分标准为：

S3-3.根据以下公式，计算不同状态参数的异化率η_i：

根据以下公式，计算系统总体参数异化率η：

S4.车辆侧翻风险等级预警判定

根据车辆状态异化时间T_D和异化周期数N_DP，以及系统总体参数异化率η，对车辆的侧翻风险等级进行判定。

2.如权利要求1所述的侧翻风险在线评估方法，其特征在于，步骤S2-3中，如果异化时间T_D每持续5s超过安全容许时间T_R一次，则状态变量对应的异化周期数N_DP在原有基础上累计计数增加一次。

Images