CN116476843A - 目标滑移估计 - Google Patents

目标滑移估计 Download PDF

Info

Publication number
CN116476843A
CN116476843A CN202211260432.7A CN202211260432A CN116476843A CN 116476843 A CN116476843 A CN 116476843A CN 202211260432 A CN202211260432 A CN 202211260432A CN 116476843 A CN116476843 A CN 116476843A
Authority
CN
China
Prior art keywords
vehicle
target slip
processor
predicted
computer
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
CN202211260432.7A
Other languages
English (en)
Inventor
J·李
C·加尔德纳
J·坎贝尔
D·J·格利宁
R·C·莫里斯
J·S·李
J·陈
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN116476843A publication Critical patent/CN116476843A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • 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
    • B60T8/174—Using electrical or electronic regulation means to control braking characterised by using special control logic, e.g. fuzzy logic, neural computing
    • 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
    • B60T8/176—Brake regulation specially adapted to prevent excessive wheel slip during vehicle deceleration, e.g. ABS
    • 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
    • B60T8/176—Brake regulation specially adapted to prevent excessive wheel slip during vehicle deceleration, e.g. ABS
    • B60T8/1761—Brake regulation specially adapted to prevent excessive wheel slip during vehicle deceleration, e.g. ABS responsive to wheel or brake dynamics, e.g. wheel slip, wheel acceleration or rate of change of brake fluid pressure
    • B60T8/17616—Microprocessor-based systems
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/02—Control of vehicle driving stability
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18172—Preventing, or responsive to skidding of wheels
    • 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
    • B60W40/068—Road friction coefficient
    • 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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • B60T2270/00—Further aspects of brake control systems not otherwise provided for
    • B60T2270/10—ABS control 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
    • 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
    • B60T8/175—Brake regulation specially adapted to prevent excessive wheel spin during vehicle acceleration, e.g. for traction control
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0026—Lookup tables or parameter maps
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/26—Wheel slip
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/28—Wheel speed
    • 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
    • B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
    • 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
    • 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
    • B60W2552/40—Coefficient of friction

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Fluid Mechanics (AREA)
  • Fuzzy Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

一种系统包括计算机，所述计算机包括处理器和存储器。所述存储器包括指令，使得所述处理器被编程为：在经训练的机器学习分类器处基于预测的滑坡和预测的道路纹理预测目标滑移值，其中使用代表轮胎力的传感器数据确定预测的滑坡和预测的道路纹理；以及当对应于所述目标滑移值的置信度值大于或等于置信度阈值时，基于所述目标滑移值修改至少一个车辆动作。

Description

目标滑移估计
技术领域
本公开涉及当置信度值小于置信度阈值时，使用机器学习分类器以及插值来估计目标滑移。
背景技术
估计轮胎力值，因为实际轮胎力通常是未知的。可以估计的一个轮胎力是目标滑移或目标抓地力。估计的目标滑移可以用于车辆稳定性控制。然而，常规目标滑移估计技术并不计及动态变化的驾驶条件，诸如典型分类器提供预先确定的值以及分类器无法确定目标滑移值的低置信度值。
发明内容
一种系统包括计算机，所述计算机包括处理器和存储器。所述存储器包括指令，使得所述处理器被编程为：在经训练的机器学习分类器处基于预测的滑坡和预测的道路纹理来预测目标滑移值，其中使用代表轮胎力的传感器数据来确定预测的滑坡和预测的道路纹理；以及当对应于所述目标滑移值的置信度值大于或等于置信度阈值时，基于所述目标滑移值修改至少一个车辆动作。
在其他特征中，所述处理器被进一步编程为当所述置信度值小于所述置信度阈值时，经由插值建模确定所述目标滑移值。
在其他特征中，所述插值建模包括线性插值建模。
在其他特征中，所述处理器被进一步编程为接收代表所述轮胎力的所述传感器数据。
在其他特征中，所述轮胎力包括代表车辆的车轮速度的测量结果。
在其他特征中，所述经训练的机器学习分类器包括高斯过程分类器。
在其他特征中，所述处理器被进一步编程为基于所述目标滑移值修改防抱死制动系统、牵引力控制系统或电子稳定性控制系统中的至少一者。
在其他特征中，所述处理器被进一步编程为基于滑移比或所述轮胎力中的至少一者确定预测的道路纹理。
在其他特征中，所述处理器被进一步编程为存取使道路纹理与所述滑移比或所述轮胎力中的至少一者相关的查找表。
在其他特征中，所述经训练的机器学习分类器生成所述置信度值。
一种方法包括：在经训练的机器学习分类器处基于预测的滑坡和预测的道路纹理来预测目标滑移值，其中使用代表轮胎力的传感器数据确定预测的滑坡和预测的道路纹理；以及当对应于所述目标滑移值的置信度值大于或等于置信度阈值时，基于所述目标滑移值修改至少一个车辆动作。
在其他特征中，所述方法进一步包括当所述置信度值小于所述置信度阈值时，经由插值建模来确定所述目标滑移值。
在其他特征中，所述插值建模包括线性插值建模。
在其他特征中，所述方法进一步包括接收代表所述轮胎力的所述传感器数据。
在其他特征中，所述轮胎力包括代表车辆的车轮速度的测量结果。
在其他特征中，所述经训练的机器学习分类器包括高斯过程分类器。
在其他特征中，所述方法进一步包括基于目标滑移值修改防抱死制动系统、牵引力控制系统或电子稳定性控制系统中的至少一者。
在其他特征中，所述方法进一步包括基于滑移比或所述轮胎力中的至少一者确定预测的道路纹理。
在其他特征中，所述方法进一步包括存取使道路纹理与所述滑移比或所述轮胎力中的至少一者相关的查找表。
在其他特征中，所述经训练的机器学习分类器生成所述置信度值。
根据本文中提供的描述，其他适用领域将变得显而易见。应理解，描述和具体示例仅旨在用于图示目的，并且并不旨在限制本公开的范围。
本发明还包括如下技术方案。
技术方案1. 一种系统，包括计算机，所述计算机包括处理器和存储器，所述存储器包括指令，使得所述处理器被编程为：
在经训练的机器学习分类器处基于预测的滑坡和预测的道路纹理预测目标滑移值，其中，使用代表轮胎力的传感器数据确定预测的滑坡和预测的道路纹理；以及
当对应于所述目标滑移值的置信度值大于或等于置信度阈值时，基于所述目标滑移值修改至少一个车辆动作。
技术方案2. 根据技术方案1所述的系统，其中，所述处理器被进一步编程为当所述置信度值小于所述置信度阈值时，经由插值建模确定所述目标滑移值。
技术方案3. 根据技术方案2所述的系统，其中，所述插值建模包括线性插值建模。
技术方案4. 根据技术方案1所述的系统，其中，所述处理器被进一步编程为接收代表所述轮胎力的传感器数据。
技术方案5. 根据技术方案1所述的系统，其中，所述轮胎力包括代表车辆的车轮速度的测量结果。
技术方案6. 根据技术方案1所述的系统，其中，所述经训练的机器学习分类器包括高斯过程分类器。
技术方案7. 根据技术方案1所述的系统，其中，所述处理器被进一步编程为基于所述目标滑移值修改防抱死制动系统、牵引力控制系统或电子稳定性控制系统中的至少一者。
技术方案8. 根据技术方案1所述的系统，其中，所述处理器被进一步编程为基于滑移比或轮胎力中的至少一者确定预测的道路纹理。
技术方案9. 根据技术方案8所述的系统，其中，所述处理器被进一步编程为存取使道路纹理与滑移比或轮胎力中的至少一者相关的查找表。
技术方案10. 根据技术方案1所述的系统，其中，所述经训练的机器学习分类器生成所述置信度值。
技术方案11. 一种方法，包括：
在经训练的机器学习分类器处基于预测的滑坡和预测的道路纹理预测目标滑移值，其中，使用代表轮胎力的传感器数据确定预测的滑坡和预测的道路纹理；以及
当对应于所述目标滑移值的置信度值大于或等于置信度阈值时，基于所述目标滑移值修改至少一个车辆动作。
技术方案12. 根据技术方案11所述的方法，所述方法进一步包括当所述置信度值小于所述置信度阈值时，经由插值建模确定所述目标滑移值。
技术方案13. 根据技术方案12所述的方法，其中，所述插值建模包括线性插值建模。
技术方案14. 根据技术方案11所述的方法，所述方法进一步包括接收代表轮胎力的传感器数据。
技术方案15. 根据技术方案11所述的方法，其中，所述轮胎力包括代表车辆的车轮速度的测量结果。
技术方案16. 根据技术方案11所述的方法，其中，所述经训练的机器学习分类器包括高斯过程分类器。
技术方案17. 根据技术方案16所述的方法，所述方法进一步包括基于所述目标滑移值修改防抱死制动系统、牵引力控制系统或电子稳定性控制系统中的至少一者。
技术方案18. 根据技术方案11所述的方法，所述方法进一步包括基于滑移比或轮胎力中的至少一者确定预测的道路纹理。
技术方案19. 根据技术方案11所述的方法，所述方法进一步包括存取使道路纹理与滑移比或轮胎力中的至少一者相关的查找表。
技术方案20. 根据技术方案11所述的方法，其中，所述经训练的机器学习分类器生成所述置信度值。
附图说明
本文中描述的附图仅用于图示目的，并且并不旨在以任何方式限制本公开的范围。
图1是包括车辆的示例性系统的框图；
图2是示例性车辆计算机的框图；
图3是示例性计算设备的框图；
图4是表示作为滑坡的函数的道路纹理的图；并且
图5是图示用于估计目标滑移并基于估计的目标滑移控制至少一个车辆动作的示例性过程的流程图。
具体实施方式
以下描述本质上仅是示例性的，并且并不旨在限制本公开、应用或用途。
目标滑移可以被限定为轮胎（诸如车辆轮胎）与轮胎正在其上移动的路面之间的相对运动。在一些示例中，可以通过轮胎的旋转速度大于或小于自由滚动速度而生成目标滑移。如本文中所论述的，可以基于由一个或多个车辆传感器测量的轮胎力来估计与最大轮胎抓地力相关的目标滑移，其可以用于估计路面类型。一个或多个车辆部件可以基于目标滑移调整车辆动作以最大化轮胎抓地力。
图1是示例性车辆系统100的框图。系统100包括车辆105，车辆105可以包括诸如汽车、卡车等陆上交通工具、飞行器和/或水上交通工具。车辆105包括计算机110、车辆传感器115、用于致动各种车辆部件125的致动器120和车辆通信模块130。经由网络135，通信模块130允许计算机110与服务器145通信。
计算机110可以以自主、半自主模式或非自主（手动）模式操作车辆105。出于本公开的目的，自主模式被限定为其中车辆105推进、制动和转向中的每一者都由计算机110控制的模式；在半自主模式中，计算机110控制车辆105推进、制动和转向中的一者或两者；在非自主模式中，人类操作员控制车辆105推进、制动和转向中的每一者。
计算机110可以包括编程以操作车辆105制动、推进（例如，通过控制内燃发动机、电动马达、混合动力发动机等等中的一者或多者来控制车辆中的加速度）、转向、气候控制、内部和/或外部灯等等中的一者或多者，以及确定计算机110与人类操作员不同是否以及何时控制此类操作。另外，计算机110可以被编程为确定人类操作员是否以及何时控制此类操作。
计算机110可以包括或例如经由如下文进一步描述的车辆105通信模块130可通信地耦接到多于一个处理器，例如包括在车辆105中包括的电子控制器单元(ECU)等等中，用于监视和/或控制各种车辆部件125，例如，动力传动系控制器、制动控制器、转向控制器等等。进一步，计算机110可以经由车辆105通信模块130与使用全球定位系统(GPS)的导航系统通信。作为示例，计算机110可以请求和接收车辆105的位置数据。所述位置数据可以呈已知形式，例如地理坐标（纬度和经度坐标）。
计算机110通常被布置成用于在车辆105通信模块130上并且还借助车辆105内部有线和/或无线网络（例如，车辆105中的总线等等，诸如控制器局域网(CAN)等等）和/或其他有线和/或无线机制通信。
经由车辆105通信网络，计算机110可以向车辆105中的各种设备发送消息和/或从各种设备接收消息，例如，车辆传感器115、致动器120、车辆部件125、人机接口(HMI)等等。可替代地或另外，在计算机110实际上包括多个设备的情况下，车辆105通信网络可以用于在本公开中表示为计算机110的设备之间通信。进一步，如下文所提及的，各种控制器和/或车辆传感器115可以向计算机110提供数据。车辆105通信网络可以包括一个或多个网关模块，其提供车辆105内的各种网络和设备（诸如协议转换器、阻抗匹配器、速率转换器等等）之间的互操作性。
车辆传感器115可以包括诸如已知向计算机110提供数据的多种设备。例如，车辆传感器115可以包括测量轮胎力的车轮传感器。车辆传感器115还可以包括安置在车辆105的顶部上、车辆105前挡风玻璃后面、车辆105周围等等的光检测和测距（激光雷达）传感器115等等，其提供物体的相对位置、大小和形状和/或车辆105周围的条件。作为另一示例，固定到车辆105保险杠的一个或多个雷达传感器115可以提供数据以提供物体等等的速度并相对于车辆105的位置进行测距。车辆传感器115可以进一步包括提供来自车辆105内部和/或外部的视场的图像的相机传感器115，例如，正视图、侧视图、后视图等等。
车辆105致动器120经由电路、芯片、马达或已知的可以根据适当控制信号致动各种车辆子系统的其他电子和/或机械部件实现。致动器120可以用于控制部件125，包括车辆105的制动、加速和转向。
在本公开的上下文中，车辆部件125是适于实施机械或机电功能或操作（诸如移动车辆105、使车辆105减速或停止、使车辆105转向等等）的一个或多个硬件部件。部件125的非限制性示例包括推进部件（其包括例如内燃发动机和/或电动马达等等）、变速器部件、转向部件（例如，其可以包括方向盘、转向齿条等等中的一者或多者）、停车辅助部件、自适应巡航控制部件、自适应转向部件、可移动座椅、防抱死制动系统部件(ABS)、牵引力控制系统部件(TCS)和/或电子稳定性控制系统部件。
另外，计算机110可以被配置成经由车辆与车辆通信模块或接口130与车辆105外部的设备通信，例如通过车辆到车辆(V2V)或车辆到基础设施(V2X)无线通信到另一车辆，到（通常经由网络135）远程服务器145。模块130可以包括计算机110可以通过其进行通信的一种或多种机制，包括无线（例如，蜂窝、无线、卫星、微波和射频）通信机制的任何期望组合和任何期望网络拓扑结构（或在利用多种通信机制时的拓扑结构）。经由模块130提供的示例性通信包括提供数据通信服务的蜂窝、Bluetooth®、IEEE 802.11、专用短程通信(DSRC)和/或广域网(WAN)，包括因特网。
网络135可以是各种有线或无线通信机制中的一者或多者，包括有线（例如，电缆和光纤）和/或无线（例如，蜂窝、无线、卫星、微波和射频）通信机制的任何期望组合和任何期望网络拓扑结构（或当利用多种通信机制时的拓扑结构）。示例性通信网络包括提供数据通信服务的无线通信网络（例如，使用蓝牙、低功耗蓝牙(BLE)、IEEE 802.11、诸如专用短程通信(DSRC)的车辆到车辆(V2V)等等）、局域网(LAN)和/或广域网(WAN)，包括因特网。
图2图示包括轮胎滑移分类系统205的示例性计算机110。如图示出，轮胎滑移分类系统205包括分类器模块210、包括数据库220的存储模块215、观察器模块225和插值模块230。分类器模块210可以管理、维护、训练、实现、利用一个或多个机器学习分类器或与其通信。例如，分类器模块210可以与存储模块215通信以存取存储在数据库220内的机器学习分类器235。
机器学习分类器235可以在服务器145处被训练并经由网络130提供到计算机110。在示例性实施方案中，机器学习分类器235包括生成预测并提供对应于预测的不确定性量度（即，置信度值）的概率性监督机器学习框架，诸如高斯过程分类器。通过使用一个或多个合适函数（诸如平方指数(SE)核函数），生成的预测可以并入现有知识（即，核）。
可以使用超参数优化来优化所述核。在一个或多个实施方案中，所述核的超参数可以包括协方差特性、信号标准偏差和/或噪声标准偏差。
在操作期间，机器学习分类器235如下文更详细描述从传感器115和/或观察器模块225接收数据，并生成表示目标滑移值以及对应置信度值的预测。如果置信度值小于置信度阈值，则线性插值模块230基于预测的滑坡和预测的道路纹理确定目标滑移值。否则，可以使用由机器学习分类器235生成的目标滑移值预测来经由致动器120和/或部件125控制一个或多个车辆动作。
观察器模块225可以包括基于与车辆105的车轮相关联的一个或多个加速度值估计滑坡的估计器。可以使用一个或多个车辆传感器115测量所述加速度值。使用测量的加速度值，观察器模块225可以根据方程1估计滑坡：
方程1，
其中滑坡包括估计的滑坡，Fxx包括测量的轮胎力，σ(t)包括与测量的轮胎力无关的测量的力，并且λ包括滑移比。测量的轮胎力可以包括但不限于由传感器115测量的后车轮轴速度。
进一步，观察器模块225还可以预测道路纹理。例如，观察器模块225可以基于滑移比和/或测量的轮胎力预测道路纹理。道路纹理可以包括但不限于雪/冰覆盖的道路纹理、砾石道路纹理和/或柏油道路纹理。在示例性实施方案中，观察器模块225可以包括使滑移比和/或测量的轮胎力与道路纹理相关的查找表。
插值模块230使用一个或多个合适的线性插值过程来预测（即，估计）目标滑移值。例如，插值模块230可以从观察器模块225接收表示预测的滑坡和预测的道路纹理的输入。插值模块230可以进行合适的曲线拟合过程来预测目标滑移值。
图3图示可以被配置成实施本文中描述的一个或多个过程的示例性计算设备300，即，计算机110和/或服务器145。如图示出，所述计算设备可以包括处理器305、存储器310、存储设备315、I/O接口320和通信接口325。此外，计算设备300可以包括诸如触摸屏、鼠标、键盘等输入设备。在某些实施方案中，计算设备300可以包括比图3中所示的那些部件更少或更多的部件。
在特定实施方案中，处理器305包括用于执行指令（诸如构成计算机程序的那些指令）的硬件。作为示例并且不是限制，为执行指令，处理器305可以从内部寄存器、内部高速缓冲存储器310或存储设备315检索（或取出）指令并且解码和执行所述指令。
计算设备300包括耦接到处理器305的存储器310。存储器310可以用于存储数据、元数据和由处理器执行的程序。存储器310可以包括易失性和非易失性存储器中的一者或多者，诸如随机存取存储器(“RAM”)、只读存储器(“ROM”)、固态盘(“SSD”)、闪存、相变存储器(“PCM”)和其他类型的数据存储装置。存储器310可以是内部或分布式存储器。
计算设备300包括存储设备315，其包括用于存储数据或指令的存储装置。作为示例并且不是限制，存储设备315可以包括上述非暂时性存储介质。存储设备315可以包括硬盘驱动器(HDD)、闪速存储器、通用串行总线(USB)驱动器或者这些或其他存储设备的组合。
计算设备300还包括一个或多个输入或输出(“I/O”)设备/接口320，提供其以允许用户向计算设备300提供输入（诸如用户笔划）、从计算设备300接收输出以及以其他方式将数据传送到计算设备300和从计算设备300传送数据。这些I/O设备/接口320可以包括鼠标、小键盘或键盘、触摸屏、相机、光学扫描仪、网络接口、调制解调器、其他已知I/O设备或此类I/O设备/接口320的组合。可以用书写设备或手指激活触摸屏。
I/O设备/接口320可以包括一个或多个用于向用户呈现输出的设备，包括但不限于图形引擎、显示器（例如，显示屏）、一个或多个输出驱动器（例如，显示驱动器）、一个或多个音频扬声器以及一个或多个音频驱动器。在某些实施方案中，设备/接口320被配置成向显示器提供图形数据以呈现给用户。所述图形数据可以代表一个或多个图形用户界面和/或可以服务特定实施方案的任何其他图形内容。
计算设备300可以进一步包括通信接口325。通信接口325可以包括硬件、软件或两者。通信接口325可以提供一个或多个接口用于计算设备与一个或多个其他计算设备300或者一个或多个网络之间的通信（诸如例如，基于分组的通信）。作为示例并且不是限制，通信接口325可以包括用于与以太网或其他基于有线的网络通信的网络接口控制器(NIC)或网络适配器或者用于与诸如WI-FI的无线网络通信的无线NIC(WNIC)或无线适配器。计算设备300可以进一步包括总线330。总线330可以包括使计算设备300的部件彼此耦接的硬件、软件或两者。
图4图示与对应道路类型410相关的滑坡405的示例性图400。如图示出，路面类型410可以包括但不限于对应于雪/冰覆盖的路面类型415、砾石路面类型420和/或柏油路面类型425的滑坡值。图400表示当机器学习分类器235生成具有低置信度值（即，小于置信度阈值）的目标滑移估计时用于确定目标滑移估计的插值，下文对此进行更详细的论述。计算机110可以使用一个或多个合适的线性插值建模过程来基于测量的滑坡和对应路面类型确定合适的线性多项式。
图5图示用于估计目标滑移并基于估计的目标滑移控制一个或多个车辆部件125的示例性过程500。过程500的框可以由计算机110执行。在框505处，从一个或多个车辆传感器115接收传感器数据。例如，所述传感器数据可以包括一个或多个轮胎力量度，诸如与车辆105的后轴相关联的车轮速度。在框510处，观察器模块225基于加速度值估计滑坡。所述加速度值可以由计算机110使用传感器数据得出。在框515处，观察器模块225预测道路纹理。观察器模块225可以如上所述使用滑移比和/或测量的轮胎力预测道路纹理。
在框520处，经训练的机器学习分类器235从传感器115和/或观察器模块225接收输入数据。例如，经训练的机器学习分类器235可以从观察器模块225接收预测的滑坡和预测的道路纹理。经训练的机器学习分类器235还可以从传感器115接收滑移比和/或轮胎力测量结果。在框525处，经训练的机器学习分类器235基于接收的输入生成表示目标滑移值的预测。
在框530处，确定目标滑移值的置信度值是否小于置信度阈值。在框535处，当置信度值小于置信度阈值时，线性插值模块230基于预测的滑坡和预测的道路纹理预测目标滑移值。如果置信度值大于或等于置信度阈值，则过程500转换到框540。
在框540处，将预测的目标滑移值提供到车辆致动器120和/或车辆部件125，诸如防抱死制动系统部件(ABS)、牵引力控制系统部件(TCS)和/或电子稳定性控制系统部件。车辆部件125可以使用预测的目标滑移值来修改一个或多个车辆105动作。例如，部件125可以被配置成修改一个或多个车辆105动作以最大化轮胎抓地力。然后，过程500结束。
本公开的描述本质上仅是示例性的，并且并不背离本公开的主旨的变型旨在落入本公开的范围内。此类变型不应视为背离本公开的精神和范围。
一般来说，所述计算系统和/或设备可以采用多种计算机操作系统中的任一者，包括但决不限于以下的版本和/或变型：Microsoft Automotive®操作系统、MicrosoftWindows®操作系统、Unix操作系统（例如，由加利福尼亚州红木岸区的甲骨文公司发布的Solaris®操作系统）、由纽约阿蒙克市的国际商业机器公司发布的AIX UNIX操作系统、Linux操作系统、由加利福尼亚州库比蒂诺的苹果公司发布的Mac OSX和iOS操作系统、由加拿大滑铁卢的黑莓公司发布的BlackBerry OS以及由谷歌公司和开放手机联盟开发的Android操作系统或由QNX软件系统公司提供的用于信息娱乐的QNX® CAR平台。计算设备的示例包括但不限于车载车辆计算机、计算机工作站、服务器、桌面型计算机、笔记本型计算机、膝上型计算机或手持式计算机或某一其他计算系统和/或设备。
计算机和计算设备通常包括计算机可执行指令，其中所述指令可以由一个或多个计算设备（诸如上文列举的那些）执行。计算机可执行指令可以由使用多种编程语言和/或技术创建的计算机程序编译或解释，所述编程语言和/或技术包括但不限于单独或组合的Java™、C、C++、Matlab、Simulink、Stateflow、Visual Basic、Java Script、Perl、HTML等等。这些应用中的一些可以在诸如Java虚拟机、Dalvik虚拟机等虚拟机上编译和执行。一般来说，处理器（例如，微处理器）例如从存储器、计算机可读介质等等接收指令并执行这些指令，从而实施一个或多个过程，包括本文中描述的一个或多个过程。此类指令和其他数据可以使用多种计算机可读介质存储和传输。计算设备中的文件通常是存储在诸如存储介质、随机存取存储器等计算机可读介质上的数据集合。
存储器可以包括计算机可读介质（也称为处理器可读介质），包括参与提供可以由计算机（例如，由计算机的处理器）读取的数据（例如，指令）的任何非暂时性（例如，有形）介质。这种介质可以采用许多形式，包括但不限于非易失性介质和易失性介质。非易失性介质可以包括例如光盘或磁盘以及其他持久存储器。易失性介质可以包括例如动态随机存取存储器(DRAM)，其通常构成主存储器。此类指令可以由一种或多种传输介质传输，包括同轴电缆、铜线和光纤，包括了包括耦接到ECU的处理器的系统总线的线。计算机可读介质的常见形式包括例如软盘、软性盘、硬盘、磁带、任何其他磁性介质、CD ROM、DVD、任何其他光学介质、打孔卡、纸带、带有孔图案的任何其他物理介质、RAM、PROM、EPROM、FLASH EEPROM、任何其他存储器芯片或盒式磁带或计算机可以从中读取的任何其他介质。
本文中描述的数据库、数据储存库或其他数据存储库可以包括各种用于存储、存取和检索各种数据的机制，包括分层数据库、文件系统中的一组文件、专用格式的应用数据库、关系数据库管理系统(RDBMS)等等。每一所述数据存储库通常包括在采用计算机操作系统的计算设备（诸如上文提及的那些中的一个）内，并且按多种方式中的一者和多者经由网络存取。文件系统可以从计算机操作系统存取，并且可以包括按各种格式存储的文件。除用于创建、存储、编辑和执行所存储程序的语言以外，RDBMS通常采用结构化查询语言(SQL)，例如上文提及的PL/SQL语言。
在一些示例中，系统元件可以被实现为一个或多个计算设备（例如，服务器、个人计算机等等）上的计算机可读指令（例如，软件）、存储在与之相关联的计算机可读介质（例如，磁盘、存储器等等）上。计算机程序产品可以包括存储在计算机可读介质上的此类指令用于执行本文中描述的功能。
在本申请中，包括以下定义，术语“模块”或术语“控制器”可以替换为术语“电路”。术语“模块”可以指代、属于或包括：专用集成电路（ASIC）；数字、模拟或混合模拟/数字离散电路；数字、模拟或混合模拟/数字集成电路；组合逻辑电路；现场可编程门阵列（FPGA）；执行代码的处理器电路（共享、专用或组）；存储由处理器电路执行的代码的存储器电路（共享、专用或组）；提供所描述功能的其它合适的硬件部件；或以上部分或全部的组合，诸如在片上系统中。
模块可以包括一个或多个接口电路。在一些示例中，接口电路可以包括连接到局域网（LAN）、互联网、广域网（WAN）或其组合的有线或无线接口。本公开的任何给定模块的功能可以分布在经由接口电路连接的多个模块中。例如，多个模块可以允许负载平衡。在另一个示例中，服务器（也称为远程或云）模块可以代表客户端模块完成某些功能。
关于本文中描述的介质、过程、系统、方法、启发式教学法等等，应理解，虽然此类过程等的步骤已经被描述为根据某一有序顺序发生，但是此类过程也可以借助以不同于本文中描述的次序的次序实施的所描述的步骤实践。应进一步理解，某些步骤可以同时实施，可以添加其他步骤，或者可以省略本文中描述的某些步骤。换句话说，本文中对过程的描述是为了图示某些实施方案而提供的，并且决不应该解释为限制权利要求书。
因此，应理解，以上描述旨在具有示例性并且不具有限制性。本领域技术人员在阅读以上描述时将显而易见到除所提供的示例以外的许多实施方案和应用。本发明的范围不应参考以上描述确定，而是应该参考所附权利要求书以及享有所述权利要求书的权利的等效方案的全部范围确定。预期并旨在在本文中论述的技术中将出现未来发展，并且所公开的系统和方法将被并入到此类未来实施方案中。总之，应理解，本发明能够具有修改和变化，并且仅受以下权利要求书的限制。
在权利要求中使用的所有术语都旨在被给予其被本领域技术人员所理解的简单和普通含义，除非在本文中作出明确相反指示。特别地，诸如“一”、“那”、“所述”等等单数冠词的使用应该被解读为叙述一个或多个所指示的元件，除非权利要求叙述明确相反限制。

Claims (10)

1. 一种系统，包括计算机，所述计算机包括处理器和存储器，所述存储器包括指令，使得所述处理器被编程为：
在经训练的机器学习分类器处基于预测的滑坡和预测的道路纹理预测目标滑移值，其中，使用代表轮胎力的传感器数据确定预测的滑坡和预测的道路纹理；以及
当对应于所述目标滑移值的置信度值大于或等于置信度阈值时，基于所述目标滑移值修改至少一个车辆动作。
2.根据权利要求1所述的系统，其中，所述处理器被进一步编程为当所述置信度值小于所述置信度阈值时，经由插值建模确定所述目标滑移值。
3.根据权利要求2所述的系统，其中，所述插值建模包括线性插值建模。
4.根据权利要求1所述的系统，其中，所述处理器被进一步编程为接收代表所述轮胎力的传感器数据。
5.根据权利要求1所述的系统，其中，所述轮胎力包括代表车辆的车轮速度的测量结果。
6.根据权利要求1所述的系统，其中，所述经训练的机器学习分类器包括高斯过程分类器。
7.根据权利要求1所述的系统，其中，所述处理器被进一步编程为基于所述目标滑移值修改防抱死制动系统、牵引力控制系统或电子稳定性控制系统中的至少一者。
8.根据权利要求1所述的系统，其中，所述处理器被进一步编程为基于滑移比或轮胎力中的至少一者确定预测的道路纹理。
9.根据权利要求8所述的系统，其中，所述处理器被进一步编程为存取使道路纹理与滑移比或轮胎力中的至少一者相关的查找表。
10.根据权利要求1所述的系统，其中，所述经训练的机器学习分类器生成所述置信度值。
CN202211260432.7A 2022-01-13 2022-10-14 目标滑移估计 Pending CN116476843A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/575,131 US20230219576A1 (en) 2022-01-13 2022-01-13 Target slip estimation
US17/575131 2022-01-13

Publications (1)

Publication Number Publication Date
CN116476843A true CN116476843A (zh) 2023-07-25

Family

ID=86895467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211260432.7A Pending CN116476843A (zh) 2022-01-13 2022-10-14 目标滑移估计

Country Status (3)

Country Link
US (1) US20230219576A1 (zh)
CN (1) CN116476843A (zh)
DE (1) DE102022125908A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11860125B2 (en) * 2021-05-11 2024-01-02 GM Global Technology Operations LLC Prognostics system for detecting wear in encoders used to sense wheel speed in vehicles
US20240166192A1 (en) * 2022-11-21 2024-05-23 GM Global Technology Operations LLC Machine learning-based tractive limit and wheel stability status estimation

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4862368A (en) * 1985-06-04 1989-08-29 Robert Bosch Gmbh Method for adjusting optimal wheel slip
DE3535843A1 (de) * 1985-10-08 1987-04-16 Bosch Gmbh Robert Verfahren zur fortlaufenden bestimmung des kraftschlussbeiwerts (my)
US5303616A (en) * 1992-08-10 1994-04-19 Ford Motor Company Electronically controlled bypass clutch based on percent-shift-completion for a torque converter
SE0002213D0 (sv) * 2000-04-12 2000-06-13 Nira Automotive Ab Tire pressure computation system
SE523023C2 (sv) * 2000-04-12 2004-03-23 Nira Dynamics Ab Metod och anordning för att med rekursiv filtrering bestämma en fysikalisk parameter hos ett hjulfordon
DE102009024036A1 (de) * 2009-06-05 2010-12-09 Continental Teves Ag & Co. Ohg Verfahren zur Antriebsschlupfregelung eines Kraftfahrzeugs und Antriebsschlupfregelsystem
DE102014220747A1 (de) * 2014-08-13 2016-02-18 Robert Bosch Gmbh Verfahren zur Ermittlung der Reifenlängssteifigkeit
US10324004B2 (en) * 2015-04-15 2019-06-18 The Boeing Company Methods and devices for adaptive autonomous polynomial interpolation of time series data
US10814846B2 (en) * 2017-08-11 2020-10-27 Ford Global Technologies, Llc Traction control based on friction coefficient estimation
US10882524B2 (en) * 2018-02-09 2021-01-05 Ford Global Technologies, Llc Systems and methods for vehicle launch control
KR20220125810A (ko) * 2020-01-15 2022-09-14 볼보 트럭 코퍼레이션 스피드 리미트를 갖는 토크 요청에 기반하는 차량 모션 관리
US20240036581A1 (en) * 2020-08-14 2024-02-01 Nec Corporation Motion learning apparatus, motion learning method, motion estimation apparatus, motion estimation method, and computer-readable recording medium

Also Published As

Publication number Publication date
DE102022125908A1 (de) 2023-07-13
US20230219576A1 (en) 2023-07-13

Similar Documents

Publication Publication Date Title
CN107792079B (zh) 利用路径预测的自主车辆
CN109109838B (zh) 协调一排通信联结的车辆的紧急制动的构思
CN116476843A (zh) 目标滑移估计
US11574463B2 (en) Neural network for localization and object detection
CN116136963A (zh) 自适应地修剪神经网络系统
US11893004B2 (en) Anomaly detection in multidimensional sensor data
US11657635B2 (en) Measuring confidence in deep neural networks
CN112622922A (zh) 具有自主车辆参考的非自主车辆速度预测
US20230162039A1 (en) Selective dropout of features for adversarial robustness of neural network
US20230376832A1 (en) Calibrating parameters within a virtual environment using reinforcement learning
US20230192118A1 (en) Automated driving system with desired level of driving aggressiveness
CN114758313A (zh) 实时神经网络再训练
US20220333933A1 (en) Enhanced vehicle and trailer operation
CN112698325A (zh) 雷达校准系统
US11462020B2 (en) Temporal CNN rear impact alert system
CN114119625A (zh) 点云数据的分割与分类
US20230219572A1 (en) Traction control system using feedforward control
US20230211779A1 (en) Adaptive messaging within a cloud and edge computing environment for v2x applications
US20240011791A1 (en) Edge enhanced incremental learning for autonomous driving vehicles
US20230339517A1 (en) Autonomous driving evaluation system
US20240046619A1 (en) Holographic display calibration using machine learning
US20230139521A1 (en) Neural network validation system
US20240051548A1 (en) Supervisory electrical control architecture for av and manual driving
CN117400937A (zh) 车辆故意漂移检测及控制
CN116708587A (zh) 数据压缩选择系统

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