CN116811840A - 一种快速计算电动重卡稳定性的控制方法 - Google Patents
一种快速计算电动重卡稳定性的控制方法 Download PDFInfo
- Publication number
- CN116811840A CN116811840A CN202310507998.3A CN202310507998A CN116811840A CN 116811840 A CN116811840 A CN 116811840A CN 202310507998 A CN202310507998 A CN 202310507998A CN 116811840 A CN116811840 A CN 116811840A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- angle
- yaw
- speed
- deviation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010587 phase diagram Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- 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
- B60W40/10—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 vehicle motion
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/103—Side slip angle of vehicle body
-
- 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
- B60W2300/00—Indexing codes relating to the type of vehicle
- B60W2300/12—Trucks; Load vehicles
- B60W2300/125—Heavy duty trucks
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/30—Wheel torque
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开是关于一种快速计算电动重卡稳定性的控制方法、装置、电子设备以及存储介质。其中,该方法包括:基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度;根据车辆质心侧偏角与车辆稳定性相平面理论,分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值;计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并分别建立PID控制模型计算横摆力矩;基于所述横摆力矩分别计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。本公开控制过程响应快速准确,保证了车辆迅速摆脱不稳定状态的趋势,提高了无人驾驶电动重卡的运输安全,减少生命财产损失。
Description
技术领域
本公开涉及无人驾驶领域,具体而言,涉及一种快速计算电动重卡稳定性的控制方法、装置、电子设备以及计算机可读存储介质。
背景技术
近几年无人驾驶技术迅速的走向社会生活,尤其是在较为封闭的场景内,如特种作业区域、机场和仓库等运输场景,相应的无人驾驶重型电动卡车产业迅猛发展,在其促进社会发展和提高人民生活水平的同时,无人驾驶电动重卡运输作业过程中车辆的稳定性成为社会关注的重点,在其运输过程中是否能够按照控制器下发的控制指令进行精准纵向控制与横向控制,而不会因为车辆处于不稳定状态而过度转向或过小转向导致发生车辆侧滑甚至侧倾。
现有技术中,汽车电子稳定性系统质心侧偏角估计与控制策略研究中以轿车为研究对象,以车辆侧向动力学为基础,对车辆稳定性及其表征状态进行了理论分析,提出了一种采用状态观测器和扩展卡尔曼滤波方法对车辆极限转向工况下的质心侧偏角估计进行了仿真研究,研究结果表明:1)由于车辆具有的非线性特性,质心侧偏角估计必须采用非线性的状态估计方法;2)基于扩展卡尔曼滤波的质心侧偏角估计算法在线性区和非线性区都获得了较高的估计精度。但该方法依赖于车辆动力学模型,对于无人驾驶电动重卡而言,很多动力学参数是未知的,其用扩展卡尔曼滤波估计质心侧偏角的方法结果对于参数的依赖高且延时较高。并且由于研究对象的限制,其车轮转矩是不能单独控制的,故其并未考虑对最优控制轮进行扭矩控制。一种汽车质心侧偏角和轮胎侧偏角软测量方法只需要知道汽车行驶中的方向角、横滚角、俯仰角以及导航坐标系中的东向、北向、天向速度,便可以实时计算出汽车的质心侧偏角和前、后轮侧偏角。可以进而分析侧向加速度与汽车横向操作稳定性问题。采用该软测量方法,不需要在汽车内部加装轮速传感器,或通过CAN总线读取汽车内部ABS和ESP数据,具有方便、快捷、可靠的特点。该专利只涉及车辆质心侧偏角的测量,并从横向加速度的角度分析车辆稳定性,并为从横摆角速度和质心侧偏角的角度出发,当车辆进行转弯等横向加速度较大情况,该方法对于车辆稳定性的表征还需考量,并且该现有技术并不包含车辆稳定性控制以及后续横摆力矩的控制。
因此,需要一种或多种方法解决上述问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种快速计算电动重卡稳定性的控制方法、装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面,提供一种快速计算电动重卡稳定性的控制方法,包括:
基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角,基于所述车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度;
根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值;
分别将所述车辆质心侧偏角阈值、车辆横摆角速度阈值与车辆运行过程中预设计算值作差计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差分别建立PID控制模型计算横摆力矩;
基于所述横摆力矩分别计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。
在本公开的一种示例性实施例中,所述方法还包括:
基于车辆的预设传感器生成车辆东向速度Ve、车辆北向速度Vn、车辆横摆角φ;
基于所述车辆东向速度Ve、车辆北向速度Vn,计算所述车辆的车辆航向角θ为θ=arctan(Vn/Ve);
计算车辆质心侧偏角β为β=θ-φ。
在本公开的一种示例性实施例中,所述方法还包括:
基于车辆导航数据发送频率K,计算车辆横摆角速度为
其中,t为时间。
在本公开的一种示例性实施例中,所述方法还包括:
根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数计算车辆质心侧偏角阈值边界为
其中,B1、B2为稳定边界常数,μ为路面附着系数。
在本公开的一种示例性实施例中,所述方法还包括:
根据车辆动力学理论,基于车辆速度、前轮转角角速度、路面附着系数计算车辆横摆角速度阈值边界为
其中,K1、K2、K3为控制系统,V为车速,为前轮转角角速度。
在本公开的一种示例性实施例中,所述方法还包括:
基于车辆质心侧偏角阈值,生成车辆质心侧偏角偏差为
根据PID控制的基于车辆质心侧偏角的横摆力矩计算式为
ΔMβ=KPβeβ(i)+KIβ∑eβ(i)+KDβ(eβ(i)-eβ(i-1));
其中,KPβ、KIβ、KDβ为基于车辆质心侧偏角的PID参数,eβ为车辆质心侧偏角偏差。
在本公开的一种示例性实施例中,所述方法还包括:
基于车辆横摆角速度阈值,生成车辆横摆角速度偏差为
根据PID控制的基于车辆横摆角速度的横摆力矩计算式为
ΔMγ=KPγeγ(i)+KIγ∑eγ(i)+KDγ(eγ(i)-eγ(i-1));
其中,KPγ、KIγ、KDγ为基于车辆横摆角速度的PID参数,eγ为车辆横摆角速度偏差。
在本公开的一种示例性实施例中,所述方法还包括:
基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差计算横摆力矩M=ΔMγ+ΔMβ。
在本公开的一种示例性实施例中,所述方法还包括:
基于所述横摆力矩分别计算所述车辆的各车轮的转矩为
其中,Fxi为车辆轮胎所需制动力,l为车辆轮胎中心到车辆质心的水平面投影距离,αi为水平面投影线与车头朝向夹角,δi为轮胎转角,R为轮胎半径,i表示不同轮胎。
在本公开的一个方面,提供一种快速计算电动重卡稳定性的控制装置,包括:
速度计算模块,用于基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角,基于所述车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度;
阈值计算模块,用于根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值;
横摆力矩计算模块,用于分别将所述车辆质心侧偏角阈值、车辆横摆角速度阈值与车辆运行过程中预设计算值作差计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差分别建立PID控制模型计算横摆力矩;
转矩计算模块,用于基于所述横摆力矩分别判断最优控制轮并计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。
在本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
在本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。
本公开的示例性实施例中的一种快速计算电动重卡稳定性的控制方法,其中,该方法包括:基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度;根据车辆质心侧偏角与车辆稳定性相平面理论,分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值;计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并分别建立PID控制模型计算横摆力矩;基于所述横摆力矩分别计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。本公开控制过程响应快速准确,保证了车辆迅速摆脱不稳定状态的趋势,提高了无人驾驶电动重卡的运输安全,减少生命财产损失。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例,本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的一种快速计算电动重卡稳定性的控制方法的流程图;
图2示出了根据本公开一示例性实施例的一种快速计算电动重卡稳定性的控制方法的车辆质心侧偏角阈值、车辆横摆角速度阈值相图示意图;
图3示出了根据本公开一示例性实施例的一种快速计算电动重卡稳定性的控制方法的横摆力矩示意图;
图4示出了根据本公开一示例性实施例的一种快速计算电动重卡稳定性的控制装置的示意框图;
图5示意性示出了根据本公开一示例性实施例的电子设备的框图;以及
图6示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中,首先提供了一种快速计算电动重卡稳定性的控制方法;参考图1中所示,该一种快速计算电动重卡稳定性的控制方法可以包括以下步骤:
步骤S110,基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角,基于所述车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度;
步骤S120,根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值;
步骤S130,分别将所述车辆质心侧偏角阈值、车辆横摆角速度阈值与车辆运行过程中预设计算值作差计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差分别建立PID控制模型计算横摆力矩;
步骤S140,基于所述横摆力矩分别计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。
本公开的示例性实施例中的一种快速计算电动重卡稳定性的控制方法,其中,该方法包括:基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度;根据车辆质心侧偏角与车辆稳定性相平面理论,分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值;计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并分别建立PID控制模型计算横摆力矩;基于所述横摆力矩分别计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。本公开控制过程响应快速准确,保证了车辆迅速摆脱不稳定状态的趋势,提高了无人驾驶电动重卡的运输安全,减少生命财产损失。
下面,将对本示例实施例中的一种快速计算电动重卡稳定性的控制方法进行进一步的说明。
在步骤S110中,可以基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角,基于所述车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度。
在本示例的实施例中,所述方法还包括:
基于车辆的预设传感器生成车辆东向速度Ve、车辆北向速度Vn、车辆横摆角φ;
基于所述车辆东向速度Ve、车辆北向速度Vn,计算所述车辆的车辆航向角θ为θ=arctan(Vn/Ve);
计算车辆质心侧偏角β为β=θ-φ。
在本示例的实施例中,所述方法还包括:
基于车辆导航数据发送频率K,计算车辆横摆角速度为
其中,t为时间。
在步骤S120中,可以根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值。
在本示例的实施例中,所述方法还包括:
根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数计算车辆质心侧偏角阈值边界为
其中,B1、B2为稳定边界常数,μ为路面附着系数。
在本示例的实施例中,所述方法还包括:
根据车辆动力学理论,基于车辆速度、前轮转角角速度、路面附着系数计算车辆横摆角速度阈值边界为
其中,K1、K2、K3为控制系统,V为车速,为前轮转角角速度。
在步骤S130中,可以分别将所述车辆质心侧偏角阈值、车辆横摆角速度阈值与车辆运行过程中预设计算值作差计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差分别建立PID控制模型计算横摆力矩。
在本示例的实施例中,所述方法还包括:
基于车辆质心侧偏角阈值,生成车辆质心侧偏角偏差为
根据PID控制的基于车辆质心侧偏角的横摆力矩计算式为
ΔMβ=KPβeβ(i)+KIβ∑eβ(i)+KDβ(eβ(i)-eβ(i-1));
其中,KPβ、KIβ、KDβ为基于车辆质心侧偏角的PID参数,eβ为车辆质心侧偏角偏差。
在本示例的实施例中,所述方法还包括:
基于车辆横摆角速度阈值,生成车辆横摆角速度偏差为
根据PID控制的基于车辆横摆角速度的横摆力矩计算式为
ΔMγ=KPγeγ(i)+KIγ∑eγ(i)+KDγ(eγ(i)-eγ(i-1));
其中,KPγ、KIγ、KDγ为基于车辆横摆角速度的PID参数,eγ为车辆横摆角速度偏差。
在本示例的实施例中,所述方法还包括:
基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差计算横摆力矩M=ΔMγ+ΔMβ。
在步骤S140中,可以基于所述横摆力矩分别计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。
在本示例的实施例中,所述方法还包括:
基于所述横摆力矩分别计算所述车辆的各车轮的转矩为
其中,Fxi为车辆轮胎所需制动力,l为车辆轮胎中心到车辆质心的水平面投影距离,αi为水平面投影线与车头朝向夹角,δi为轮胎转角,R为轮胎半径,i表示不同轮胎。
实施例二:
通过主动控制改善汽车稳定性的途径很多,目前得到应用的方法主要有主动转向控制、垂直载荷控制和制动力/驱动力控制。主动转向控制只能提高车辆在其转向运动状态的线性区与非线性区的稳定性操纵能力,并不能达到阻止车辆进入失稳状态的效果,其调节效果有限;垂向载荷控制需要车辆搭载主动悬架系统,且该方法是间接对车辆稳定性产生影响的;以上两种方法控制效果有限,控制成本高昂对于重型电动卡车的行驶场景均不适用,制动力/驱动力控制是改变不同车轮的制动力/驱动力来提高车辆稳定性的一种主动安全技术,对于电动重卡来讲,完全可以达到符合车辆车轮转矩单独控制的技术要求,具有容易实现、附加成本小,而且在制动、驱动、转向等复杂工况下都能起作用特别是在汽车质心侧偏角比较大时也能非常有效地提供恢复稳定需要的横摆力矩,应用范围广泛。
影响车辆稳定性的参数主要有车辆质心侧偏角和横摆角速度。汽车行驶状态主要由纵向速度、侧向速度和横摆角速度确定。纵向速度与侧向速度确定汽车质心的侧偏角,横摆角速度的积分得到汽车的横摆角,而质心侧偏角与横摆角之和为汽车行驶的航向角。在汽车的质心侧偏角较小忽略不计情况下,汽车的航向角主要由汽车的横摆角决定,此时车辆转弯能力与航向角成正比,汽车的航向角越大,汽车的转弯半径越小;航向角越小,汽车的转弯半径越大。因此,在质心侧偏角比较小的情况下,横摆角速度决定了汽车的稳定状态。当车辆质心侧偏角较大,车辆发生甩尾等严重的侧滑现象这时横摆角速度就不能准确地表述车辆的稳定性,此时质心侧偏角更能体现汽车的稳定性。故在车辆稳定性控制系统中,车辆的质心侧偏角一般都被限定在比较小的范围内。
在本示例的实施例中,车辆质心侧偏角与横摆角速度计算:
一般的组合导航传感器输出中包含东向速度、北向速度和偏北角,且该数值经过组合导航内部滤波算法处理,其准确性和数据波动性较好,车辆航向角是地面坐标系下,车辆质心速度与横轴的夹角;车辆质心侧偏角是车辆质心速度方向与车头指向的夹角;车辆横摆角=航向角—质心侧偏角,是地面坐标系下车头指向与横轴的夹角。故将组合导航传感器固定在车辆质心上或将其坐标变换至与质心重合,由其东向速度Ve、北向速度Vn计算其速度方向的公式为:
速度偏北角=arctan(Vn/Ve)
速度偏北角即为车辆航向角θ,组合导航测得的偏北角即为车辆横摆角φ,故车辆质心侧偏角β计算公式为:
β=θ-φ
组合导航的数据发送频率为K,则其车辆横摆角速度的计算公式为:
在本示例的实施例中,车辆质心侧偏角与横摆角速度阈值计算
对于稳定性控制而言的结论有:汽车在转向时的稳态响应可分为三类:中性转向、不足转向和过度转向。对于中性转向的车辆,在任何车速下行驶时的转向角都是阿克曼转角对于不足转向的车辆,转向角随车速的平方增加,在特征车速时转向角是阿克曼转角的两倍;对于过度转向的车辆,转向角随车速的平方减小,当车速达到临界车速时转向角为零。中性转向是理想的汽车转向特性,转向角和转向半径成线性关系且不随车速变化,驾驶员容易操控车辆,但中性转向在实际车辆中很难获得。具有过度转向的车辆在车速低于临界车速时,可以行驶但操控困难,当车速等于或大于临界车速时,车辆就会处于不稳定状态。而具有不足转向的车辆具有较好的高速稳定性,在转向的线性区比较容易操控,但当车速达到特征车速进行转向时,要求的转向角是2倍阿克曼转角,增加了驾驶员的忙碌程度。综上所述,由于过度转向的汽车有失去稳定性的危险,故汽车都应具有适度的不足转向特性。根据车辆质心侧偏角与车辆稳定性相平面理论可知:与β-γ相平面图类似,相图中也存在一个稳定的区域,在稳定区域内,从任意初始点/>出发的相轨迹最终都收敛于稳定的焦点,即车辆能恢复到稳定的平衡状态。且实验证明车速、前轮转角对于/>稳定区域的影响不大;路面附着系数的变化对于/>稳定区域的影响较大、且相平面稳定区域的宽度与路面附着系数的高低近似成正比关系,故质心侧偏角稳定区域的阈值边界可以描述为:
其中B1、B2是稳定边界常数,μ为路面附着系数。经过大量的仿真分析,初步确定B1=0.32,B2=0.10。
对于车辆横摆角速度,实验表明车辆速度越大其对应的横摆角速度阈值应先增大后减小;路面附着系数越小横摆角速度阈值应越小;前轮转角角速度越大对应横摆角速度阈值应越大,故建立如下模型计算车辆横摆角速度阈值:
其中K1、K2、K3的数值可以由试验确定,K1、K3为负数。
在本示例的实施例中,PID控制模型计算车辆保持稳定性所需的横摆力矩:
首先计算基于质心侧偏角的横摆力矩。如图2所示,之前根据利用相图确定了质心侧偏角的稳定边界,则基于质心侧偏角的横摆力矩决策PID控制器的输入就是车辆实际状态在/>相平面上与稳定边界之间的状态偏差eβ。
车辆实际状态点位于稳定区域内时,则状态偏差为零,无需施加控制;当车辆实际状态点/>位于稳定边界之外时,则状态偏差eβ为车辆实际状态点到稳定边界的距离。则eβ可描述如下:
则根据PID控制公式得基于质心侧偏角的横摆力矩决策算法如下式所示:
ΔMβ=KPβeβ(i)+KIβ∑eβ(i)+KDβ(eβ(i)-eβ(i-1))
下面计算基于横摆角速度的横摆力矩。与车辆质心侧偏角处理方式相似,当横摆角速度在阈值以内认为误差为0,超过部分作为误差值,故横摆角速度的偏差eγ计算式为:
则根据PID控制公式得基于横摆角速度的横摆力矩决策算法如下式所示:
ΔMγ=KPγeγ(i)+KIγ∑eγ(i)+KDγ(eγ(i)-eγ(i-1))
由于在小侧偏角情况下PID算法的得到的力矩数值为极小值,故两者结果线性叠加即可,最终得到的车辆所需横摆力矩为:
M=ΔMγ+ΔMβ
在本示例的实施例中,计算各个轮需要的转矩:
合理的控制各个车轮的控制电机扭矩才能使得最合适的车轮产生上述所需横摆力矩,由于车辆失稳时降低车速可以缓解车辆失稳,故对车轮的控制方式选择对其施加制动扭矩。首先确定不同前轮转角、不同横摆角速度下的最优控制轮。假设前轮转角为左,车辆横摆角速度为同向,如图3所示,汽车此时所受横摆力矩M为逆时针方向,左前轮与左后轮制动力将产生横摆力矩M同向的横摆力矩,在车辆转向不足的情况下可以选用,且后轮力臂大于前轮,故更加有效;右前轮和右后轮值动力将产生与横摆力矩M反向的横摆力矩,在车辆过渡转向情况下被选用且前轮力臂大于后轮,更加有效。但无人驾驶电动重卡的指令延迟是无人驾驶重型车辆的尖锐问题,所以在其正常行驶过程中车辆前轮转角已经右转但车辆横摆角依然向右的情况是存在的,用相同的方法进行分析,得到车辆各种状态下的最优控制车轮。
确定各个轮所需的制动力。忽略的车辆轮胎在制动过程中的附加侧向力,故最佳车轮的制动力计算公式为:
其中:Fxi为车辆轮胎所需制动力,M为计算车辆所需横摆力矩,l为车辆轮胎中心到车辆质心的水平面投影距离,αi为上述水平面投影线与车头朝向夹角,δi为轮胎转角(后轮为0),R为轮胎半径,i表示不同轮胎。
在本示例的实施例中,无人驾驶电动重卡具有传感器丰富、车轮扭矩单独控制的优势,但是其工作环境同时兼备结构化道路与非结构化道路,且无人驾驶系统对道路的转弯半径、连续转弯路线的适用能力是受限的,为了提高其转弯过程中的车辆操纵稳定性和避免其侧滑、侧翻等危险,需要快速的对车辆稳定性参数进行测量并作出反应,本文使用组合导航传感器对车辆质心侧偏角和横摆角速度进行测量,相比其他估计方法,该方法不需要建立车辆模型,测量结果快速,准确性高;用车辆辆速度、路面附着系数和前轮转角角速度共同确定车辆横摆角速度的阈值,公式简单且对于不同车辆参数易于试验获得;用相平面法确定车辆质心侧偏角的阈值,仿真可以获得其参数,阈值在一定程度上减少了稳定性控制系统的误干扰,使得无人驾驶控制器指令更加顺滑,且动态的调节的阈值可以使稳定性控制系统适应范围更广;确定在不同工况下的车辆稳定性控制最佳车轮与车轮转矩,使得稳定性控制指令的响应更加快速精准。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
此外,在本示例实施例中,还提供了一种快速计算电动重卡稳定性的控制装置。参照图4所示,该一种快速计算电动重卡稳定性的控制装置400可以包括:速度计算模块410、阈值计算模块420、横摆力矩计算模块430以及转矩计算模块440。其中:
速度计算模块410,用于基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角,基于所述车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度;
阈值计算模块420,用于根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值;
横摆力矩计算模块430,用于分别将所述车辆质心侧偏角阈值、车辆横摆角速度阈值与车辆运行过程中预设计算值作差计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差分别建立PID控制模型计算横摆力矩;
转矩计算模块440,用于基于所述横摆力矩分别判断最优控制轮并计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。
上述中各一种快速计算电动重卡稳定性的控制装置模块的具体细节已经在对应的一种快速计算电动重卡稳定性的控制方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了一种快速计算电动重卡稳定性的控制装置400的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施例的电子设备500。图5显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如,所述处理单元510可以执行如图1中所示的步骤S110至步骤S140。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5203的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线550可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备570(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器560通过总线550与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图6所示,描述了根据本发明的实施例的用于实现上述方法的程序产品600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本发明件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (12)
1.一种快速计算电动重卡稳定性的控制方法,其特征在于,所述方法包括:
基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角,基于所述车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度;
根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值;
分别将所述车辆质心侧偏角阈值、车辆横摆角速度阈值与车辆运行过程中预设计算值作差计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差分别建立PID控制模型计算横摆力矩;
基于所述横摆力矩分别计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于车辆的预设传感器生成车辆东向速度Ve、车辆北向速度Vn、车辆横摆角φ;
基于所述车辆东向速度Ve、车辆北向速度Vn,计算所述车辆的车辆航向角θ为θ=arctan(Vn/Ve);
计算车辆质心侧偏角β为β=θ-φ。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于车辆导航数据发送频率K,计算车辆横摆角速度为
其中,t为时间。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数计算车辆质心侧偏角阈值边界为
其中,B1、B2为稳定边界常数,μ为路面附着系数。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据车辆动力学理论,基于车辆速度、前轮转角角速度、路面附着系数计算车辆横摆角速度阈值边界为
其中,K1、K2、K3为控制系统,V为车速,为前轮转角角速度。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于车辆质心侧偏角阈值,生成车辆质心侧偏角偏差为
根据PID控制的基于车辆质心侧偏角的横摆力矩计算式为
ΔMβ=KPβeβ(i)+KIβ∑eβ(i)+KDβ(eβ(i)-eβ(i-1));
其中,KPβ、KIβ、KDβ为基于车辆质心侧偏角的PID参数,eβ为车辆质心侧偏角偏差。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
基于车辆横摆角速度阈值,生成车辆横摆角速度偏差为
根据PID控制的基于车辆横摆角速度的横摆力矩计算式为
ΔMγ=KPγeγ(i)+KIγ∑eγ(i)+KDγ(eγ(i)-eγ(i-1));
其中,KPγ、KIγ、KDγ为基于车辆横摆角速度的PID参数,eγ为车辆横摆角速度偏差。
8.如权利要求7所述的方法,其特征在于,所述方法还包括:
基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差计算横摆力矩M=ΔMγ+ΔMβ。
9.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述横摆力矩分别计算所述车辆的各车轮的转矩为
其中,Fxi为车辆轮胎所需制动力,l为车辆轮胎中心到车辆质心的水平面投影距离,αi为水平面投影线与车头朝向夹角,δi为轮胎转角,R为轮胎半径,i表示不同轮胎。
10.一种快速计算电动重卡稳定性的控制装置,其特征在于,所述装置包括:
速度计算模块,用于基于车辆的预设传感器生成车辆东向速度、车辆北向速度、车辆横摆角,基于所述车辆东向速度、车辆北向速度、车辆横摆角分别计算生成车辆质心侧偏角、车辆横摆角速度;
阈值计算模块,用于根据车辆质心侧偏角与车辆稳定性相平面理论,基于所述车辆横摆角速度、路面附着系数分别计算车辆质心侧偏角阈值、车辆横摆角速度阈值;
横摆力矩计算模块,用于分别将所述车辆质心侧偏角阈值、车辆横摆角速度阈值与车辆运行过程中预设计算值作差计算车辆质心侧偏角偏差、车辆横摆角速度偏差,并基于所述车辆质心侧偏角偏差、车辆横摆角速度偏差分别建立PID控制模型计算横摆力矩;
转矩计算模块,用于基于所述横摆力矩分别判断最优控制轮并计算所述车辆的各车轮的转矩,基于所述转矩对各车轮进行动力输出,完成对所述车辆的稳定性控制。
11.一种电子设备,其特征在于,包括
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据权利要求1至9中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310507998.3A CN116811840A (zh) | 2023-05-08 | 2023-05-08 | 一种快速计算电动重卡稳定性的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310507998.3A CN116811840A (zh) | 2023-05-08 | 2023-05-08 | 一种快速计算电动重卡稳定性的控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116811840A true CN116811840A (zh) | 2023-09-29 |
Family
ID=88113478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310507998.3A Pending CN116811840A (zh) | 2023-05-08 | 2023-05-08 | 一种快速计算电动重卡稳定性的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116811840A (zh) |
-
2023
- 2023-05-08 CN CN202310507998.3A patent/CN116811840A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3750781B1 (en) | Control method and apparatus for autonomous vehicle and storage medium | |
EP3932762B1 (en) | Safety monitoring method and system for autonomous vehicle, and motion control system | |
Jalali et al. | Model predictive control of vehicle stability using coordinated active steering and differential brakes | |
US20210269018A1 (en) | Vehicle stability control method and device | |
US9278713B2 (en) | Collision avoidance control integrated with EPS controller | |
CN110271608B (zh) | 车辆转向控制方法、装置、系统以及车辆 | |
CN113619584B (zh) | 电控后轮转向方法、装置、电子设备及存储介质 | |
US9561803B2 (en) | Method for calculating a desired yaw rate for a vehicle | |
JP2001334921A (ja) | 車両の路面摩擦係数推定装置 | |
US20230131835A1 (en) | Apparatus for controlling autonomous driving of independent driving electric vehicle and method thereof | |
WO2023036029A1 (zh) | 车辆稳定性控制方法、系统、车辆和存储介质 | |
US8131424B2 (en) | Methods and systems for calculating yaw gain for use in controlling a vehicle | |
US20230063613A1 (en) | Vehicle control based on a dynamically configured sideslip limit | |
Yu et al. | Simultaneous estimation of vehicle’s center of gravity and inertial parameters based on Ackermann’s steering geometry | |
CN114148403A (zh) | 一种线控转向系统多工况稳定性控制方法 | |
CN111422250B (zh) | 后轮转向控制方法、装置、系统及计算机存储介质 | |
KR20210135588A (ko) | 장치의 이동성을 자율적으로 제어하는 방법 | |
CN116811840A (zh) | 一种快速计算电动重卡稳定性的控制方法 | |
CN113260553A (zh) | 转向控制装置和转向控制方法 | |
US11987252B2 (en) | Systems and methods for determining whether a vehicle is in an understeer or oversteer situation | |
Gidlewski et al. | Vehicle Lane Change Automation with Active Steering-Theoretical Studies and Numerical Investigations | |
CN114212104B (zh) | 车辆控制方法、装置、车辆和存储介质 | |
CN115123194A (zh) | 车辆控制方法、装置、设备及存储介质 | |
KR20210060714A (ko) | 회피 조향 보조 장치, 그를 포함한 시스템 및 그 방법 | |
CN113778045A (zh) | 对自动驾驶车辆控制器进行评价的方法和装置 |
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 |