路面附着系数的计算方法、装置和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114228721A(43)申请公布日2022.03.25(21)申请号202210110758.5(22)申请日2022.01.29(71)申请人苏州挚途科技有限公司地址215100江苏省苏州市相城区高铁新城青龙港路58号天成时代商务广场11、12层(72)发明人王鹏飞程哲高超王隆钢韩志华(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人荣颖佳(51)Int.Cl.B60W40/068(2012.01)权利要求书2页说明书9页附图6页(54)发明名称路面附着系数的计算方法、装置和系统(57)摘要本发明提供了一种路面附着系数的计算方法、装置和系统，该方法包括：对预先采集的车身行驶信号进行转换处理，得到目标车辆的初始车辆数据；根据初始车辆数据，确定目标车辆的目标轮胎的侧偏角、垂向力和侧向力；将垂向力、侧向力和侧偏角输入至预设的时延神经网络模型中，输出路面附着系数。本发明的数据采集过程只需利用车辆上现有的传感器，降低了数据采集的成本；通过离线训练的时延神经网络模型对路面附着系数进行计算与预测，提高了计算、预测的效率和准确率。CN114228721ACN114228721A权利要求书1/2页1.一种路面附着系数的计算方法，其特征在于，所述方法包括：对预先采集的车身行驶信号进行转换处理，得到目标车辆的初始车辆数据；根据所述初始车辆数据，确定目标车辆的目标轮胎的侧偏角、垂向力和侧向力；将所述垂向力、所述侧向力和所述侧偏角输入至预设的时延神经网络模型中，输出所述路面附着系数。2.根据权利要求1所述的方法，其特征在于，根据所述初始车辆数据，确定目标轮胎的侧偏角、垂向力和侧向力的步骤，包括：根据所述初始车辆数据，分别确定所述目标轮胎的侧偏角和垂向力；根据预先设定的魔术公式、所述初始车辆数据、所述目标轮胎的侧偏角和所述目标轮胎的垂向力，确定所述目标轮胎的侧向力。3.根据权利要求2所述的方法，其特征在于，所述目标轮胎包括左前轮轮胎、右前轮轮胎、左后轮轮胎和右后轮轮胎；所述侧偏角包括左前轮轮胎的侧偏角、右前轮轮胎的侧偏角、左后轮轮胎的侧偏角和右后轮轮胎的侧偏角；基于下式确定所述左前轮轮胎的侧偏角：其中，αfl为所述左前轮轮胎的侧偏角，δ为目标车辆的前轮转角，vx为目标车辆的质心的横向车速，vy为目标车辆的质心的纵向车速，lf为目标车辆的前轴与质心之间的距离，E为所述左前轮轮胎与所述右前轮轮胎之间的距离的一半，r为目标车辆的横摆角速度；基于下式确定所述右前轮轮胎的侧偏角：基于下式确定所述左后轮轮胎的侧偏角：其中，lr为目标车辆的后轴与质心之间的距离，E为目标车辆的所述左后轮轮胎与所述右后轮轮胎之间的距离的一半；基于下式确定所述右后轮轮胎的侧偏角：4.根据权利要求3所述的方法，其特征在于，基于下式根据所述初始车辆数据，确定所述目标轮胎的垂向力：其中，为所述目标轮胎的垂向力，ks和cs分别为目标车辆的悬架刚度和阻尼系数，为悬架位移，为平均悬架位移，和均为目标车辆的坐标系姿态角速度估计值，为所述目标轮胎的悬架垂向速度，Li为所述目标车辆的前后轴到质心的距离，E为左侧轮胎与右侧轮胎距离质心的横向距离。2CN114228721A权利要求书2/2页5.根据权利要求4所述的方法，其特征在于，根据下述魔术公式、所述初始车辆数据、所述目标轮胎的侧偏角和所述目标轮胎的垂向力，确定所述目标轮胎的侧向力：其中，Fyij为所述目标轮胎的侧向力，D为特征巅因子，C为特征的形状因子，B为刚度因子，E为特征的曲率因子，αij为所述目标轮胎的侧偏角，为特征曲线的垂向偏移量。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取预先采集的样本车身信号以及不同场景下的样本路面附着系数；归一化处理所述样本车身信号；基于所述样本路面附着系数，标签化处理所述归一化处理后的所述样本车身信号；基于预先设置的侧偏角阈值、侧向力阈值和垂向力阈值，对所述样本路面附着系数和标签化处理后的所述样本车身信号进行清洗，得到清洗后的样本数据；对所述清洗后的样本数据进行增广，得到增广后的样本数据；按照预设的分类规则，将所述增广后的样本数据划分为训练集、验证集和测试集；基于matlab神经网络工具箱，训练所述验证集和所述测试集，得到所述时延神经网络模型。7.根据权利要求6所述的方法，其特征在于，将所述垂向力、所述侧向力和所述侧偏角输入至预设的时延神经网络模型中，输出所述路面附着系数的步骤，包括：基于预设的归一化规则，对所述垂向力和所述侧向力进行归一化处理，得到归一化轮胎力；基于预设的时间规则，将所述归一化轮胎力和所述侧偏角输入至所述时延神经网络模型中，输出所述路面附着系数。8.根据权利要求1所述的方法，其