一种基于驾驶状态识别的智能车辆底盘协调控制系统及方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115257788A(43)申请公布日2022.11.01(21)申请号202211021084.8(22)申请日2022.08.24(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人蔡英凤徐璞磊廉玉波钟益林孙晓强陈龙何友国(74)专利代理机构南京智造力知识产权代理有限公司32382专利代理师王军丽(51)Int.Cl.B60W50/00(2006.01)B60W10/20(2006.01)B60W30/02(2012.01)B60W10/04(2006.01)权利要求书11页说明书10页附图4页(54)发明名称一种基于驾驶状态识别的智能车辆底盘协调控制系统及方法(57)摘要本发明公开了一种基于驾驶状态识别的智能车辆底盘协调控制系统及方法，主要通过隐马尔可夫模型对驾驶状态进行分类，再通过可拓理论对驾驶状态进行进一步的细分，并基于当前的驾驶状态确定主动前轮转向控制系统和直接横摆力矩控制系统的权重系数，对两个底盘子系统的输出进行加权分配，实现两个底盘子系统的协调控制。确保两个底盘子系统都能最大限度发挥相应的优势，同时又能尽量避免两个底盘子系统的劣势。根据本文的仿真结果可知，本发明提出的协调控制系统对于车辆的横摆角速度以及车速的控制效果较好。可以在保证车辆安全行驶的同时减少车速的波动，保证车内乘员的舒适性。CN115257788ACN115257788A权利要求书1/11页1.一种基于驾驶状态识别的智能车辆底盘协调控制方法，其特征在于，S1，建立驾驶状态识别系统，具体过程如下：S1.1，将驾驶员方向盘转角进行预处理，预处理过程如下：通过公式将方向盘转角和角加速度的隶属度进行结合，得到输入隐马尔可夫模型中的数字化符号yd(yd为1到9的整数)，公式如下所示n＝3(l‑1)+m；l，m＝1，2，3yd(t)＝argmaxn[Cn(t)]；S1.2，将预处理后的驾驶员方向盘转角作为隐马尔可夫模型的观测序列输入；S1.3，根据隐马尔可夫模型的参数学习过程，得到隐马尔可夫模型的状态转移概率矩阵A和观测概率矩阵B；S1.4，根据隐马尔可夫模型的概率计算过程，得到对应的状态概率，所设置的状态量包括两种：直行和转向；S1.5，将当前时刻的最大状态概率视作为当前的状态，根据当前状态进行初步的策略制定，若当前状态为直行，则采用主动前轮转向系统单独控制。若当前状态为转向，则经过可拓理论状态划分模块进行进一步的状态划分后再确定主动前轮转向系统和直接横摆力矩控制系统的权重系数；S2，建立协调控制系统，具体如下：S2.1，建立车辆二自由度模型作为AFS和DYC控制器的控制模型；S2.2，根据所建立的二自由度模型，将车辆二自由度模型写为状态方程的形式，将状态方程进行离散化处理；S2.3，建立目标函数V(k)，通过最小化目标函数可以得到控制输出量附加前轮转角Δδf和附加横摆力矩ΔMz；S2.4，根据上层驾驶状态识别系统得到的主动前轮转向系统和直接横摆力矩控制系统的权重系数K_A和K_D来分配输出量附加前轮转角Δδf和附加横摆力矩ΔMz；S2.5，将附加横摆力矩ΔMz转化为四个车轮的输出转矩Tij。2.根据权利要求1所述的一种基于驾驶状态识别的智能车辆底盘协调控制方法，其特征在于，所述S1.4中，根据隐马尔可夫模型的概率计算过程如下：Bd(yd(t))＝diag{bin}n＝yd(t)其中矩阵A和矩阵B即为通过Baum‑Wehlch算法得到的状态转移概率矩阵和观测概率矩阵，Bd为根据矩阵B建立的对角阵，Pt‑1|t‑1为上一时刻t‑1的驾驶状态概率，bin为观测概率矩阵B中对应的元素。3.根据权利要求1所述的一种基于驾驶状态识别的智能车辆底盘协调控制方法，其特征在于，所述S1.5的实现包括：S1.6，建立三自由度模型以及轮胎模型作为扩展卡尔曼滤波状态估计的模型依据；S1.7，根据建立的车辆三自由度模型和轮胎模型，通过扩展卡尔曼滤波状态估计得到2CN115257788A权利要求书2/11页车辆的估计状态量ω，作为可拓状态划分模块的输入；S1.8，可拓状态划分模块将规划得到的路径的曲率ρ和车辆的横摆角速度ω作为特征量，建立可拓二维集合图，通过仿真实验确定经典域边界(‑ρi，ρ1)、(‑ω1，ω1)和可拓域边界(‑ρ2，ρ2)、(‑ω2，ω2)；S1.9，根据建立的可拓二维集合图，通过计算关联度函数K(s)确定当前状态与可拓域和经典域之间的关系：D(P3，(P5，P2)，(P4，P1))＝ρ(P3，(P5，P2))‑ρ(P3，(P4，P1))S1.10，根据关联度函数，确定主动前轮转向系统和直接横摆力矩控制系统的权重系数；当K(s)≥1时，当前状态处于经典域中，此时车辆行驶较