三级自动驾驶车辆过弯能力测试方法技术

本发明专利技术公开了一种三级自动驾驶车辆过弯能力测试方法，包括以下步骤：步骤1、将驾驶机器人、GPS定位装置、数据同步卡和工控机安装到测试车辆上，将数据同步卡分别与驾驶机器人、GPS定位装置以及测试车辆的OBD接口连接；步骤2、采集原始数据集[t，GPS，v，M]；步骤3、将原始数据集[t，GPS，v，M]转换为样本数据集[r，v，M’]，其中r为转弯半径，M’为转向所需扭矩；步骤4、构建BP神经网络模型，训练BP神经网络模型；步骤5、在完成神经网络模型的训练后，利用验证集对BP神经网络模型进行验证；步骤6、测试，记录并存储测试数据。本发明专利技术能够极大地提高三级自动驾驶车辆过弯能力测试的安全性。

Test Method for Bending Ability of Three-Level Automatic Driving Vehicle

【技术实现步骤摘要】
三级自动驾驶车辆过弯能力测试方法
本专利技术涉及汽车测试
，具体涉及一种三级自动驾驶车辆过弯能力测试方法。
技术介绍
目前自动驾驶针对车辆过弯能力的测试，均以实车、真实车速为主。如图6中的（a）所示，自动驾驶车辆需要对自动驾驶算法及相应执行机构在弯道半径为500米，车速为110公里/小时的场景下进行车辆的过弯能力测试。由于开发阶段的软件、硬件和通讯等系统均不稳定，一旦控制算法发生错误或者执行机构失控，测试人员没有足够的反应时间对紧急情况进行处理，一旦发生上述故障将严重威胁到测试人员的人身安全。除此之外，由于车速较高，所有操作均需要极高的技巧性及专业性，每次测试任务均需要专业测试人员才能完成。因此，有必要开发一种三级自动驾驶车辆过弯能力测试方法。
技术实现思路
本专利技术的目的是提供一种三级自动驾驶车辆过弯能力测试方法，以解决高速工况试验危险性大、安全风险较高的问题。本专利技术所述的一种三级自动驾驶车辆过弯能力测试方法，包括以下步骤：步骤1、将驾驶机器人、GPS定位装置、数据同步卡和工控机安装到测试车辆上，将数据同步卡分别与驾驶机器人、GPS定位装置以及测试车辆的OBD接口连接；步骤2、利用驾驶机器人驾驶车辆在不同弯道半径r、不同车速v下进行多次试验，用数据同步卡采集时间戳t、当前轨迹GPS、当前车速v和转向机器人当前输出转向扭矩M，得到原始数据集[t，GPS，v，M]；步骤3、将原始数据集[t，GPS，v，M]转换为样本数据集[r，v，M’]，其中r为转弯半径，M’为转向所需扭矩；步骤4、构建BP神经网络模型，输入层的输入参数为转弯半径r、当前车速v，输出层的输出参数为转向扭矩；将样本数据集按比例划分成训练集和验证集，将训练集导入BP神经网络模型中，训练BP神经网络模型；步骤5、在完成神经网络模型的训练后，利用验证集对BP神经网络模型进行验证，若BP神经网络模型达到试验要求，则进入步骤6，若BP神经网络模型未达到试验要求，则进入步骤2；步骤6、将期望测试的转弯半径、期望测试的车速输入到工控机中，将试验车辆上用于传输车速信息的CAN总线与装有BP神经网络模型的工控机连接；以不小于10km/h的车速驾驶实验车辆进行测试，通过BP神经网络模型计算出期望测试车速所需转向扭矩与当前车速下所需转向扭矩的差值，由驾驶机器人将此差值施加到试验车辆的方向盘上，记录并存储测试数据。进一步，所述步骤3中，将每组数据集中当前轨迹GPS的离散数据转化为连续曲线，对连续曲线上每隔as微分后对时间求导得出当前点的曲率，将所有曲率求平均值后转化为转弯半径r。进一步，所述步骤3中，将每组数据集中的当前车速v和转向机器人当前输出转向扭矩M转换为连续曲线，对连续曲线每隔as进行采样并求平均值，结合转弯半径r，得出转弯半径r、当前车速v及转向所需扭矩M’的对应关系集，即样本数据集[r，v，M’]。进一步，所述步骤2中，利用驾驶机器人驾驶车辆在弯道半径r为150m，200m，250m，300m，350m，400m，450m，500m，550m，600m，650m，700m，750m，800m，车速v为60km/h，65km/h，70km/h，75km/h，80km/h，85km/h，90km/h，95km/h，100km/h，105km/h，110km/h，115km/h，120km/h下进行182次试验。本专利技术具有以下优点：（1）能够利用任意车速不小于10km/h、转弯半径不小于50m的低速工况，模拟车速10km/h~120km/h、转弯半径150m~800m的高速工况的试验。由于测试车辆速度较低，即使发生了软件或者硬件的错误，测试人员也有足够的反应时间并重新操控车辆，极大地提高了测试任务的安全性。（2）只需对普通测试人员甚至开发人员进行简单培训即可开展测试任务，能够大大提高开发效率。综上所述，本专利技术的方法简单，效率较高，且可靠可行，能够在低速弯道的工况中完全模拟出车辆在高速弯道中的扭矩反馈表现，能够有效支撑算法的研发与验证。附图说明图1为本专利技术中系统架构图；图2为本专利技术中数据处理流程图；图3为本专利技术中BP神经网络模型图；图4为本专利技术中工作逻辑流程图；图5为本专利技术中试验原理图；图6为传统测试方法与本专利技术所述方法的对比图；图7为BP神经网络训练流程图。具体实施方式下面结合附图对本专利技术进行详细说明。本实施例中，一种三级自动驾驶车辆过弯能力测试方法，包括以下步骤：步骤1、将驾驶机器人、GPS定位装置、数据同步卡和工控机安装到测试车辆上，利用以太网将驾驶机器人与数据同步卡进行连接，利用以太网将GPS定位装置与数据同步卡进行连接，利用CAN总线及测试车辆的OBD接口将测试车辆与数据同步卡进行连接，参见图1。本实施例中，驾驶机器人采用Vehico-CC800，驾驶机器人同时具备车速精确控制、方向盘扭矩精确控制功能，且能够安装到试验车辆上。工控机采用OxfordTechnicalSolutionsLtd-RT3000，工控机能够搭载BP神经网络模型，且能够与数据同步板卡直接相连。数据同步板卡同时支持数据的同步采集以及数据的同步输出。GPS定位装置采用高精度差分GPS定位装置。步骤2、利用驾驶机器人驾驶车辆在不同弯道半径r、不同车速v下进行多次试验，在驾驶机器人稳定驾驶后用数据同步卡采集时间戳t、当前轨迹GPS、当前车速v和转向机器人当前输出转向扭矩M，得到原始数据集[t，GPS，v，M]。本实施例中，利用驾驶机器人驾驶车辆在弯道半径r为150m，200m，250m，300m，350m，400m，450m，500m，550m，600m，650m，700m，750m，800m，车速v为60km/h，65km/h，70km/h，75km/h，80km/h，85km/h，90km/h，95km/h，100km/h，105km/h，110km/h，115km/h，120km/h下进行182次试验。试验得到原始数据集[t，GPS，v，M]共计有182组数据。本实施例中，稳定驾驶是指在转弯半径为Am时，当方向盘转到一定角度后，车辆仍能在转弯半径为Am的圆弧上行驶。步骤3、将原始数据集[t，GPS，v，M]转换为样本数据集[r，v，M’]，参见图2，其中r为转弯半径，M’为转向所需扭矩；具体为：将每组数据集中当前轨迹GPS的离散数据利用二阶保持器转化为连续曲线，对连续曲线上每隔as（比如：0.5s）微分后对时间求导得出当前点的曲率，将所有曲率求平均值后取倒数转化为转弯半径r；将每组数据集中的当前车速v和转向机器人当前输出转向扭矩M，利用二阶保持器转换为连续曲线，对连续曲线每隔as（比如：0.5s）进行采样并求平均值，结合转弯半径r，得出转弯半径r、当前车速v及转向所需扭矩M’的对应关系集，即样本数据集[r，v，M’]。步骤4、如图3所示，构建BP神经网络模型，输入层的输入参数为转弯半径r、当前车速v，输出层的输出参数为转向扭矩；将样本数据集按比例划分成训练集和验证集，如图4所示，将训练集导入BP神经网络模型中，训练BP神经网络模型。本实施例中，样本数据集共计182组数据，将样本数据集分为172组训练集和10组验证集。步骤5、在完成神经网络模型的训练后，利用验证集对B本文档来自技高网...

【技术保护点】
1.一种三级自动驾驶车辆过弯能力测试方法，其特征在于，包括以下步骤：步骤1、将驾驶机器人、GPS定位装置、数据同步卡和工控机安装到测试车辆上，将数据同步卡分别与驾驶机器人、GPS定位装置以及测试车辆的OBD接口连接；步骤2、利用驾驶机器人驾驶车辆在不同弯道半径r、不同车速v下进行多次试验，用数据同步卡采集时间戳t、当前轨迹GPS、当前车速v和转向机器人当前输出转向扭矩M，得到原始数据集 [t，GPS，v，M] ；步骤3、将原始数据集 [t，GPS，v，M]转换为样本数据集[r，v，M’]，其中r为转弯半径，M’为转向所需扭矩；步骤4、构建BP神经网络模型，输入层的输入参数为转弯半径r、当前车速v，输出层的输出参数为转向扭矩；将样本数据集按比例划分成训练集和验证集，将训练集导入BP神经网络模型中，训练BP神经网络模型；步骤5、在完成神经网络模型的训练后，利用验证集对BP神经网络模型进行验证，若BP神经网络模型达到试验要求，则进入步骤6，若BP神经网络模型未达到试验要求，则进入步骤2；步骤6、将期望测试的转弯半径、期望测试的车速输入到工控机中，将试验车辆上用于传输车速信息的CAN总线与装有BP神经网络模型的工控机连接；以不小于10km/h的车速驾驶实验车辆进行测试，通过BP神经网络模型计算出期望测试车速所需转向扭矩与当前车速下所需转向扭矩的差值，由驾驶机器人将此差值施加到试验车辆的方向盘上，记录并存储测试数据。...

【技术特征摘要】
1.一种三级自动驾驶车辆过弯能力测试方法，其特征在于，包括以下步骤：步骤1、将驾驶机器人、GPS定位装置、数据同步卡和工控机安装到测试车辆上，将数据同步卡分别与驾驶机器人、GPS定位装置以及测试车辆的OBD接口连接；步骤2、利用驾驶机器人驾驶车辆在不同弯道半径r、不同车速v下进行多次试验，用数据同步卡采集时间戳t、当前轨迹GPS、当前车速v和转向机器人当前输出转向扭矩M，得到原始数据集[t，GPS，v，M]；步骤3、将原始数据集[t，GPS，v，M]转换为样本数据集[r，v，M’]，其中r为转弯半径，M’为转向所需扭矩；步骤4、构建BP神经网络模型，输入层的输入参数为转弯半径r、当前车速v，输出层的输出参数为转向扭矩；将样本数据集按比例划分成训练集和验证集，将训练集导入BP神经网络模型中，训练BP神经网络模型；步骤5、在完成神经网络模型的训练后，利用验证集对BP神经网络模型进行验证，若BP神经网络模型达到试验要求，则进入步骤6，若BP神经网络模型未达到试验要求，则进入步骤2；步骤6、将期望测试的转弯半径、期望测试的车速输入到工控机中，将试验车辆上用于传输车速信息的CAN总线与装有BP神经网络模型的工控机连接；以不小于10km/h的车速驾驶实验车辆进行测试，通过BP神经网络模型计算出期望测试车速所需转...

【专利技术属性】
技术研发人员：李远仪，何博，梁锋华，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：重庆,50