多源信息融合的自适应车身高度调节方法技术

本发明专利技术公开了一种多源信息融合的自适应车身高度调节方法，主要是利用ECAS系统车身高度调节功能来达到降低油耗的目的。其实现步骤为：基于多源传感器获取路线预判信息、当前路况信息、天气状态指标和车辆速度；使用上述信息建立决策树模型，包括样本数据的选取与处理、树的分裂、决策树模型建立这三个环节；实时行驶时将上述传感器获取信息输入到决策树模型中，输出车身目标高度，结合车高调节策略，输出满足需求的控制信号；最终实现自适应车身高度调节功能，进一步达到降低油耗的目的。本发明专利技术融合多种信息，丰富决策的的信息量，提高决策判断的准确度，同时建立模型时考虑到汽车安全性能，为车高调节提供安全保障。

Adaptive body height adjustment method based on multi-source information fusion

【技术实现步骤摘要】
多源信息融合的自适应车身高度调节方法
本专利技术涉及电控空气悬架车身高度控制领域，具体涉及一种多信息融合的自适应车身高度调节方法。
技术介绍
机动车驾驶属于驾驶运输中的一种特殊工种，商用车驾驶，对驾驶员的要求比较高。随着经济的发展，商用车数量增加，再加上油价的居高不下，如何在保证安全性基础上降低油耗成为了商用车驾驶员需要考虑的问题。目前，采取的节油方式多为汽车结构改造、发动机技术更新和新能源使用等，对于出厂后商用车行驶过程中的节油方法较少提及。汽车的空气阻力在较大程度上决定了车辆行驶过程油耗情况，而汽车的空气阻力经实验证明可由汽车的横截面面积、风阻系数和车辆行驶速度依据公式计算得到。其中，汽车横截面面积可通过调节车身高度进行改变。电子控制空气悬架系统(electronic-controlledairsuspension，ECAS)的一大功能是调节车身高度。系统通过对电磁阀的控制，向空气气囊进行充放电，从而实现车高实时调节的功能。ECAS系统可以在车辆安全行驶过程中降低车身高度，减少汽车的横截面面积与风阻系数，减弱汽车的空气阻力，达到降低油耗的功能。因此，基于ECAS系统设计降低油耗的车身高度调节方法具有重要意义。以节油为目的的车身高度调节方法受到安全标准制约和多种外界综合因素影响，目前并无相关内容的成熟方法。
技术实现思路
本专利技术的目的在于针对上述现有技术存在的不足，提出一种多信息融合的自适应车身高度调节方法，利用ECAS系统调节车身高度的功能，融合多种外界环境信息，帮助车辆实现在满足安全性能前提下降低油耗的功能。为达到上述目的，本专利技术的技术方案是这样实现的：一种多信息融合的自适应车身高度调节方法，包括以下步骤：(1)通过车载摄像头采集当前行驶路线前方的路线状态，对采集图像中的交通标志进行识别，提供路线预判信息C1，预判属性值包括上坡、下坡、弯道、路口；(2)通过路况传感器组采集当前车辆行驶所在路面的路况信息C2，路况属性值包括平坦、颠簸、左倾、右倾、前倾、后倾；(3)通过天气传感器组采集当前天气状态指标，包括风速指标T1、雨量指标T2、风向指标T3；(4)实时检测车辆行驶速度V；(5)构建用于输出车身目标高度的决策树模型，通过样本数据的选取与处理、树的分裂、决策树模型建立这三个环节来完成构建；所述样本数据中的属性值来源于步骤1-4获取的数据，决策值来源于相应属性值条件下车辆安全性能测试得到的最低车身高度数值；将样本数据分为训练数据集S和测试数据集T；所述树的分裂过程中，所用分裂标准选择具有最高信息增益的属性作为训练数据集S的分裂属性，训练数据集S包含s个数据样本，定义H1,H2,…,Hm分别代表m个车身高度决策类，那么s1,s2,…,sm就是类H1,H2,…,Hm的样本数目：则树的分裂及决策树模型建立具体为：首先，计算出给定样本分类所需的期望信息和熵值；然后，通过得到的期望信息和熵值分别计算当各属性C1、C2、T1、T2、T3、V作为分裂属性时的信息增益，进而比较六个属性的信息增益，选择信息增益最大的属性作为最好的分裂属性。最后，根据分裂属性的取值得到决策树的分支，训练数据集S将被划分多个子集，对于每一个子树重新计算各属性信息增益，以此类推，直至某一子集的样本属于同一类，决策树停止分类。(6)实时行驶时，将步骤1-4获取的数据输入到步骤5构建的决策树模型中，输出车身目标高度。(7)根据车高调节策略，结合步骤6所得的车身目标高度和当前车身高度，输出控制信号；(8)ECAS系统接收控制信号，实现对车身高度的调节。进一步地，所述步骤2中路况传感器组包括横摆传感器和ECAS系统的车辆高度传感器。进一步地，所述步骤3中天气传感器组包括风速传感器、风向传感器和雨量传感器。所述风速传感器和风向传感器基于车辆行驶状态输出车辆静止时的风速大小和风向以及车辆行驶时的风速相对大小和风向；所述雨量传感器检测车辆行驶时外界是否下雨及雨量的大小；所述天气传感器组采集的信号经过滤波处理，滤除外界干扰噪声，获得可描述当时天气的状态指标。进一步地，所述步骤5中，车辆安全性能测试的标准为：以汽车安全性指标、行驶规范作为首要准则，在安全范围的条件下，输出最低车身目标高度。进一步地，所述步骤7中的当前车身高度是由ECAS系统实时反馈获得的。进一步地，所述步骤7中的车高调节策略具体如下：记录决策树输出的车身目标高度为ht，记录ECAS系统反馈的车身当前高度为hc；设定波动消除阈值th1和调节阈值th2；将车身当前高度和车身目标高度进行比较，根据以下比较结果输出决策结果：a、若hc<ht+th2，则输出上升命令，并输出ht+th2作为新的车身目标高度。b、若hc>ht+th1，则输出下降命令，并输出ht作为新的车身目标高度。c、若ht+th2<＝hc<＝ht+th1，则不进行车高调节，输出停止信号。本专利技术的有益效果：1、充分发挥了ECAS空气悬架系统车身高度调节功能在节约油耗方面起到的作用。2、融合了预判路线信息、当前路况信息、天气状态指标和车辆行驶速度等信息，增加决策判断的信息量，进一步提高决策判断的准确度。3、在构建用于输出车身目标高度的决策树模型时以汽车安全性指标、行驶规范为标准，为车身高度调节方法提供安全保障。4、车高调节策略中设定了波动消除阈值和调节阈值，可以滤除轻微干扰并防止车辆系统频繁调节车身高度。附图说明图1为本专利技术提供的一种多源信息融合的自适应车身高度调节方法的流程示意图；图2为本专利技术中多源信息融合时构建模型的流程图。具体实施方式下面结合实施例对本专利技术再作进一步详细的说明。图1为本专利技术提供的一种多源信息融合的自适应车身高度调节方法的流程示意图；如图1所示，所述方法包括：步骤1、通过车载摄像头采集当前行驶路线前方的路线状态，对采集图像中的交通标志进行识别，提供预判信息C1，预判属性值包括上坡、下坡、弯道、路口；步骤2、通过路况传感器组采集当前车辆行驶所在路面的路况信息C2，路况属性值包括平坦、颠簸、左倾、右倾、前倾、后倾；具体地，所述路况传感器包括：横摆传感器和ECAS系统的车辆高度传感器；ECAS系统的车辆高度传感器采集来自前桥高度传感器的悬架动行程信号，经过滤波求的正向悬架动行程信号的平均值；横摆传感器测量车辆纵向轴线摆动的角速度和转动速度；路况传感器组综合处理两类传感器的数据，对当前车辆行驶的路面状况进行检测，最终输出路况信息。步骤3、通过天气传感器组采集当前天气状态指标，包括风速指标T1、雨量指标T2、风向指标T3；具体地，所述天气相关传感器包括：风速传感器、风向传感器和雨量传感器；风速传感器和风向传感器基于车辆行驶状态输出车辆静止时的风速大小和风向以及车辆行驶时的风速相对大小和风向；雨量传感器检测车辆行驶时外界是否下雨及雨量大小；天气相关传感器组将采集到的信号经过滤波处理，滤除外界干扰噪声，获得可描述当前天气的指标。步骤4、实时检测车辆行驶速度V。具体地，速度检测将车辆行驶速度划分为m个区间，使用(V1,V2,…，Vm)表示速度V这个属性的不同取值。步骤5、构建用于输出车身目标高度的决策树模型，通过样本数据的选取与处理、树的分裂、决策树模型建立这三个环节来完成构建；步骤6、实时行驶时，将本文档来自技高网...

【技术保护点】
1.一种多源信息融合的自适应车身高度调节方法，其特征在于，该方法包括以下步骤：(1)通过车载摄像头采集当前行驶路线前方的路线状态，对采集图像中的交通标志进行识别，提供路线预判信息C1，预判属性值包括上坡、下坡、弯道、路口；(2)通过路况传感器组采集当前车辆行驶所在路面的路况信息C2，路况属性值包括平坦、颠簸、左倾、右倾、前倾、后倾；(3)通过天气传感器组采集当前天气状态指标，包括风速指标T1、雨量指标T2、风向指标T3；(4)实时检测车辆行驶速度V；(5)构建用于输出车身目标高度的决策树模型，通过样本数据的选取与处理、树的分裂、决策树模型建立这三个环节来完成构建；所述样本数据中的属性值来源于步骤1‑4获取的数据，决策值来源于相应属性值条件下车辆安全性能测试得到的最低车身高度数值；将样本数据分为训练数据集S和测试数据集T；所述树的分裂过程中，所用分裂标准选择具有最高信息增益的属性作为训练数据集S的分裂属性，训练数据集S包含s个数据样本，定义H1,H2,…,Hm分别代表m个车身高度决策类，那么s1,s2,…,sm就是类H1,H2,…,Hm的样本数目：则树的分裂及决策树模型建立具体为：首先，计算出给定样本分类所需的期望信息和熵值；然后，通过得到的期望信息和熵值分别计算当各属性C1、C2、T1、T2、T3、V作为分裂属性时的信息增益，进而比较六个属性的信息增益，选择信息增益最大的属性作为最好的分裂属性。最后，根据分裂属性的取值得到决策树的分支，训练数据集S将被划分多个子集，对于每一个子树重新计算各属性信息增益熵，以此类推，直至某一子集的样本属于同一类，决策树停止分类。(6)实时行驶时，将步骤1‑4获取的数据输入到步骤5构建的决策树模型中，输出车身目标高度。(7)根据车高调节策略，结合步骤6所得的车身目标高度和当前车身高度，输出控制信号；(8)ECAS系统接收控制信号，实现对车身高度的调节。...

【技术特征摘要】
1.一种多源信息融合的自适应车身高度调节方法，其特征在于，该方法包括以下步骤：(1)通过车载摄像头采集当前行驶路线前方的路线状态，对采集图像中的交通标志进行识别，提供路线预判信息C1，预判属性值包括上坡、下坡、弯道、路口；(2)通过路况传感器组采集当前车辆行驶所在路面的路况信息C2，路况属性值包括平坦、颠簸、左倾、右倾、前倾、后倾；(3)通过天气传感器组采集当前天气状态指标，包括风速指标T1、雨量指标T2、风向指标T3；(4)实时检测车辆行驶速度V；(5)构建用于输出车身目标高度的决策树模型，通过样本数据的选取与处理、树的分裂、决策树模型建立这三个环节来完成构建；所述样本数据中的属性值来源于步骤1-4获取的数据，决策值来源于相应属性值条件下车辆安全性能测试得到的最低车身高度数值；将样本数据分为训练数据集S和测试数据集T；所述树的分裂过程中，所用分裂标准选择具有最高信息增益的属性作为训练数据集S的分裂属性，训练数据集S包含s个数据样本，定义H1,H2,…,Hm分别代表m个车身高度决策类，那么s1,s2,…,sm就是类H1,H2,…,Hm的样本数目：则树的分裂及决策树模型建立具体为：首先，计算出给定样本分类所需的期望信息和熵值；然后，通过得到的期望信息和熵值分别计算当各属性C1、C2、T1、T2、T3、V作为分裂属性时的信息增益，进而比较六个属性的信息增益，选择信息增益最大的属性作为最好的分裂属性。最后，根据分裂属性的取值得到决策树的分支，训练数据集S将被划分多个子集，对于每一个子树重新计算各属性信息增益熵，以此类推，直至某一子集的样本属于同一类，决策树停止分类。(6)实时行驶时，将步骤1-4获取的数据输入到步骤5构建的决策树模型中，输出车身目标高度。(7)根据车高调节策略，结合步骤6所得的车身目标高度和当前车身高度，输出控制信号；(8)ECAS系统接收控制信...

【专利技术属性】
技术研发人员：陈亮，王鲜艳，陈积明，贺诗波，史治国，
申请(专利权)人：瑞立集团瑞安汽车零部件有限公司，浙江大学，
类型：发明
国别省市：浙江,33