基于Bayes分类器的路面附着系数估计方法技术

本发明专利技术公开了一种基于Bayes分类器的路面附着系数估计方法，所述方法基于Bayes分类器的理论，通过汽车行驶时某一侧的牵引力与汽车滑移率的数据点集决定道路模型的归属，将收集到的整体数据点集依据牵引力范围划分成多个数据子集，对新采集的数据点分析并得出其先验概率后计算其后验概率，从而确定道路模型归属，最后根据新的道路模型精确计算该道路模型的附着系数。通过上述方式，本发明专利技术通过对Bayes子集先验概率的学习，当实时的数据点到来时，计算每个牵引力子集区间的后验概率，通过所述方法可以计算路面切换的时间以及得到路面切换后的点集归属结果，从而决定道路模型的归属，并得到路面模型的附着系数。并得到路面模型的附着系数。并得到路面模型的附着系数。

【技术实现步骤摘要】
基于Bayes分类器的路面附着系数估计方法


[0001]本专利技术涉及路面附着系数计算领域，特别是涉及一种基于Bayes分类器的路面附着系数估计方法。

技术介绍

[0002]目前国内汽车数量日益剧增，安全性能成为了汽车最重要的考虑部分。在越来越成熟的自动驾驶领域，路面附着力系数的识别愈发重要。汽车在不同附着路面下的制动距离不同，在附着系数较小的路面下制动距离加长，且汽车稳定性更不易受控制，因此在路面附着力系数切换时，更快地识别附着系数变化显得格外重要。
[0003]在现有的基于传感器的路面分类识别以及切换系统中，由于复杂的传感器设备(摄像头、应变力传感器、声学传感器等)受到安装环境、使用环境、价格等条件的限制，而且在一些特殊情况中(例如大雾大雪等恶劣天气)对路面的识别切换效果并不明显，切换速度也达不到实际的需求。
[0004]现有技术中开始采用各种算法来对路面模型进行判断，一般算法，如通过最小二乘法对采样点以窗口的方式进行数据特征判断，由于汽车高速行驶对路面切换识别的实时性要求很高，不能满足现实汽车在行驶时的实际需求；另外的一些本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Bayes分类器的路面附着系数估计方法，其特征在于，包括以下步骤：S1、收集在不同附着系数的道路模型上行驶的汽车的牵引力数据点集，并将所述数据点集依据其对应的牵引力的大小划分成多个数据子集；S2、计算相同的牵引力下的所述数据子集在不同附着系数的道路模型上得到的数据集的期望与方差，并进一步验证所述数据集在不同附着系数的道路模型下的数据特征；S3、对不同的所述数据子集进行分析处理，得到在每一个牵引力范围下的所述数据子集的数据集在不同附着系数的路面模型上的先验概率；S4、采集新的路面下的数据点，并判断其所属的牵引力范围，随后根据所述牵引力范围对应的数据子集在不同附着系数的道路模型下的数据集的先验概率，进而计算出所述数据点在不同附着系数的路面模型上的后验概率；S5、整理所述数据点在所有道路模型下的后验概率，并比较所述后验概率的大小，所述后验概率中的最大值所属的道路模型即为所述数据点的来源路面；S6、判断是否激活路面切换判断逻辑，当连续采集到的若干个数据点中属于同一道路模型的数据点达到预设阈值，则判断此时汽车行驶在该道路模型下的路面上；S7、根据确定后的道路模型，采用扩展卡尔曼滤波算法得到切换后的道路模型的附着系数。2.根据权利要求1所述的基于Bayes分类器的路面附着系数估计方法，其特征在于，所述S1具体为：收集在不同附着系数的道路模型上行驶的汽车的牵引力数据点集，将获取的牵引力与滑移率的数据点集分成以牵引力大小为一定范围内的数据子集，并将每一个数据子集作为分析的对象。3.根据权利要求1所述的基于Bayes分类器的路面附着系数估计方法，其特征在于，所述S2具体为，根据相同的牵引力下的所述数据子集在具有不同附着系数的道路模型上得到的数据集的期望与方差，判断所述数据集是否呈现出正态分布，以适用于扩展卡尔曼滤波算法。4.根据权利要求3所述的基于Bayes分类器的路面附着系数估计方法，其特征在于，所述数据集通过分析计算汽车行驶过程中汽车左侧XL或者右侧XR的滑移率S与汽车牵引力F的数据子集后得到，依据驱动轮和非驱动轮速度的差异和滑移中的摩擦相关性计算得出相应的滑移率：上式中，S
X
为左侧滑移率，ω
F
，ω
R
分别为左前轮角速度和左后轮角速度，R
F
，R
R
分别为左前轮和左后轮的轮胎半径。5...

【专利技术属性】
技术研发人员：赵超超，
申请(专利权)人：赵超超，
类型：发明
国别省市：