汽车智能驾驶及ADAS测试评价方法及系统技术方案

本发明专利技术公开了一种基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，包括：获得智能驾驶系统故障失效模式；通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型；将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，进行不确定性源分析得出性能特征参数不确定性，进行QMU裕量计算后得出的性能裕量及不确定性，计算获得置信因子。因子。因子。

【技术实现步骤摘要】
汽车智能驾驶及ADAS测试评价方法及系统


[0001]本专利技术涉及汽车领域，特别是涉及一种基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，本专利技术还涉及一种基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价系统。

技术介绍

[0002]智能驾驶是当今汽车发展的趋势，对于智能驾驶的安全也是当今汽车研究的一大热点，而对于如何评价智能驾驶系统是否能安全地完成驾驶操作是智能驾驶功能安全的重点及难点。ADAS法规测试有着E
‑
NCAP、C
‑
NCAP等行业对部分功能的测试及评价体系，而对于非法规测试及评价、智能驾驶测试及评价目前仍处于空白阶段，是否能有一种系统的，能针对众多场景的测试评价方法来弥补法规之外的场景测试评价的空白？
[0003]因此，亟需一种科学的汽车智能驾驶及ADAS测试评价方法，来对智能驾驶系统进行综合的评价，使得非法规场景能有合理的依据进行测试及评价，避免人为因素过多干扰测试评价的准确度。

技术实现思路

[0004]在
技术实现思路
部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本专利技术的
技术实现思路
部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
[0005]本专利技术要解决的技术问题是提供一种基于QMU裕量与不确定性量化能拟补人为进行测试评价的不可复制性及不合理性的汽车智能驾驶及ADAS测试评价方法。
[0006]相应的，本麻烦还提供一种基于QMU裕量与不确定性量化能拟补人为进行测试评价的不可复制性及不合理性的汽车智能驾驶及ADAS测试评价系统。
[0007]为解决上述技术问题，本专利技术提供的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，包括以下步骤：
[0008]S1，对智能驾驶系统功能模型进行分析获得智能驾驶系统故障失效模式；
[0009]S2，通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型；
[0010]S3，将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；
[0011]S4，基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；
[0012]S5，通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，对不确定性参数进行不确定性源分析，结合性能阈值要求得出性能特征参数不确定性，基于性能特征参数不确定性进行QMU裕量计算后得出的性能裕量及不确定性，计算获得置信因子；
[0013]其中，S1
‑
S5仅用于标识区分各步骤，不限制各步骤实施顺序。
[0014]可选择的，进一步改进所述的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，智能驾驶系统故障失效模式通过对智能驾驶系统功能模型进行失效分析获得。
[0015]可选择的，进一步改进所述的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，失效特征参数集是由大量智能驾驶失效/故障物理模型中提取出的失效特征参数的集合。
[0016]可选择的，进一步改进所述的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，不确定性源分析是对具有不确定性的参数进行不确定性溯源
[0017]可选择的，进一步改进所述的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，计算置信因子是通过以某一性能裕量及不确定性作为基准计算各故障模型的参数不确定性得出的置信因子。
[0018]为解决上述技术问题，本专利技术提供一种基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价系统，包括：
[0019]观测清单模块，其对智能驾驶系统功能模型进行分析获得智能驾驶系统故障失效模式，通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型，将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；
[0020]性能通道模块，其基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；
[0021]裕量及不确定性分析模块，其通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，对不确定性参数进行不确定性源分析，结合性能阈值要求得出性能特征参数不确定性，基于性能特征参数不确定性进行QMU裕量计算后得出的性能裕量及不确定性，计算获得置信因子。
[0022]可选择的，进一步改进所述基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价系统，智能驾驶系统故障失效模式通过对智能驾驶系统功能模型进行失效分析获得。
[0023]可选择的，进一步改进所述基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价系统，失效特征参数集是由大量智能驾驶失效/故障物理模型中提取出的失效特征参数的集合。
[0024]可选择的，进一步改进所述基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价系统，不确定性源分析是对具有不确定性的参数进行不确定性溯源
[0025]可选择的，进一步改进所述基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价系统，计算置信因子是通过以某一性能裕量及不确定性作为基准计算各故障模型的参数不确定性得出的置信因子。
[0026]本专利技术图提供的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价评价体系主要包括三个模块：先基于功能模型建立观测清单，再进行性能通道建立，最后确认其裕量及不确定性。
[0027]通过对智能驾驶系统建立功能模型后，对智能驾驶系统建立功能模型进行失效分
析，通过大量智能驾驶系统实际运行中发生失效/故障的智能驾驶失效/故障物理模型提取出失效特征参数的集合后，绘制成观测清单。通过对功能模型进行多方位的确认及验证后，建立出该功能模型的参数性能通道，具体的参数基于上述的观测清单获得。结合实际的设计需求及材料要求，对性能通道进行约束后得出该功能模型参数的性能阈值。通过观测清单得出的故障物理模型的参数进行不确定性源分析后，获得该功能模型的参数不确定性。结合上述获得的功能模型参数的性能阈值求得性能特征参数不确定性，对其进行裕量计算处理后获得性能裕量及不确定性，将不同的智能驾驶系统物理模型经过基准确定后计算出各物理模型的置信因子。通过对智能驾驶系统功能模型进行失效分析，通过结合大量失效/故障物理模型获得的失效特征参数能有效代表该功能模型在测试中需要监测的参数。本专利技术通过多种方式综合建立的性能通道，能确保性能通道的准确性；通过对不确定性源分析及性能阈值的结合，提高了性能裕量及不确定性的可信度，提高了置信因子的准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，其特征在于，包括以下步骤：S1，对智能驾驶系统功能模型进行分析获得智能驾驶系统故障失效模式；S2，通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型；S3，将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；S4，基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；S5，通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，对不确定性参数进行不确定性源分析，结合性能阈值要求得出性能特征参数不确定性，基于性能特征参数不确定性进行QMU裕量计算后得出的性能裕量及不确定性，计算获得置信因子；其中，S1
‑
S5仅用于标识区分各步骤，不限制各步骤实施顺序。2.如权利要求1所述的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，其特征在于：智能驾驶系统故障失效模式通过对智能驾驶系统功能模型进行失效分析获得。3.如权利要求1所述的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，其特征在于：失效特征参数集是由大量智能驾驶失效/故障物理模型中提取出的失效特征参数的集合。4.如权利要求1所述的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，其特征在于：不确定性源分析是对具有不确定性的参数进行不确定性溯源5.如权利要求1所述的基于QMU裕量与不确定性量化的汽车智能驾驶及ADAS测试评价方法，其特征在于：计算置信因子是通过以某一性能裕量及不确定性作为基准计算各故障模型的参数...

【专利技术属性】
技术研发人员：栗工，
申请(专利权)人：上海和夏新能源科技有限公司，
类型：发明
国别省市：