本发明专利技术提供了一种车辆电动助力转向死区及间隙的补偿方法及装置，补偿方法包括：在车辆处于在稳定行驶状态时，采集车辆的当前行驶状态数据，稳定行驶状态指车辆的方向盘转角以及方向盘转角变化率均在预设范围内行驶；采集多个车辆的多组人工驾驶数据，每组人工驾驶数据覆盖该车辆电动助力转向的死区及间隙特性影响下的驾驶数据，基于多组人工驾驶数据训练神经网络模型；基于当前行驶数据利用神经网络模型确定在当前行驶状态下车辆方向盘应输出的控制指令；以及基于控制指令控制车辆。以及基于控制指令控制车辆。以及基于控制指令控制车辆。
【技术实现步骤摘要】
一种车辆电动助力转向死区及间隙的补偿方法及装置
[0001]本专利技术涉及车辆控制领域，尤其涉及一种车辆电动助力转向死区及间隙的补偿方法及装置。
技术介绍
[0002]近年来随着新能源汽车的普及和智能化车辆控制的发展，高级别的辅助驾驶渗透率越来越高，车辆的智能化控制已经成为必然的趋势。然而，目前车辆辅助驾驶功能的智能化控制程度跟人工驾驶仍然存在着较大的差距。例如，人工驾驶可以在车辆电子助力转向系统(EPS)功能很差的状态下仍然稳定控制车辆行驶，但是辅助驾驶中因为安全风险等原因，电子助力转向系统的力矩及响应的快速性等方面都会受到限制，以确保人工可以安全接管。而在EPS力矩及响应快速性受限时，车辆电子助力转向系统的间隙、死区特性会更明显，对控制车辆带来很大的挑战。
[0003]车辆电动助力转向的死区及间隙是指由于车辆制造工艺的误差以及零件的磨损，导致无法通过方向盘转向线性控制车辆转向，电动助力转向存在明显的不一致性，进而影响到车辆控制的稳定性和鲁棒性。在现有技术中估计车辆死区间隙的方式主要有建立物理逆模型、线性化、神经网络训练逆模型等方法，但是这些方法目前大都应用在精密系统的死区和间隙补偿，依赖精密的传感器，无法对一致性差的死区及间隙做自适应的补偿。此外，还可以通过扩张状态观测器(ESO)估计将死区、间隙特性转化为等效的干扰力进行估计和补偿，但是该方法只适用于慢变的干扰力的估计，无法实现针对死区与间隙特性快速动态的估计补偿。
[0004]为了克服现有技术存在的上述缺陷，本领域亟需一种车辆电动助力转向死区及间隙的补偿方法及装置，用于通过控制算法优化的方式弥补硬件的不足，可以同时兼顾车辆控制稳定性与安全性。
技术实现思路
[0005]以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
[0006]为了克服现有技术存在的上述缺陷，本专利技术提供了一种车辆电动助力转向死区及间隙的补偿方法，该补偿方法包括：在车辆处于在稳定行驶状态时，采集该车辆的当前行驶状态数据，该稳定行驶状态指该车辆的方向盘转角以及方向盘转角变化率均在预设范围内行驶；采集多个车辆的多组人工驾驶数据，每组该人工驾驶数据覆盖该车辆电动助力转向的死区及间隙特性影响下的驾驶数据，基于该多组人工驾驶数据训练神经网络模型；基于该当前行驶数据利用该神经网络模型确定在当前行驶状态下车辆方向盘应输出的控制指令；以及基于该控制指令控制该车辆。
[0007]在一实施例中，优选地，该当前行驶状态数据包括该车辆当前的横摆角、横向加速度、速度、横向误差及电子助力转向系统的反馈信号，该控制指令包括该车辆的方向盘转角和/或方向盘输出扭矩。
[0008]在一实施例中，优选地，车辆在该稳定行驶状态下该方向盘转角的预设范围为
‑
10
°
到10
°
，该方向盘转角变化率的预设范围为
‑8°
/s到8
°
/s。
[0009]在一实施例中，优选地，该采集多个车辆的多组人工驾驶数据，包括：分析多个车辆在各自线控指令下电动助力转向的力矩及动力学特性，以得到该车辆的电动助力转向死区及间隙特性，从而确定覆盖该车辆的电动助力转向死区及间隙的线控指令范围，该线控指令范围包括方向盘转角范围以及方向盘转角变化率范围；以及采集该多个车辆在各自线控指令范围下的多组人工驾驶数据，该多组人工驾驶数据包括每个车辆的多组行驶状态数据和该行驶状态下方向盘输出的控制指令。
[0010]在一实施例中，优选地，该行驶状态数据包括该车辆的横摆角、横向加速度、速度、横向误差及电子助力转向系统的反馈信号，该控制指令包括该车辆在该行驶状态下对应的方向盘转角和/或方向盘输出扭矩。
[0011]在一实施例中，优选地，该基于该多组人工驾驶数据训练神经网络模型，还包括：在训练得到该神经网络模型后，基于不同车辆、不同组合的电动助力转向死区及间隙特性，利用蒙特卡洛打靶法验证该神经网络模型的鲁棒性；以及加入安全限制条件验证该神经网络模型的安全性。
[0012]在一实施例中，优选地，该基于该多组人工驾驶数据训练神经网络模型，还包括：响应于该神经网络模型的鲁棒性或安全性不满足预设条件，调整该神经网络模型的结构或参数，再次训练该神经网络模型。
[0013]在一实施例中，优选地，该基于该控制指令控制该车辆，包括：在得到该控制指令后，控制该车辆平滑过渡至该控制指令的控制要求。
[0014]在一实施例中，优选地，该控制该车辆平滑过渡至该控制指令的控制要求，包括：在开启或结束通过该神经网络模型得到该控制指令时，对控制指令进行加权及滤波处理以实现该车辆控制的平滑过渡。
[0015]本专利技术的另一方面提供了一种电动助力转向死区及间隙的补偿装置，包括：存储器；以及与该存储器耦接的处理器，该处理器配置用于执行以上任一项所描述的电动助力转向死区及间隙的补偿方法的步骤。
[0016]本专利技术还提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以上任一项所描述的电动助力转向死区及间隙的补偿方法的步骤。
附图说明
[0017]在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本专利技术的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
[0018]图1是根据本专利技术的一方面绘示的车辆电动助力转向死区及间隙的补偿方法的方法流程示意图；
[0019]图2是根据本专利技术的一实施例绘示的车辆电动助力转向死区及间隙的补偿方法的
方法流程示意图；以及
[0020]图3是根据本专利技术的另一方面绘示的车辆电动助力转向死区及间隙的补偿装置的装置结构示意图。
具体实施方式
[0021]以下由特定的具体实施例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本专利技术的其他优点及功效。虽然本专利技术的描述将结合优选实施例一起介绍，但这并不代表此专利技术的特征仅限于该实施方式。恰恰相反，结合实施方式作专利技术介绍的目的是为了覆盖基于本专利技术的权利要求而有可能延伸出的其它选择或改造。为了提供对本专利技术的深度了解，以下描述中将包含许多具体的细节。本专利技术也可以不使用这些细节实施。此外，为了避免混乱或模糊本专利技术的重点，有些具体细节将在描述中被省略。
[0022]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆电动助力转向死区及间隙的补偿方法，所述补偿方法包括：在车辆处于在稳定行驶状态时，采集所述车辆的当前行驶状态数据，所述稳定行驶状态指所述车辆的方向盘转角以及方向盘转角变化率均在预设范围内行驶；采集多个车辆的多组人工驾驶数据，每组所述人工驾驶数据覆盖该车辆电动助力转向的死区及间隙特性影响下的驾驶数据，基于所述多组人工驾驶数据训练神经网络模型；基于所述当前行驶数据利用所述神经网络模型确定在当前行驶状态下车辆方向盘应输出的控制指令；以及基于所述控制指令控制所述车辆。2.如权利要求1所述的补偿方法，其特征在于，所述当前行驶状态数据包括所述车辆当前的横摆角、横向加速度、速度、横向误差及电子助力转向系统的反馈信号，所述控制指令包括所述车辆的方向盘转角和/或方向盘输出扭矩。3.如权利要求1所述的补偿方法，其特征在于，车辆在所述稳定行驶状态下所述方向盘转角的预设范围为
‑
10
°
到10
°
，所述方向盘转角变化率的预设范围为
‑8°
/s到8
°
/s。4.如权利要求1所述的补偿方法，其特征在于，所述采集多个车辆的多组人工驾驶数据，包括：分析多个车辆在各自线控指令下电动助力转向的力矩及动力学特性，以得到该车辆的电动助力转向死区及间隙特性，从而确定覆盖该车辆的电动助力转向死区及间隙的线控指令范围，所述线控指令范围包括方向盘转角范围以及方向盘转角变化率范围；以及采集该多个车辆在各自线控指令范围下的多组人工驾驶数据，该多组人工驾驶数据包括每个车辆的多组行驶状态数据和该行驶状态下方向盘输出的控制指令。5....
【专利技术属性】
技术研发人员：柴嘉峰，梁元波，洪志福，
申请(专利权)人：合众新能源汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。