【技术实现步骤摘要】
本申请涉及计算机系统，尤其涉及一种车辆约束系统优化参数验证系统。
技术介绍
1、车辆约束系统是车辆动力学和控制系统的一部分，用于确保车辆在行驶过程中满足各种安全和性能要求。优化车辆约束系统的参数是为了提高车辆的性能、安全性和稳定性。
2、车辆约束系统的参数类型众多，包含悬挂系统参数、制动系统参数、转向系统参数、动力系统参数等等。通过调整优化这些参数，可以提高车辆的整体性能，包括加速性能、操控性、刹车性能等，从而提高驾驶安全性，降低事故风险，使车辆更具竞争力。
3、目前，车辆约束系统设计过程中，工程师通常采用经验法则或有限元分析等传统方法来进行参数设置。然而，这些方法在面对复杂多样的车辆碰撞场景时，往往导致存在较长的参数优化时间、参数准确性不足、优化参数无法得到全面验证等问题。
4、针对上述问题，目前业界暂未提出较佳的技术解决方案。
技术实现思路
1、本申请提供一种车辆约束系统优化参数验证系统，用以至少解决现有技术中车辆约束系统优化参数的参数设置时间过长且无法得到全面验证的问题。
2、本申请提供一种车辆约束系统优化参数验证系统，包括：数据输入单元，用于获取车辆约束系统数据集；所述车辆约束系统数据集包含多个车辆约束系统数据，每一所述车辆约束系统数据分别对应于相应的车辆碰撞场景；所述车辆约束系统数据包含多个约束系统参数，每一所述约束系统参数分别具有相应的参数类型；指标预测单元，用于针对所述车辆约束系统数据集中的各个所述车辆约束系统数据，将所
3、可选地，所述约束系统参数的参数类型包括以下的至少一者：车辆速度、车辆质量、汽车碰撞速度角度、道路条件、乘员位置、气囊配置状态；相应地，所述约束系统响应指标包括以下的至少一者：安全带张力、乘员头部到气囊的距离、气囊充气速度以及气囊部署时间。
4、可选地，所述指标预测模型采用ts(takagi-sugeno)模糊模型，所述ts模糊模型包含模糊规则集，所述模糊规则集中的每一所述模糊规则分别定义了在不同的输入参数类型与相应的输出指标类型之间的关系；其中，所述确定与所述车辆约束系统数据对应的约束系统响应指标组，包括：针对所述车辆约束系统数据中的各个约束系统参数，获取所述约束系统参数所对应的隶属度函数来计算相应的目标隶属度，并从所述模糊规则集中确定与所述约束系统参数相匹配的至少一个目标模糊规则，基于所述目标隶属度和各个所述目标模糊规则所对应的激活权重，确定所述约束系统参数相对于各个所述目标模糊规则所涉及的约束系统响应指标的匹配度；统计所述车辆约束系统数据与各个所述约束系统响应指标对应的匹配度总值，以得到与所述车辆约束系统数据对应的约束系统响应指标组。
5、可选地，所述统计所述车辆约束系统数据与各个所述约束系统响应指标对应的匹配度总值，以得到与所述车辆约束系统数据对应的约束系统响应指标组，包括：针对各个所述约束系统响应指标，将所述匹配度总值与所述约束系统响应指标所对应的至少一个匹配度阈值进行比较，并根据所述比较的结果确定所述约束系统响应指标的指标值。
6、可选地，针对每一参数类型设置有多个不同等级的模糊集合，每一等级的所述模糊集合分别定义有相应的隶属度函数；所述隶属度函数采用包括以下中的任意一者：梯形函数、高斯函数或贝尔函数。
7、可选地，针对约束系统参数车辆速度x1，相应所述模糊集合包含高速模糊集、中速模糊集和低速模糊集，针对所述高速模糊集、所述中速模糊集和所述低速模糊集分别预设置有相应的隶属度函数μfast(x1)、μmedium(x1)和μslow(x1)，μfast(x1)定义了x1相对于高速等级的第一隶属度，μmedium(x1)定义了x1相对于中速等级的第二隶属度，以及μslow(x1)定义了x1相对于低速等级的第三隶属度；进而，所述目标隶属度是根据所述第一隶属度、所述第二隶属度和所述第三隶属度而确定的。
8、可选地，所述模糊规则集中的第一模糊规则为：如果车辆速度x1是慢且车重x2是轻，则气囊部署y1是稍微延迟，安全带张力y2应为适中；所述模糊规则集中的第二模糊规则为：如果车辆速度是快x1且车重x2是重，则气囊部署y1应是迅速，安全带张力y2应为紧；
9、针对第一模糊规则的输出函数是：
10、y1,rule1＝p1,0+p1,1x1+p1,2x2和y2,rule1＝q1,0+q1,1x1+q1,2x2；
11、针对第二模糊规则的输出函数是：
12、y1,rule2＝p2,0+p2,1x1+p2,2x2和y2,rule2＝q2,0+q2,1x1+q2,2x2；
13、其中，ps,k和qs,k分别表示根据实测约束系统输入响应关系集训练所确定的模型参数，所述历史数据集包含收集因实际工况所产生的约束系统输入响应关系集，s、k均为自然数；
14、获取第一模糊规则和第二模糊规则所分别对应的激活权重w1和w2；
15、气囊部署时间的输出y1为：
16、
17、安全带张力的输出y2为：
18、
19、可选地，针对模型参数pl,k的确定过程包括：获取实测约束系统输入响应关系集；针对所述实测约束系统输入响应关系集中的各个输入的约束系统参数，基于隶属度函数计算第l个模糊规则rl的激活权重wl：
20、
21、其中，μli(xi)是第i个约束系统参数xi根据模糊规则rl在模糊集ail上的隶属度；
22、针对每个模糊规则，基于所述各个输入的约束系统参数构建与所述模糊规则对应的输入的约束系统参数的矩阵：将模糊规则rl所对应的输入参数矩阵xl向量化为[a,x1,x2,...,xn]，其中a表示模型参数常数项ps0，x1至xn表示所述模糊规则rl中每个输入的约束系统参数的实际值；
23、针对各个模糊规则，基于所述实测约束系统输入响应关系集中的各个输出的约束系统响应指标，构建与所述模糊规则对应的目标输出向量y；
24、针对各个模糊规则，基于所述输入参数矩阵和所述目标输出向量进行加权最小二乘优化：
25、针对所述模糊规则rl，采用加权最小二乘法来估算相应的模型参数plsk：
26、
27、其中，m是约束系本文档来自技高网...
【技术保护点】
1.一种车辆约束系统优化参数验证系统，包括：
2.根据权利要求1所述的系统，其中，所述约束系统参数的参数类型包括以下的至少一者：车辆速度、车辆质量、汽车碰撞速度角度、道路条件、乘员位置、气囊配置状态；相应地，所述约束系统响应指标包括以下的至少一者：安全带张力、乘员头部到气囊的距离、气囊充气速度以及气囊部署时间。
3.根据权利要求1所述的系统，其中，所述指标预测模型采用TS模糊模型，所述TS模糊模型包含模糊规则集，所述模糊规则集中的每一所述模糊规则分别定义了在不同的输入参数类型与相应的输出指标类型之间的关系；
4.根据权利要求3所述的系统，其中，所述统计所述车辆约束系统数据与各个所述约束系统响应指标对应的匹配度总值，以得到与所述车辆约束系统数据对应的约束系统响应指标组，包括：
5.根据权利要求4所述的系统，其中，针对每一参数类型设置有多个不同等级的模糊集合，每一等级的所述模糊集合分别定义有相应的隶属度函数；所述隶属度函数采用包括以下中的任意一者：梯形函数、高斯函数或贝尔函数。
6.根据权利要求5所述的系统，其中，针对约束系
7.根据权利要求6所述的系统，其中，所述模糊规则集中的第一模糊规则为：如果车辆速度x1是慢且车重x2是轻，则气囊部署y1是稍微延迟，安全带张力y2应为适中；
8.根据权利要求7所述的系统，其中，针对模型参数pl,k的确定过程包括：
9.根据权利要求1所述的系统，其中，所述种群算法模型采用融合种群算法模型，融合种群算法模型包含级联的实数编码遗传算法模块和适应性遗传算法模块，
10.根据权利要求9所述的系统，其中，
...【技术特征摘要】
1.一种车辆约束系统优化参数验证系统，包括：
2.根据权利要求1所述的系统，其中，所述约束系统参数的参数类型包括以下的至少一者：车辆速度、车辆质量、汽车碰撞速度角度、道路条件、乘员位置、气囊配置状态；相应地，所述约束系统响应指标包括以下的至少一者：安全带张力、乘员头部到气囊的距离、气囊充气速度以及气囊部署时间。
3.根据权利要求1所述的系统，其中，所述指标预测模型采用ts模糊模型，所述ts模糊模型包含模糊规则集，所述模糊规则集中的每一所述模糊规则分别定义了在不同的输入参数类型与相应的输出指标类型之间的关系；
4.根据权利要求3所述的系统，其中，所述统计所述车辆约束系统数据与各个所述约束系统响应指标对应的匹配度总值，以得到与所述车辆约束系统数据对应的约束系统响应指标组，包括：
5.根据权利要求4所述的系统，其中，针对每一参数类型设置有多个不同等级的模糊集合，每一等级的所述模糊集合分别定义有相应的隶属度函数；所述隶属度函数采用包括以下中的任意一者：梯形函数、高斯函数或贝尔函数。
6.根据权利要求5所...
【专利技术属性】
技术研发人员：孙芳，
申请(专利权)人：苏州郅荣软件有限公司，
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。