System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及车辆状态识别,具体地,涉及一种基于稳定状态风险谱的车辆稳定状态识别方法。
技术介绍
1、高效、准确的车辆稳定性状态识别决定了主动安全控制系统的介入与退出时机,对于提高车辆行驶安全、降低失稳事故率具有重要意义。目前车辆稳定性研究仅考虑单一状态因素进行评估,评价标准单一,难以识别强非线性车辆系统和复杂的交通场景。
技术实现思路
1、为了克服现有技术中的至少一个不足,本申请提供一种基于稳定状态风险谱的车辆稳定状态识别方法。
2、第一方面,提供一种基于稳定状态风险谱的车辆稳定状态识别方法,包括:
3、采集车辆不同行驶速度、不同前轮转角下的车辆纵-横-垂向动力学状态数据,构建车辆状态数据集;
4、采用dbscan算法将车辆状态数据集中的动力学状态数据进行聚类,将动力学状态数据划分多个稳定状态类别;
5、基于类别划分后的动力学状态数据训练一维卷积神经网络,得到训练后的一维卷积神经网络;
6、将车辆状态数据集中的动力学状态数据输入到训练后的一维卷积神经网络,得到每个动力学状态数据属于不同稳定状态类别的风险概率;
7、基于每个动力学状态数据属于不同稳定状态类别的风险概率,构建每个稳定状态类别对应的车辆稳定状态风险谱;
8、基于每个稳定状态类别对应的车辆稳定状态风险谱,确定车辆某一行驶速度、前轮转角下的车辆稳定状态。
9、在一个实施例中,动力学状态数据包括多个维度的数据,多个维度包括纵向速度、转
10、在一个实施例中,多个稳定状态类别包括稳定、趋向稳定、趋向不稳定和不稳定。
11、在一个实施例中,基于每个稳定状态类别对应的车辆稳定状态风险谱,确定车辆某一行驶速度、前轮转角下的车辆稳定状态,包括:
12、在每个稳定状态类别对应的车辆稳定状态风险谱中,查找某一车辆行驶速度、前轮转角下的属于不同稳定状态类别的风险概率;
13、风险概率的最大值对应的稳定状态类别即为确定的车辆某一行驶速度、前轮转角下的车辆稳定状态。
14、第二方面,提供一种基于稳定状态风险谱的车辆稳定状态识别装置,包括:
15、车辆状态数据集构建模块,用于采集车辆不同行驶速度、不同前轮转角下的车辆纵-横-垂向动力学状态数据,构建车辆状态数据集;
16、稳定状态类别划分模块,用于采用dbscan算法将车辆状态数据集中的动力学状态数据进行聚类,将动力学状态数据划分多个稳定状态类别;
17、网络训练模块,用于基于类别划分后的动力学状态数据训练一维卷积神经网络,得到训练后的一维卷积神经网络;
18、风险概率确定模块,用于将车辆状态数据集中的动力学状态数据输入到训练后的一维卷积神经网络,得到每个动力学状态数据属于不同稳定状态类别的风险概率;
19、车辆稳定状态风险谱构建模块,用于基于每个动力学状态数据属于不同稳定状态类别的风险概率,构建每个稳定状态类别对应的车辆稳定状态风险谱;
20、车辆稳定状态确定模块,用于基于每个稳定状态类别对应的车辆稳定状态风险谱,确定车辆某一行驶速度、前轮转角下的车辆稳定状态。
21、在一个实施例中,动力学状态数据包括多个维度的数据,多个维度包括纵向速度、转向角、横向速度、侧偏角、侧倾角、侧倾角速度、横摆角速度、横向加速度、前轴轮胎的横向荷载转移率和后轴轮胎的横向荷载转移率。
22、在一个实施例中,多个稳定状态类别包括稳定、趋向稳定、趋向不稳定和不稳定。
23、在一个实施例中,车辆稳定状态确定模块,还用于:
24、在每个稳定状态类别对应的车辆稳定状态风险谱中,查找某一车辆行驶速度、前轮转角下的属于不同稳定状态类别的风险概率;
25、风险概率的最大值对应的稳定状态类别即为确定的车辆某一行驶速度、前轮转角下的车辆稳定状态。
26、第三方面,提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时,以实现上述的基于稳定状态风险谱的车辆稳定状态识别方法。
27、第四方面,提供一种计算机程序产品,包括计算机程序/指令,计算机程序/指令被处理器执行时,以实现上述的基于稳定状态风险谱的车辆稳定状态识别方法。
28、相对于现有技术而言,本申请具有以下有益效果:本申请的基于稳定状态风险谱的车辆稳定状态识别方法,综合考虑车辆纵-横-垂向动力学状态关系,实时量化车辆不同运行工况时的稳定状态风险概率,计算其安全稳定边界,能够准确对车辆的稳定状态进行识别。
本文档来自技高网...【技术保护点】
1.一种基于稳定状态风险谱的车辆稳定状态识别方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述动力学状态数据包括多个维度的数据,所述多个维度包括纵向速度、转向角、横向速度、侧偏角、侧倾角、侧倾角速度、横摆角速度、横向加速度、前轴轮胎的横向荷载转移率和后轴轮胎的横向荷载转移率。
3.如权利要求1所述的方法,其特征在于,所述多个稳定状态类别包括稳定、趋向稳定、趋向不稳定和不稳定。
4.如权利要求1所述的方法,其特征在于,其中,基于所述每个稳定状态类别对应的车辆稳定状态风险谱,确定车辆某一行驶速度、前轮转角下的车辆稳定状态,包括:
5.一种基于稳定状态风险谱的车辆稳定状态识别装置,其特征在于,包括:
6.如权利要求5所述的装置,其特征在于,所述动力学状态数据包括多个维度的数据,所述多个维度包括纵向速度、转向角、横向速度、侧偏角、侧倾角、侧倾角速度、横摆角速度、横向加速度、前轴轮胎的横向荷载转移率和后轴轮胎的横向荷载转移率。
7.如权利要求5所述的装置,其特征在于,所述多个稳定状态类别包括稳定、趋
8.如权利要求5所述的装置,其特征在于,所述车辆稳定状态确定模块,还用于:
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,以实现权利要求1-4任意一项所述的基于稳定状态风险谱的车辆稳定状态识别方法。
10.一种计算机程序产品,其特征在于,包括计算机程序/指令,所述计算机程序/指令被处理器执行时,以实现权利要求1-4任意一项所述的基于稳定状态风险谱的车辆稳定状态识别方法。
...【技术特征摘要】
1.一种基于稳定状态风险谱的车辆稳定状态识别方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述动力学状态数据包括多个维度的数据,所述多个维度包括纵向速度、转向角、横向速度、侧偏角、侧倾角、侧倾角速度、横摆角速度、横向加速度、前轴轮胎的横向荷载转移率和后轴轮胎的横向荷载转移率。
3.如权利要求1所述的方法,其特征在于,所述多个稳定状态类别包括稳定、趋向稳定、趋向不稳定和不稳定。
4.如权利要求1所述的方法,其特征在于,其中,基于所述每个稳定状态类别对应的车辆稳定状态风险谱,确定车辆某一行驶速度、前轮转角下的车辆稳定状态,包括:
5.一种基于稳定状态风险谱的车辆稳定状态识别装置,其特征在于,包括:
6.如权利要求5所述的装置,其特征在于,所述动力学状态数据包括多个...
【专利技术属性】
技术研发人员:赵轩,王姝,郑字琛,田佳,郭慧鑫,张海川,吕洋,
申请(专利权)人:长安大学,
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。