【技术实现步骤摘要】
本专利技术涉及性能诊断，尤其涉及一种adas系统执行器性能劣化诊断方法、装置、终端及介质。
技术介绍
1、当前在驾驶辅助系统或自动驾驶系统诊断设计中大部分都是针对于功能性失效与严重的性能失效导致adas系统(advanced driving assistance system，高级驾驶辅助系统)进入故障状态做了监控。传统的对于车辆运动学控制系统与动力学控制系统的检测仅仅是通过车辆运动学控制器内部内部故障检测机制来实现系统故障检测，但是由于故障检测需要具备一定鲁棒性且存在覆盖度局限，导致由于轻微的机械磨损，行驶冲击造成的部件形变，液压系统长时间使用后产生的气体含量增多等等因素导致车辆性能劣化的评估往往比较滞后。实际上随着车辆的使用磨损，轻微事故或恶劣环境使用会导致车辆基础行驶性能劣化，这种劣化可能不会导致人类驾驶员控车性能产生安全问题，但是会影响自动驾驶系统在使用过程中的稳定性和安全性；因此，需要基于adas系统的性能需求进行监控车辆响应性能。
技术实现思路
1、本专利技术提供一种adas系统执行器性能劣化诊断方法、装置、终端及介质，通过adas系统对于环境的感知能力和车辆行驶的运动学和动力学信息综合判断adas执行器的车辆行驶与操稳性能是否存在劣化风险，以评估车辆性能状态是否满足adas系统控制能力，从而降低adas系统的工作风险和提升adas系统功能使用鲁棒性。
2、为了实现上述目的，第一方面，本专利技术实施例提供了一种adas系统执行器性能劣化诊断方法，包括：>
3、识别车辆的行驶轨迹、动力学参数和运动学参数，判断所述车辆是否处于典型工况；
4、若是，则获取所述车辆的实际行驶数据和adas系统的预测行驶数据；所述实际行驶数据包括实际车辆动力学参数、实际车辆运动学参数和实际车辆行驶轨迹；所述预测行驶数据包括预测动力学参数、预测运动学参数和预测行驶轨迹；
5、对所述实际行驶数据和所述预测行驶数据进行偏差计算和滤波处理，得到实车响应偏差，对所述实车响应偏差进行稳态场景筛选，得到稳态条件下的整车响应偏差和瞬态响应指标；
6、将所述整车响应偏差和瞬态响应指标与预设偏差指标进行校验，获取所述车辆的adas系统执行器性能劣化的诊断结果。
7、作为上述方案的改进，所述adas系统执行器性能劣化诊断方法，还包括：
8、若所述adas系统执行器响应不满足所述adas系统控制要求，则所述诊断结果为所述adas系统执行器性能劣化，对所述adas系统执行器进行稳态偏差参数补偿和瞬态响应补偿，以优化当前所述adas系统执行器性能。
9、作为上述方案的改进，所述对所述实际行驶数据和所述预测行驶数据进行偏差计算和滤波处理，得到实车响应偏差，对所述实车响应偏差进行稳态场景筛选，得到稳态条件下的整车响应偏差和瞬态响应指标，具体包括：
10、对所述实际车辆动力学参数和所述预测动力学参数进行周期性偏差计算和滤波处理，获取所述adas系统执行器的动力学响应性能偏差数据；
11、对所述实际车辆运动学参数和所述预测运动学参数进行周期性偏差计算和滤波处理，获取所述adas系统执行器的运动学响应性能偏差数据；
12、对所述实际车辆行驶轨迹和所述预测行驶轨迹进行周期性偏差计算和滤波处理，获取所述adas系统执行器的轨迹响应性能偏差数据；
13、累计所述动力学响应性能偏差数据、所述运动学响应性能偏差数据以及所述轨迹响应性能偏差数据，得到所述实车响应偏差；
14、对所述实车响应偏差进行稳态场景筛选，得到稳态条件下的整车响应偏差和瞬态响应指标。
15、作为上述方案的改进，所述典型工况，包括高速稳定直线行驶、高速稳定过弯、高速平直路面直线减速、高速平直路面直线加速。
16、作为上述方案的改进，所述预设偏差指标为设计验收时的性能最低要求偏差指标。
17、第二方面，本专利技术实施例提供了一种adas系统执行器性能劣化诊断装置，包括：
18、识别判断模块，用于识别车辆的行驶轨迹、动力学参数和运动学参数，判断所述车辆是否处于典型工况；
19、数据获取模块，用于若是，则获取所述车辆的实际行驶数据和adas系统的预测行驶数据；所述实际行驶数据包括实际车辆动力学参数、实际车辆运动学参数和实际车辆行驶轨迹；所述预测行驶数据包括预测动力学参数、预测运动学参数和预测行驶轨迹；
20、偏差计算模块，用于对所述实际行驶数据和所述预测行驶数据进行偏差计算和滤波处理，得到实车响应偏差，对所述实车响应偏差进行稳态场景筛选，得到稳态条件下的整车响应偏差和瞬态响应指标；
21、校验诊断模块，用于将所述整车响应偏差和瞬态响应指标与预设偏差指标进行校验，获取所述车辆的adas系统执行器性能劣化的诊断结果。
22、作为上述方案的改进，所述adas系统执行器性能劣化诊断装置，还包括：
23、性能优化模块，用于若所述adas系统执行器响应不满足所述adas系统控制要求，则所述诊断结果为所述adas系统执行器性能劣化，对所述adas系统执行器进行稳态偏差参数补偿和瞬态响应补偿，以优化当前所述adas系统执行器性能。
24、作为上述方案的改进，所述偏差计算模块，具体用于：
25、对所述实际车辆动力学参数和所述预测动力学参数进行周期性偏差计算和滤波处理，获取所述adas系统执行器的动力学响应性能偏差数据；
26、对所述实际车辆运动学参数和所述预测运动学参数进行周期性偏差计算和滤波处理，获取所述adas系统执行器的运动学响应性能偏差数据；
27、对所述实际车辆行驶轨迹和所述预测行驶轨迹进行周期性偏差计算和滤波处理，获取所述adas系统执行器的轨迹响应性能偏差数据；
28、累计所述动力学响应性能偏差数据、所述运动学响应性能偏差数据以及所述轨迹响应性能偏差数据，得到所述实车响应偏差；
29、对所述实车响应偏差进行稳态场景筛选，得到稳态条件下的整车响应偏差和瞬态响应指标。
30、第三方面，本专利技术实施例对应提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述adas系统执行器性能劣化诊断方法。
31、此外，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述adas系统执行器性能劣化诊断方法。
32、与现有技术相比，本专利技术实施例公开的一种adas系统执行器性能劣化诊断方法、装置、终端及介质，通过识别车辆的行驶轨迹、动力学参数和运动学参数，判断所述车辆是否处于典型工况；若是，则获取所述车辆的实际行驶数据和adas系统的预测行驶数据；所述实际行驶数据包括实际车辆动力学参数、实际车辆运动学参数本文档来自技高网...
【技术保护点】
1.一种ADAS系统执行器性能劣化诊断方法，其特征在于，包括：
2.如权利要求1所述的ADAS系统执行器性能劣化诊断方法，其特征在于，还包括：
3.如权利要求1所述的ADAS系统执行器性能劣化诊断方法，其特征在于，所述对所述实际行驶数据和所述预测行驶数据进行偏差计算和滤波处理，得到实车响应偏差，对所述实车响应偏差进行稳态场景筛选，得到稳态条件下的整车响应偏差和瞬态响应指标，具体包括：
4.如权利要求1所述的ADAS系统执行器性能劣化诊断方法，其特征在于，所述典型工况，包括高速稳定直线行驶、高速稳定过弯、高速平直路面直线减速、高速平直路面直线加速。
5.如权利要求3所述的ADAS系统执行器性能劣化诊断方法，其特征在于，所述预设偏差指标为设计验收时的性能最低要求偏差指标。
6.一种ADAS系统执行器性能劣化诊断装置，其特征在于，包括：
7.如权利要求6所述的ADAS系统执行器性能劣化诊断装置，其特征在于，还包括：
8.如权利要求6所述的ADAS系统执行器性能劣化诊断装置，其特征在于，所述偏差计算模块，
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5中任意一项所述的ADAS系统执行器性能劣化诊断方法。
10.一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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-5中任意一项所述的ADAS系统执行器性能劣化诊断方法。
...【技术特征摘要】
1.一种adas系统执行器性能劣化诊断方法，其特征在于，包括：
2.如权利要求1所述的adas系统执行器性能劣化诊断方法，其特征在于，还包括：
3.如权利要求1所述的adas系统执行器性能劣化诊断方法，其特征在于，所述对所述实际行驶数据和所述预测行驶数据进行偏差计算和滤波处理，得到实车响应偏差，对所述实车响应偏差进行稳态场景筛选，得到稳态条件下的整车响应偏差和瞬态响应指标，具体包括：
4.如权利要求1所述的adas系统执行器性能劣化诊断方法，其特征在于，所述典型工况，包括高速稳定直线行驶、高速稳定过弯、高速平直路面直线减速、高速平直路面直线加速。
5.如权利要求3所述的adas系统执行器性能劣化诊断方法，其特征在于，所述预设偏差指标为设计验收时的性能最低要求偏差指标。
...【专利技术属性】
技术研发人员：胡文，
申请(专利权)人：华人运通上海自动驾驶科技有限公司，
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。