【技术实现步骤摘要】
本专利技术涉及车辆安全控制，尤其涉及一种基于v2x的多车主动防滑方法。
技术介绍
1、我国北方大部分地区存在着冬天道路结冰的问题，在低温环境下，雾气以及汽车尾气中的水汽易在道路表面附着形成冰面，造成路面附着系数骤降，因汽车车轮打滑造成的交通事故数量也常年居高不下。面对道路湿滑问题，汽车厂商在汽车底盘控制上集成了诸多主动安全技术，如防抱死系统(abs)、驱动防滑系统(asr)、电子稳定程序(esp)等，但是车辆防滑控制存在着物理极限，当路面附着系数过低时，这些主动安全技术也往往无能为力，而基于地图导航技术的道路打滑及交通事故预警提示作用较弱，驾驶者往往会存在着侥幸心理，忽视交通事故提醒，因此需要一种可以帮助车辆提前计算道路情况并发出路段预警的主动安全技术，帮助车辆回避确定性风险。
技术实现思路
1、针对现有技术中的不足，本专利技术提出一种基于v2x的多车主动防滑方法，通过路上车辆实时采集自身车辆状态信息，计算得到四个车轮的归一化轮胎力，进而作为扩展卡尔曼滤波器的输入，得到四个车轮的实时附着系数，同时车辆依靠车载传感器获取周围道路环境信息，将所有获得的信息通过车联网与云端同步，并在地图中标记后将新地图同步到其他车辆。在云端建立贝叶斯网络，通过收集到的数据生成网络的条件概率表，当有车辆在导航中创建一段新的路程时，贝叶斯网络根据对应车辆信息和沿途道路信息计算出车辆的纵滑与侧滑概率，当打滑概率接近设定阈值时进行风险提醒，当超出阈值时，导航报警并重新规划路线。
2、本专利技术是通过
3、一种基于v2x的多车主动防滑方法，包括如下步骤：
4、(1)获取车辆状态信息。通过车载传感器获取车辆的车速、四个车轮轮速、前轮转角、横纵向加速度、横摆角速度、质心侧偏角以及俯仰角等车辆状态信息，同时通过车速、轮速差计算出车辆当前的滑移率，通过车辆俯仰角计算当前道路坡度。
5、(2)路面附着系数估计。选用扩展卡尔曼滤波(ekf)估计器估计当前道路的路面附着系数。将车辆车速、四个车轮轮速、前轮转角、横纵向加速度、横摆角速度、质心侧偏角输入到轮胎模型中，得到四个车轮的归一化轮胎力，并与前轮转角、横纵向加速度、横摆角速度一同作为ekf参数估计器的输入，最终得到四个车轮的附着系数。
6、(3)获取道路环境信息。依靠车载摄像头获得路面状况信息，包括干湿度、沙石量、结冰情况等，同时依靠车载温度传感器以及湿度传感器获取当前路段的温度及空气湿度，最后从车联网获得当前路段的实时天气。
7、(4)数据云端共享。车辆将计算获得的路面附着系数、滑移率、道路坡度信息、道路环境信息通过车联网上传到云端，在云端对地图进行标记，更新后的地图实时同步到其他接入云端的车辆中。
8、(5)贝叶斯网络生成及先验概率估算。将车速、路面附着系数、同一路段两车路面附着系数之比、道路坡度信息、道路环境信息作为贝叶斯网络的输入，滑移率作为贝叶斯网络的输出，由云端获取的海量数据作为训练集从而训练得到贝叶斯网络的条件概率表，由此得到贝叶斯网络的先验概率分布。
9、(6)导航沿途信息获取及事故概率估算。当车辆在导航中设置目的地后，云端根据沿途路段路面信息、道路环境信息与匹配的车辆状态信息计算车辆在途经各个路段的纵滑概率与侧滑概率。
10、(7)风险应对，包括风险预警及路线规划。当打滑概率接近设定阈值时车载导航进行车辆打滑风险提醒，并给出建议车速以降低打滑风险，当打滑概率超出阈值时，车载导航报警提示驾驶员并重新规划路线以避开风险路段。
11、步骤(1)中，本专利技术需要采集多种车辆状态数据，即通过车载惯导获得车辆车速v、横纵向加速度ax、ay，通过轮速传感器采集四轮轮速ω1、ω2、ω3、ω4，通过路面坡度传感器获得路面坡度信息，通过方向盘转角计算获得前轮转角δ，同时从esp中获得车辆的横摆角速度r以及质心侧偏角β。
12、步骤(2)中，路面附着系数无法直接测量得到，因此本专利技术选用扩展卡尔曼滤波估计器估算四个车轮的路面附着系数。首先根据dugoff轮胎模型计算得到轮胎的归一化轮胎力f，车辆车速v、横纵向加速度ax、ay、四轮轮速ω1、ω2、ω3、ω4、前轮转角δ、横摆角速度r以及质心侧偏角β作为轮胎模型的输入，dugoff轮胎模型公式如下：
13、
14、
15、式中：μ为附着系数，fx、fy分别为轮胎纵向力与侧向力，fz为车辆垂直载荷，s为滑移率。
16、轮胎力包括纵向与侧向共计8个，分别为fx_fl、fx_fr、fx_rl、fx_rr、fy_fl、fy_fr、fy_fl、fy_rr，将计算得到的轮胎力作为ekf参数估计器的输入，同时将前轮转角δ、横纵向加速度ax、ay以及横摆角速度r一起作为输入，最终得到四个车轮的路面附着系数。
17、步骤(3)中，车辆四个车轮的附着系数是计算车辆打滑概率的主要参考要素，同时道路环境对车辆的行驶状态也有重要影响，其中路面干湿度、沙石量、结冰情况等道路状况与附着系数强相关，同时温度与湿度也会影响轮胎抓地力。通过车载摄像头获取路面图像，通过提取图像特征判断路面状况，同时通过车载传感器获取实时温度及湿度信息。
18、步骤(4)中，考虑到车辆自身算力有限，同时方便多车辆信息的交互，因此将全路段纵、侧滑概率的计算放到云端进行，车辆将计算获得的路面附着系数、滑移率、道路坡度信息、道路环境信息通过车联网上传到云端，在云端对地图进行标记，更新后的地图实时同步到其他接入云端的车辆中。
19、步骤(5)中，附着系数的大小取决于路面以及轮胎特性，因为无法完全将轮胎和路面的影响量解耦，同时需要引入其他影响因素以增加判断的准确性，因此采用贝叶斯网络来计算车辆的纵、侧滑概率。
20、贝叶斯网络是一个有向无环图(directed acyclic graph,dag)，由代表变量节点及连接这些节点有向边构成。其中节点代表随机变量，节点间的有向边代表了节点间的互相关系(由父节点指向其子节点)，用条件概率表达变量间依赖关系，没有父节点的用先验概率进行信息表达。
21、令g为定义在{x1,x2,...,xn}上的一个贝叶斯网络，其联合概率分布可以表示为各个节点的条件概率分布的乘积：
22、
23、式中：pi(xi|parg(xi))表示各节点后验概率；
24、贝叶斯的网络结构是由多个节点组成的，以车辆采集到的道路环境信息和计算得到的路面附着系数作为贝叶斯网络的输入节点，即父节点，假设这些节点互相独立，以车辆的纵、侧滑概率作为贝叶斯网络的输出，即子节点，得到的贝叶斯网络结构。
25、在确定了网络的结构参数后，根据专家经验以及初步观测到的数据初始化网络参数，在已知初始化模型的基础上(包括初始化结构和初始化参数)，基于云端实时获取的新数据，通过参数学习来优化更新模型。为整合先验知识，采用“贝叶斯估计”来实现参数学习的基本文档来自技高网...
【技术保护点】
1.一种基于V2X的多车主动防滑方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于V2X的多车主动防滑方法，其特征在于：步骤(1)中，通过车载惯导获得车辆车速v、横纵向加速度ax、ay，通过轮速传感器采集四轮轮速ω1、ω2、ω3、ω4，通过路面坡度传感器获得路面坡度信息，通过方向盘转角计算获得前轮转角δ，同时从ESP中获得车辆的横摆角速度r以及质心侧偏角β。
3.根据权利要求2所述的基于V2X的多车主动防滑方法，其特征在于：步骤(2)中，选用扩展卡尔曼滤波估计器估算四个车轮的路面附着系数。
4.根据权利要求3所述的基于V2X的多车主动防滑方法，其特征在于：首先根据Dugoff轮胎模型计算得到轮胎的归一化轮胎力F，车辆车速v、横纵向加速度ax、ay、四轮轮速ω1、ω2、ω3、ω4、前轮转角δ、横摆角速度r以及质心侧偏角β作为轮胎模型的输入，Dugoff轮胎模型公式如下：
5.根据权利要求4所述的基于V2X的多车主动防滑方法，其特征在于：步骤(5)中，令G为定义在{X1,X2,...,Xn}上的一个贝叶斯网络，其联合概率分布
6.根据权利要求5所述的基于V2X的多车主动防滑方法，其特征在于：步骤(7)中，当计算得到的打滑概率在30％～50％时，车载导航进行车辆打滑风险提醒，并给出建议车速以降低打滑风险，当打滑概率超出50％时，车载导航报警提示驾驶员并重新规划路线以避开风险路段。
...【技术特征摘要】
1.一种基于v2x的多车主动防滑方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于v2x的多车主动防滑方法，其特征在于：步骤(1)中，通过车载惯导获得车辆车速v、横纵向加速度ax、ay，通过轮速传感器采集四轮轮速ω1、ω2、ω3、ω4，通过路面坡度传感器获得路面坡度信息，通过方向盘转角计算获得前轮转角δ，同时从esp中获得车辆的横摆角速度r以及质心侧偏角β。
3.根据权利要求2所述的基于v2x的多车主动防滑方法，其特征在于：步骤(2)中，选用扩展卡尔曼滤波估计器估算四个车轮的路面附着系数。
4.根据权利要求3所述的基于v2x的多车主动防滑方法，其特征在于：首先根据dugoff轮胎模型计算得到轮胎的...
【专利技术属性】
技术研发人员：姜涛，常嘉伟，王敏，姜闯，秦严彬，丰爱松，
申请(专利权)人：徐州徐工汽车制造有限公司，
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。