一种基于人工智能的新能源车辆侧翻预警方法技术

本发明专利技术公开了一种基于人工智能的新能源车辆侧翻预警方法，该方法包括如下步骤：建立理想的、反映车辆侧翻规律的侧翻力学模型；根据对于侧翻力学模型的分析结论，选择合适的参数作为侧翻预警模型的输入参数；选取横向载荷转移率作为侧翻预警指标，并将结果划分为5类；通过多层神经网络训练同时调整超参数后，实现输入相应参数后输出预测的载荷转移率；基于步骤四得到的载荷转移率确定步长后预测下一时刻的载荷转移率，若达到侧翻条件，则计算TTR时间并输出；若在时间阈值内未达到侧翻条件，则进入下一轮预警。本发明专利技术的有益效果如下：保证了预警的准确性和普适性；比普通的动态门限值具有更好的实时性；提高了预警效率。提高了预警效率。提高了预警效率。

【技术实现步骤摘要】
一种基于人工智能的新能源车辆侧翻预警方法


[0001]本专利技术涉及新能源预警
，具体涉及一种基于人工智能的新能源车辆侧翻预警方法。

技术介绍

[0002]近几十年以来，随着车辆尺寸和重量的增加，翻车事故的数量也在增加。翻车事故的危险程度较高，其死亡率要比其他类型的车辆事故更高。根据美国国家公路交通安全管理局(National Highway Traffic Safety Administration)的记录，在2010年发生了近910万人次乘用车，SUV，卡车和货车事故，但仅有2.1％涉及翻车事故。但是，那年仍有7600多人死于翻车事故，几乎占乘用车事故死亡人数的35％。
[0003]车辆侧翻是指车辆在行驶过程中绕纵轴转动90
°
或更大的角度以至使车身和地面相接触的危险侧向运动。一般车辆侧翻分为两种：一种是绊倒侧翻，即车辆行驶时发生侧向滑移，与路面上的障碍物侧向撞击而将其“绊倒”；一种是曲线运动引起的侧翻，即车辆在道路上行驶时，车辆侧向加速度超过门限值，使内侧车轮垂直反力为零引起侧翻。其中大型卡车和大型半挂车的重心高，质量大且体积大，并且轴距相对于车辆高度而言太窄，因此容易发生侧翻事故。同时，由于大型半挂车的牵引车与挂车之间的连接很复杂，极易在驾驶员尚未意识到的情况下发生一系列危险事故。由此可见，通过对车辆侧翻预警系统进行研究来减少同类型车辆事故的发生是十分必要的。

技术实现思路

[0004]本专利技术的目的在于提供一种基于人工智能的新能源车辆侧翻预警方法，其通过人工智能来进一步提高车辆侧翻预警系统的可靠性，以便于减少车辆侧翻事故的发生，提高行车安全性，从而可以解决
技术介绍
中涉及的技术问题。
[0005]本专利技术的技术方案为：
[0006]一种基于人工智能的新能源车辆侧翻预警方法，该方法包括如下步骤：
[0007]步骤一、建立理想的、反映车辆侧翻规律的侧翻力学模型；
[0008]步骤二、根据对于侧翻力学模型的分析结论，选择合适的参数作为侧翻预警模型的输入参数；
[0009]步骤三、选取横向载荷转移率作为侧翻预警指标，并将结果划分为5类；
[0010]步骤四、通过多层神经网络训练同时调整超参数后，实现输入相应参数后输出预测的载荷转移率；
[0011]步骤五、基于步骤四得到的载荷转移率确定步长后预测下一时刻的载荷转移率，若达到侧翻条件，则执行步骤六；若在时间阈值内未达到侧翻条件，则执行步骤七；
[0012]步骤六、计算TTR时间并输出；
[0013]步骤七、进入下一轮预警。
[0014]作为本专利技术的一种优选改进，在步骤一中，侧翻力学模型基于如下假设：
[0015]假设车辆的质心纵向速度为常数；
[0016]不考虑车辆的垂向运动；
[0017]假设车辆在理想的水平路面行驶；
[0018]不考虑空气动力学的影响；
[0019]忽略悬架的非线性特性、前后轴的不对称的影响；
[0020]忽略因轮胎的回正力矩和左右车轮载荷变化对轮胎特性的影响。
[0021]作为本专利技术的一种优选改进，在步骤二中，所述的参数包括横向加速度、轮距、电池质心高度与整车质心高度比以及电池箱重量。
[0022]作为本专利技术的一种优选改进，在步骤三中，所述的5类包括：0≤LTR＜0.2将侧翻指标记为1；0.2≤LTR＜0.4将侧翻指标记为2；0.4≤LTR＜0.6将侧翻指标记为3；0.6≤LTR＜0.8将侧翻指标记为4；0.8≤LTR≤1将侧翻指标记为5，侧翻指标越小表示侧翻的风险越小，当LTR＝1时表示有一侧车轮已经离开地面，其中，LTR为载荷转移率。
[0023]作为本专利技术的一种优选改进，在步骤四中，神经网络含有两个隐藏层，每个隐藏层共有10个神经元，通过数据库来训练神经网络，其中训练集与验证集的比例为4:1。
[0024]作为本专利技术的一种优选改进，所述超参数包括循环次数、批尺寸、学习率、优化算法以及损失函数。
[0025]作为本专利技术的一种优选改进，在步骤五中，侧翻指标为1时，步长T1＝200ms；侧翻指标为2时，步长T2＝150ms；侧翻指标为3时，步长T3＝100ms；侧翻指标为4时，步长T4＝75ms；侧翻指标为5时，步长T5＝50ms。
[0026]本专利技术的有益效果如下：
[0027]1、预警模型选取横向加速度、轮距、电池质心高度与整车质心高度比和电池箱重量作为输入来得到车辆的实时载荷转移率，保证了预警的准确性和普适性；
[0028]2、通过机器学习预测的方法可以避免实时计算，进一步提高效率同时降低了计算成本，比普通的动态门限值具有更好的实时性；
[0029]3、通过将LTR结果细化，共分为5类记为侧翻指标，并应用多层神经网络实时预测该时刻下的侧翻指标，同时使用可变步长Ti来计算TTR时间，提高了预警效率。
附图说明
[0030]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：
[0031]图1为本专利技术基于TTR的算法流程图；
[0032]图2为三自由度汽车模型的左右轮示意图；
[0033]图3为三自由度汽车模型的前后轮示意图。
具体实施方式
[0034]下面将结合本专利技术实施例对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的
实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0035]请参阅图1所示，本专利技术提供一种基于人工智能的新能源车辆侧翻预警方法，该方法包括如下步骤：
[0036]步骤一、建立理想的、反映车辆侧翻规律的侧翻力学模型；
[0037]具体的，侧翻力学模型基于如下假设：假设车辆的质心纵向速度为常数；不考虑车辆的垂向运动；假设车辆在理想的水平路面行驶；不考虑空气动力学的影响；忽略悬架的非线性特性、前后轴的不对称的影响；忽略因轮胎的回正力矩和左右车轮载荷变化对轮胎特性的影响。应用达朗贝尔原理，将侧翻动力学问题转换成为静力学平衡问题。通过分析易知，垂直轴方向、水平轴方向受力平衡。列出对轴的力矩平衡静力学方程，建立简易模型，分析影响车辆侧倾、侧翻稳定性的主要因素。
[0038]结合图2和3所示，需要进一步说明的是，下面对各项参数进行说明：其中C是车载部分质心，Φ为侧倾角，O为非车载部分质心，h
usm
是非车载部分质心到地面的高度，h
sm
是车载部分质心到非车载部分质心距离，v
x
是纵向速度，v
y
是横向速度，δ为前轮转向角，β为质心侧偏角，L1为质心到前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的新能源车辆侧翻预警方法，其特征在于，该方法包括如下步骤：步骤一、建立理想的、反映车辆侧翻规律的侧翻力学模型；步骤二、根据对于侧翻力学模型的分析结论，选择合适的参数作为侧翻预警模型的输入参数；步骤三、选取横向载荷转移率作为侧翻预警指标，并将结果划分为5类；步骤四、通过多层神经网络训练同时调整超参数后，实现输入相应参数后输出预测的载荷转移率；步骤五、基于步骤四得到的载荷转移率确定步长后预测下一时刻的载荷转移率，若达到侧翻条件，则执行步骤六；若在时间阈值内未达到侧翻条件，则执行步骤七；步骤六、计算TTR时间并输出；步骤七、进入下一轮预警。2.根据权利要求1所述的一种基于人工智能的新能源车辆侧翻预警方法，其特征在于：在步骤一中，侧翻力学模型基于如下假设：假设车辆的质心纵向速度为常数；不考虑车辆的垂向运动；假设车辆在理想的水平路面行驶；不考虑空气动力学的影响；忽略悬架的非线性特性、前后轴的不对称的影响；忽略因轮胎的回正力矩和左右车轮载荷变化对轮胎特性的影响。3.根据权利要求1所述的一种基于人工智能的新能源车辆侧翻预警方法，其特征在于：在步骤二中，所述的参数包括横向加速度、轮距、电池质心高度与整车质心高度比以及电池...

【专利技术属性】
技术研发人员：抄佩佩，戴宏亮，唐洪，程端前，张芮源，王祎嵽，胡阳鸣，
申请(专利权)人：中国汽车工程研究院股份有限公司，
类型：发明
国别省市：