一种车路协同自动驾驶分层修正控制方法及系统技术方案

本发明专利技术涉及工程运输车自动驾驶领域，公开了一种车路协同自动驾驶分层修正控制方法和系统，控制方法包括以下步骤：在路侧计算设备中构建基于BP神经网络的识别模型；将车辆响应作为识别模型的输入，识别模型将行驶坡度和整车质量作为输出传递至车载计算平台；当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，车载计算平台根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级对应的坡道换挡控制策略；通过路侧计算设备与车载计算平台的协同关系，对车辆的坡道换挡策略进行修正。进行修正。进行修正。

【技术实现步骤摘要】
一种车路协同自动驾驶分层修正控制方法及系统


[0001]本专利技术涉及工程运输车自动驾驶领域，具体涉及一种车路协同自动驾驶分层修正控制方法及系统。

技术介绍

[0002]车辆在行驶过程中，整车质量可能随时发生变化，比如工程运输车空车与重载时的质量差别较大。自动驾驶在规划控制算法时通常默认整车质量几乎不变，或者是采用多种传感器信息融合的方法识别整车质量。但是，该方法对传感器精度要求高且硬件成本高；并且，传感数据融合所辨识整车质量指标不能跟随车辆行驶动力学系统特性变化。
[0003]现有的无人驾驶车辆在固定区域行驶时，大多通过人为测量坡道参数并在程序中预设。在开放区域行驶时，一般采用多种传感器信息融合的方法识别坡度。或者在SAEJ1939协议的基础上通过CAN得到车辆发动机输出转速和转矩，对转速进行差分获得车辆行驶加速度和道路综合阻力，依据车辆纵向动力学原理进行道路坡度辨识，但当道路坡道变化较大时，辨识精度不高；并且对传感器精度要求高，硬件安装与运维成本高。
[0004]现有无人驾驶车辆基于多个参数的换挡规则，没有将车辆所处的外部行驶工况考虑在内，更不能针对根据车辆行驶过程中整车质量变化与行驶坡度参数制定合理的换挡规则。采用传统的换挡规则，坡道行驶时容易发生意外升降挡导致行驶风险升高。因此，为保证无人驾驶车辆的安全可靠运行，在制定坡道坡道换挡控制策略过程中，必须将整车质量与道路坡度加以考虑。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供一种车路协同自动驾驶分层修正控制方法及系统。
[0006]为解决上述技术问题，本专利技术采用如下技术方案：
[0007]一种车路协同自动驾驶分层修正控制方法，通过路侧计算设备和车载计算平台协同工作，控制执行机构进行挡位修正，包括以下步骤：
[0008]在路侧计算设备中构建基于BP神经网络的识别模型；
[0009]将车辆响应作为识别模型的输入，识别模型将行驶坡度和整车质量作为输出传递至车载计算平台；
[0010]当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，车载计算平台根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级的坡道换挡控制策略，控制执行机构进行挡位修正。
[0011]具体地，车辆响应包括前轮垂直加速度、后轮垂直加速度、前车身垂直加速度、后车身垂直加速度、车身俯仰角速度、车身俯仰角位移、前悬架动挠度、后悬架动挠度。
[0012]具体地，前轮垂直加速度、后轮垂直加速度、前车身垂直加速度、后车身垂直加速
度、车身俯仰角速度、车身俯仰角位移、前悬架动挠度、后悬架动挠度共八个车辆响应，每个车辆响应有作为输入和不作为输入两种情况，对八个车辆响应进行排列组合得到28个输入方案，通过引入正交试验设计保留28个输入方案中具有代表性的输入方案，作为识别模型的输入。
[0013]具体地，当采用坡道换挡控制策略时，如果车辆处于上坡工况，采用上坡换挡控制策略：当车辆的整车质量以及行驶坡度处于第一等级时，则车辆按照正常换挡规律换挡；车辆的整车质量以及行驶坡度处于第二等级时，则车辆在上坡前的挡位基础上降一挡，同时在上坡过程中禁止升挡；其中第一等级的整车质量小于第二等级的整车质量，第一等级的行驶坡度小于第二等级的行驶坡度。
[0014]具体地，当采用坡道换挡控制策略时，如果车辆处于下坡工况，采用下坡换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，在下坡前的挡位基础上降A个挡位，且禁止升挡，其中A的数值由下坡时整车质量、行驶坡度所处的等级决定。
[0015]一种车路协同自动驾驶分层修正控制系统，包括
[0016]路侧计算设备：构建基于BP神经网络的识别模型；将车辆响应作为识别模型的输入，将行驶坡度和整车质量作为输出传递至车载计算平台；
[0017]以及车载计算平台：当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级的坡道换挡控制策略，控制执行机构进行挡位修正。
[0018]与现有技术相比，本专利技术的有益技术效果是：
[0019]1.路侧计算设备可以形成可以互动合作的路侧计算设备群体，能够分享各自数据，更好地训练各自的识别模型，提高决策智能；路侧计算设备可以分担车载计算平台的计算任务，因为路侧计算设备可以使用更高端的计算设备，能够为车载计算平台提供更好更快的计算能力，运行更复杂的算法，从而提高终端无人车辆的智慧水平。
[0020]2.本专利技术中基于行驶坡度与整车质量辨识的分层修正控制方法，将车辆自动变速器的控制分为决策层与修正执行层。其中：决策层由路侧计算设备进行计算，修正执行层由车载计算平台进行计算；路侧计算设备可以分担车载计算平台的计算任务，因为路侧计算设备可以使用更高端的计算设备，能够为车载计算平台提供更好更快的计算能力，可以运行更复杂的算法，从而提高终端无人车辆的智慧水平。
[0021]3.路侧计算设备对车辆行驶坡度、整车质量识别的基本思想，是分别将车辆响应以及行驶坡度、整车质量作为输入和输出，通过神经网络训练建立两者之间的关系，训练完成之后，车辆响应与行驶坡度、整车质量之间路面具有非线性关系，由车辆响应就可直接识别行驶坡度、整车质量；其优点是既不需要公式推导，也不需要知道各类车辆参数，可减少人为参数标定的工作量。
[0022]4.采用基于整车质量与行驶坡度辨识的分层修正控制方法，能根据不同坡道工况进行挡位控制，提高了无人驾驶车辆自动变速的智能化水平，有效地避免换挡循环，减少换挡执行部件磨损，提高车辆的行驶平顺性与换挡部件的寿命。
附图说明
[0023]图1为本专利技术分层修正控制方法的流程图。
具体实施方式
[0024]下面结合附图对本专利技术的一种优选实施方式作详细的说明。
[0025]一种车路协同自动驾驶分层修正控制方法，通过基于BP神经网络的识别模型，对车辆参数(整车质量和行驶坡度)进行辨识；通过准确地辨识参数，较好地跟踪车辆纵向动力学系统动态变化特性，在完成参数辨识的基础上采用坡道换挡控制策略。
[0026]将车辆坡道自动变速控制分为决策层与修正执行层。其中，决策层由路侧计算设备采集车辆参数，辨识整车质量与行驶坡度；修正执行层中，由车载计算平台接收决策层指令，综合决策层的决策参数，计算出换挡修正控制指令，发给执行机构进行换挡。
[0027]如图1所示，具体来说，分层修正控制方法包括以下方案：
[0028]S1：基于BP神经网络的行驶坡度与整车质量识别
[0029]S1
‑
1：输入选择
[0030]选择车辆响应作为BP神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车路协同自动驾驶分层修正控制方法，通过路侧计算设备和车载计算平台协同工作，控制执行机构进行挡位修正，包括以下步骤：在路侧计算设备中构建基于BP神经网络的识别模型；将车辆响应作为识别模型的输入，识别模型将行驶坡度和整车质量作为输出传递至车载计算平台；当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，车载计算平台根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级的坡道换挡控制策略，控制执行机构进行挡位修正。2.根据权利要求1所述的车路协同自动驾驶分层修正控制方法，其特征在于：车辆响应包括前轮垂直加速度、后轮垂直加速度、前车身垂直加速度、后车身垂直加速度、车身俯仰角速度、车身俯仰角位移、前悬架动挠度、后悬架动挠度。3.根据权利要求2所述的车路协同自动驾驶分层修正控制方法，其特征在于：前轮垂直加速度、后轮垂直加速度、前车身垂直加速度、后车身垂直加速度、车身俯仰角速度、车身俯仰角位移、前悬架动挠度、后悬架动挠度共八个车辆响应，每个车辆响应有作为输入和不作为输入两种情况，对八个车辆响应进行排列组合得到28个输入方案，通过引入正交试验设计保留28个输入方案中具有代表性的输入方案，作为识别模型的输入。4.根据权利要求1...

【专利技术属性】
技术研发人员：柯秋璧，王秋旗，陈成，梅贵周，吴杰荣，王亚飞，
申请(专利权)人：安徽海博智能科技有限责任公司，
类型：发明
国别省市：