一种基于驾驶风格的线控转向系统传动比控制方法

摘要

本发明公开了一种基于驾驶风格的线控转向系统传动比控制方法，包括采集、获取驾驶行为参数信息和车辆状态参数信息；计算行驶参数，对各个行驶参数通过区间评分并累加，区分行驶工况；由行驶工况、驾驶行为参数信息和车辆状态参数信息进行RBF神经网络的识别驾驶风格；根据不同驾驶风格确定转向传动比计算参数获得不同转向传动比。本发明从提高驾驶安全，特别是转向安全的角度出发，将驾驶风格识别与线控转向系统中的转向传动比控制系统结合，依据驾驶风格的辨识结果调整转向传动比计算公式中的参数，达到提高转向安全性和驾驶体验的目的。

说明书

技术领域

本发明涉及一种线控转向系统传动比控制方法，特别是涉及一种基于驾驶风格的线控转向系统传动比控制方法。

背景技术

转向系统是汽车必不可少的操纵系统之一，转向特性的优劣直接影响汽车的操纵稳定性和行驶安全。对于转向系统而言，转向传动比的确定是关系到整个汽车转向特性的重要因素，其将影响汽车的行驶安全性、操纵性乃至驾驶人的驾驶体验。

与传统转向系统采用固定转向传动比不同，线控转向系统的转向传动比不仅可以随着某些车辆状态参数实时变化，其变化规则还可以软件程序任意设计。随着线控转向技术在汽车上的应用越来越广泛，针对线控转向系统转向传动比的研究也逐渐深入，不仅模糊控制、神经网络等一些智能算法被应用于转向传动比的控制当中，更多的车辆状态参数(如横摆角速度)甚至驾驶人的某些特性(如驾驶风格、驾驶喜好等)也被引入到转向传动比的控制算法，以此提高驾驶的安全性、舒适性，使车辆更为人性化。

如奇瑞公司的专利《一种汽车自适应智能转向系统》(申请号：CN200910250603.6)中，驾驶人通过手动或自动方式选择转向系统的工作模式，以满足个人喜好要求。该专利中主要针对电动助力系统中的转向助力进行干预，而非转向传动比，其目的在于提高驾驶人的驾驶体验。此外，自动模式下选择转向系统的工作模式时，也仅仅采用了单一的方向盘压力信号进行判断，对驾驶人意图或驾驶风格的判断可能不够全面。

专利《基于驾驶风格的自适应转向控制系统及其控制方法》(申请号：CN201510927733.4)同样针对驾驶风格进行判断并将判断结果应用于转向助力的控制方法当中，旨在更好地满足驾驶人的喜好需求。另外，该专利中采用如车速、横摆角速度、方向盘转角的门限和方向盘扭矩信号，基于静态、加速、制动等驾驶工况判断驾驶风格，未针对道路交通情况可能对驾驶风格的判断产生的影响加以考虑。

专利《具有集成驾驶风格识别的自适应车辆控制系统》(申请号：CN200910160909.2)将驾驶风格的识别引入转向传动比的控制当中。然而，该专利阐述的驾驶风格判断策略，不仅需要驾驶行为参数，还需要应用道路等级、路面情况、天气情况、当前驾驶工况(如换到、超车等)多种综合信息，即需要包括摄像头、雷达等多种传感器，成本及识别算法复杂程度均大为增加。此外，该专利中关于转向传动比的控制同样从提高驾驶人的喜好角度出发(如为运动型驾驶人提供更低的传动比以获得更改的横摆角速度增益)，而并不是从提高转向安全性角度进行控制策略的设计。同时，该专利中也未给出详细的驾驶风格识别方法以及转向传动比的具体控制策略。

发明内容

针对上述现有技术的缺陷，本发明提供了一种基于驾驶风格的线控转向系统传动比控制方法，从提高转向安全性的角度出发，为不同驾驶风格的驾驶人提供个性化转向特性，提高车辆的转向安全性和舒适性。

本发明的技术方案为，一种基于驾驶风格的线控转向系统传动比控制方法，包括以下步骤：

步骤1、通过传感器组以及汽车CAN总线实时采集、获取驾驶行为参数信息和车辆状态参数信息；

步骤2、根据步骤1获取的车辆状态参数信息计算行驶参数，对各个行驶参数进行区间评分，累加各行驶参数的评分分值得到行驶工况分值，根据行驶工况分值所处的不同分值区间区分行驶工况；

步骤3、根据步骤2获得的行驶工况和步骤1获取的驾驶行为参数信息和车辆状态参数作为RBF神经网络的输入识别驾驶风格；

步骤4、根据步骤3获得的驾驶风格确定转向传动比，所述转向传动比由以下公式确定：

其中i为转向传动比，k₁、k₃根据经验值确定，V_T为当前车速，k₂根据步骤3获得的驾驶风格确定。

进一步的，所述驾驶风格包括冒险型、一般型和谨慎型，谨慎型驾驶风格的k₂<一般型驾驶风格的k₂<冒险型驾驶风格的k₂。

进一步的，所述步骤1中采集、获取驾驶行为参数信息和车辆状态参数信息时，在滚动时间窗长度内以固定时间间隔采集并存储驾驶行为参数信息和车辆状态参数信息，如果某个驾驶行为参数信息或车辆状态参数信息的存储数量小于最大样本数，则进入步骤3并确定驾驶风格为一般型，否则将后采集的数据替换先采集的数据并进入步骤2，所述最大样本数为滚动时间窗长度/固定时间间隔。

进一步的，所述驾驶行为参数信息和车辆状态参数信息包括横摆角速度、车辆纵向加速度、方向盘转角、纵向车速、发动机怠速时间、加速踏板开度、制动踏板开度、样本数和时间窗长度，所述步骤2中根据步骤1获取的车辆状态参数信息计算行驶参数，是根据车速、样本数和滚动时间窗长度计算以及平均车速、平均车速标准差和行驶距离，根据发动机怠速时间与滚动时间窗长度计算怠速时间比。

更进一步的，所述步骤2中对各个行驶参数进行区间评分时是按以下方式评分，

车速评分为：

如果平均车速V_m＜V_{m_1}且平均车速标准差V_b＜V_{b_1}，则计2分；

如果平均车速V_{m_1}≤V_m＜V_{m_2}且平均车速标准差V_b＜V_{b_1}，则计3分；

如果平均车速V_m≥V_{m_2}且平均车速标准差V_b＜V_{b_1}，则计4分；

如果平均车速V_m＜V_{m_1}且平均车速标准差V_{b_1}≤V_b＜V_{b_2}，则计1分；

如果平均车速V_{m_1}≤V_m＜V_{m_2}且平均车速标准差V_{b_1}≤V_b＜V_{b_2}，则计2分；

如果平均车速V_m≥V_{m_2}且平均车速标准差V_{b_1}≤V_b＜V_{b_2}，则计4分；

如果平均车速V_m＜V_{m_1}且平均车速标准差V_b≥V_{b_2}，则计1分；

如果平均车速V_{m_1}≤V_m＜V_{m_2}且平均车速标准差V_b≥V_{b_2}，则计1分；

如果平均车速V_m≥V_{m_2}且平均车速标准差V_b≥V_{b_2}，则计3分；

其中V_{m_1}＜V_{m_2}，V_{b_1}＜V_{b_2}，V_{m_1}、V_{m_2}、V_{b_1}和V_{b_2}均为预设值；

怠速比评分为：

如果怠速时间比Idle<Idle₁，则计4分；

如果怠速时间比Idle₁≤Idle<Idle₂，则计3分；

如果怠速时间比Idle₂≤Idle<Idle₃，则计2分；

如果怠速时间比Idle≥Idle₃，则计1分；

其中Idle₁<Idle₂<Idle₃，Idle₁、Idle₂和Idle₃均为预设值；

行驶距离评分为：

如果行驶距离S＜S₁，则计1分；

如果行驶距离S₁≤S＜S₂，则计2分；

如果行驶距离S₂≤S＜S₃，则计3分；

如果行驶距离S≥S₃，则计4分；

其中S₁＜S₂＜S₃，S₁、S₂和S₃均为预设值；

所述累加各行驶参数的评分分值得到行驶工况分值，根据行驶工况分值所处的不同分值区间区分行驶工况是累加所述车速评分、怠速比评分和行驶距离评分得到最终分数SC并按以下方式判断当前的车辆行驶工况：

如果SC＜SC₁，则判别为城市拥挤工况；

如果SC₁≤SC＜SC₂，则判别为城市一般工况；

如果SC₂≤SC＜SC₃，则判别为城市畅通工况；

如果SC≥SC₃，则判别为高速路工况；

其中SC₁＜SC₂＜SC₃，SC₁、SC₂和SC₃均为预设值。

优选的，所述SC₁取5，SC₂取8，SC₃取11。

进一步的，所述步骤3中根据步骤2获得的行驶工况和步骤1获取的驾驶行为参数信息和车辆状态参数作为RBF神经网络的输入识别驾驶风格时，是将步骤1获取的根据加速踏板开度与样本数计算加速踏板开度标准差、根据制动踏板开度与样本数计算制动踏板开度标准差、根据车速计算加加速度的正峰值和负峰值、根据方向盘转角与样本数计算方向盘转角速度标准差和方向盘转角加速度标准差、横摆角速度以及根据步骤2获得的行驶工况作为RBF神经网络的输入识别驾驶风格。

本发明所提供的技术方案的优点在于：采用评分形式进行行驶工况的判断，以及给出的传动比公式结合谨慎型驾驶风格的k₂<一般型驾驶风格的k₂<冒险型驾驶风格的k₂能够提高安全性。评分形式可视为一种简化的模糊逻辑分析方式，既可完成对目标的评价分析，又具有良好的实时性，可满足在线实时监测判别的实时性需求。

有别于现有技术多数将驾驶风格或驾驶喜好与线控转向系统中的助力转向系统相结合以提高驾驶体验，本发明主要从提高驾驶安全，特别是转向安全的角度出发，将驾驶风格识别与线控转向系统中的转向传动比控制系统结合，在给出了一种转向传动比计算公式的基础上，依据驾驶风格的辨识结果调整转向传动比计算公式中的参数，以实现基于驾驶风格的转向传动比自适应调整，达到提高转向安全性和驾驶体验的目的。

附图说明

图1为基于驾驶风格的线控转向系统传动比控制方法流程示意图。

图2为基于驾驶风格的线控转向系统传动比控制装置模块示意图。

图3为行驶工况判别模块示意图。

图4为不同驾驶风格传动比的变化趋势图。

具体实施方式

下面结合实施例对本发明作进一步说明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围内。

请结合图1及图2所示，基于驾驶风格的线控转向系统传动比控制装置包括数据采集处理模块1、预判启动模块2、行驶工况判别模块3、驾驶风格判别模块4以及转向传动比计算模块5。数据采集处理模块1分别与预判启动模块2、行驶工况判别模块3、驾驶风格判别模块4以及转向传动比计算模块5相连为其提供所需信息，预判启动模块2连接驾驶风格判别模块4，驾驶风格判别模块4同时连接行驶工况判别模块3和转向传动比计算模块5；转向传动比计算模块5与线控转向传动比执行系统6相连。

数据采集处理模块1用于采集处理驾驶行为参数信息和车辆状态参数信息并进行存储，其包括数据采集单元1a、数据处理单元1b和数据存储单元1c三个部分。数据采集单元3a通过传感器组以及汽车CAN总线实时采集、获取驾驶行为参数信息和车辆状态参数信息；数据数据采集单元1a中的传感器组包括：陀螺仪、加速度计和方向盘转角传感器，传感器组采集的数据信息包括：横摆角速度、车辆纵向加速度、方向盘转角；数据数据采集单元从汽车CAN总线获取的信息包括：纵向车速、发动机怠速时间、加速踏板开度、制动踏板开度；数据采集单元1a采集数据与获取数据的周期均为T_s，本实施例中取0.1秒。

数据处理单元1b采用滤波器对采集的驾驶行为参数信息和车辆状态参数信息进行去噪、平滑处理；处理后的驾驶行为参数信息和车辆状态参数信息由数据存储单元1c存储在大小为N×L的空间矩阵中；L为驾驶行为参数和车辆状态参数的种类总数，本实施例中取7；N为单个参数的可存储的最大样本数；样本数量超过N时，后面的样本将自动覆盖前面的样本，以实现样本数据的滚动更新；N可利用下面的公式进行计算：

N＝T_w/T_s

其中T_w为滚动时间窗长度，本实施例中取150秒，故N为1500；

预判启动模块2用于根据某一参数当前采集的样本数目N_p与可存储最大样本数N判断是否满足驾驶风格识别要求，具体判断规则如下：

如果N_p＜N，则判断识别要求不满足，令启动标志位St＝0；

如果N_p≥N，则判断识别要求满足，令启动标志位St＝1。

行驶工况判别模块3用于根据数据采集处理模块1传递的参数进行行驶工况判别，然后传递给驾驶风格判别模块4，其包括第一数据转换单元3a、单因素判别单元3b、综合判别单元3c三个部分。第一数据转换单元3a将数据采集处理模块1传递来的驾驶行为参数信息和车辆状态参数进行统计分析转换，传递来的每组参数的样本数均为N，对应时间段长度均为T_w(即滚动时间窗长度)；数据的统计分析转换具体包括：根据车速V_x、样本数N和时间窗长度T_w计算平均车速V_m、平均车速标准差V_b以及行驶距离S，根据发动机怠速时间与时间窗长度T_w计算怠速时间比Idle；

单因素判别单元3b包括车速判别子单元3b1、怠速比判别子单元3b2以及行驶距离判别子单元3b3共三个子单元；

车速判别子单元3b1根据平均车速V_m和平均车速标准差V_b对当前的道路交通情况进行评分，具体评分原则如下：

如果平均车速V_m＜V_{m_1}且平均车速标准差V_b＜V_{b_1}，则计2分；

如果平均车速V_{m_1}≤V_m＜V_{m_2}且平均车速标准差V_b＜V_{b_1}，则计3分；

如果平均车速V_m≥V_{m_2}且平均车速标准差V_b＜V_{b_1}，则计4分；

如果平均车速V_m＜V_{m_1}且平均车速标准差V_{b_1}≤V_b＜V_{b_2}，则计1分；

如果平均车速V_{m_1}≤V_m＜V_{m_2}且平均车速标准差V_{b_1}≤V_b＜V_{b_2}，则计2分；

如果平均车速V_m≥V_{m_2}且平均车速标准差V_{b_1}≤V_b＜V_{b_2}，则计4分；

如果平均车速V_m＜V_{m_1}且平均车速标准差V_b≥V_{b_2}，则计1分；

如果平均车速V_{m_1}≤V_m＜V_{m_2}且平均车速标准差V_b≥V_{b_2}，则计1分；

如果平均车速V_m≥V_{m_2}且平均车速标准差V_b≥V_{b_2}，则计3分；

本实施例中，V_{m_1}取20km/h，V_{m_2}取60km/h，V_{b_1}取5，V_{b_2}取13。

怠速比判别单元3b2根据怠速时间比Idle对当前的道路交通情况进行评分，具体评分原则如下：

如果怠速时间比Idle<Idle₁，则计4分；

如果怠速时间比Idle₁≤Idle<Idle₂，则计3分；

如果怠速时间比Idle₂≤Idle<Idle₃，则计2分；

如果怠速时间比Idle≤Idle₃，则计1分；

本实施例中，Idle₁取5％，Idle₂取15％，Idle₃取25％。

行驶距离判别子单元3b3根据汽车行驶距离S对当前的道路交通情况进行评分，具体评分原则如下：

如果行驶距离S＜S₁，则计1分；

如果行驶距离S₁≤S＜S₂，则计2分；

如果行驶距离S₂≤S＜S₃，则计3分；

如果行驶距离S≥S₃，则计4分；

本实施例中，S₁取0.4km，S₂取1km，S₃取1.6km。

综合判别单元3c对三个单因素判别子单元3b的分数值求和，并根据最终分数SC将当前的车辆行驶道路交通情况进行判别为城市拥挤工况、城市一般工况、城市畅通工况或高速公路工况中的一种，具体判别原则如下：

如果SC＜SC₁，则判别为城市拥挤工况；

如果SC₁≤SC＜SC₂，则判别为城市一般工况；

如果SC₂≤SC＜SC₃，则判别为城市畅通工况；

如果SC≥SC₃，则判别为高速路工况；

本实施例中，SC₁取5，SC₂取8，SC₃取11。

驾驶风格判别模块4包括第二数据转换单元4a和驾驶风格识别单元4b两个部分，用于根据数据采集处理模块1的参数信息、预判启动模块2的判断结果以行驶工况判别模块3的判断结果对当前驾驶人的驾驶风格判别为冒险型、一般型和谨慎型中的一种，具体判别步骤如下：

根据预判启动模块的判断结果，如果预判启动模块2的判断结果为识别要求不满足，即标志位St＝0，则驾驶风格判别模块4直接判别驾驶风格为一般型；如果预判启动模块2的判断结果为识别要求满足，即标志位St＝1，第二数据转换单元4a对数据采集处理模块1的参数信息进行统计分析处理，处理后的参数信息与行驶工况判别模块3的判断结果一同被传递至驾驶风格识别单元4b，由驾驶风格识别单元4对驾驶风格进行判断。

第二数据转换单元4a将数据采集处理模块1传递来的驾驶行为参数信息和车辆状态参数(每组参数的样本数均为N，对应时间段长度均为T_w(即滚动时间窗长度))进行统计分析转换，具体分析转换内容包括：根据加速踏板开度与样本数N计算加速踏板开度标准差DPO_b；根据制动踏板开度与样本数N计算制动踏板开度标准差BPO_b；根据车速V_x计算加加速度(即加速度一阶导数)的正峰值J₁和负峰值J₂；根据方向盘转角与样本数N计算方向盘转角速度标准差和方向盘转角加速度标准差

驾驶风格识别单元4b采用一个训练好的RBF神经网络对驾驶风格进行最终识别，该RBF神经网络的输入信息包括：经过第二数据转换单元4a转换后DPO_b、BPO_b、J₁、J₂、数据采集处理模块1传递来横摆角速度ω_r以及行驶工况判别模块3的判断结果；RBF神经网络的输出信息为驾驶风格的判别结果，即冒险型、一般型和谨慎型中的一种。

转向传动比计算模块5根据驾驶风格判别模块4的判别结果和数据采集处理模块1的车速V_x计算当前转向传动比i，并将计算结果传递至线控转向系统6执行，转向传动比i的具体计算公式如下：

其中k₁、k₂、k₃、V_T为转向传动比的可调参数；

k₁和V_T影响传动比固定区域和变化区域范围，该数值可根据不同车型以及对转向特性的不同要求设定，本实施例中k₁取0.15，V_T取7.5；

k₂影响传动比幅值变化范围，其数值对转向安全性具有一定影响，随着数值的增加，转向机动性增加，稳定性变差；因而对于不同驾驶风格应保证k₂(谨慎型)<k₂(一般型)<k₂(冒险型)，本实施例中取k₂(谨慎型)＝12，k₂(一般型)＝14，k₂(冒险型)＝16；

k₃影响传动比最小值，本实施例中取k₃＝8。

本实施例中三种不同驾驶风格传动比的变化趋势如图4所示；

本实施例提供了一种基于驾驶风格的线控转向系统传动比控制方法。依照本实施例的控制方法，能够针对不同的驾驶风格进行识别判断，并在此基础上为不同驾驶风格的驾驶人提供个性化的转向传动比，以此提高车辆的转向安全性和驾驶体验。