转向致动器的可实现角度、速度和加速度能力的实时估计

摘要

一种系统包括：处理器；以及存储指令的存储器，所述指令在由处理器执行时将处理器配置成：基于当前驾驶和环境状况来估计车辆的转向系统的齿条力；以及估计车辆的转向系统的致动器的健康状况。所述指令将处理器配置成：基于估计的齿条力和致动器的估计的健康状况来估计转向系统的致动器的最大可实现角度、速度和加速度。所述指令将处理器配置成：基于转向系统的致动器的估计的最大可实现角度、速度和加速度向转向系统提供为车辆规划的路径。

说明书

技术领域

引言

本节中提供的信息是为了总体上呈现本公开的背景的目的。当前署名的发明人的工作，就其在本节中所描述的程度而言，以及在提交时不可被另视为现有技术的描述的各方面，既不明确地也不隐含地被认作针对本公开的现有技术。

本公开涉及转向致动器的可实现角度、速度和加速度能力的实时估计。

背景技术

汽车工程师学会（SAE）定义了自主驾驶的六个级别（0-5级）。在SAE2-5级的自主车辆中，驾驶系统执行路径规划，即规划车辆要遵循的路径。基于路径规划来控制自主车辆中的电动助力转向（EPS）系统。例如，尾随第二车辆的第一车辆的自主驾驶系统可为第一车辆规划允许第一车辆超过第二车辆的路径。第一车辆的自主驾驶系统指示第一车辆的预测路径能力，该预测路径能力然后被用于控制第一车辆的EPS执行所规划的超车操作。然而，如果路径被过度预测，则第一车辆的实际路径可能会引起第一车辆与第二车辆相撞。相反，如果路径被预测不足，则第一车辆的规划的路径可能会过于保守并引起操控性问题或错误地限制了路径，使得第一车辆无法超过第二车辆（即便在它能够超过第二车辆的情况下）。

发明内容

一种系统包括：处理器；以及存储指令的存储器，所述指令在由处理器执行时将处理器配置成：基于当前驾驶和环境状况来估计车辆的转向系统的齿条力；以及估计车辆的转向系统的致动器的健康状况。所述指令将处理器配置成：基于估计的齿条力和致动器的估计的健康状况来估计转向系统的致动器的最大可实现角度、速度和加速度。所述指令将处理器配置成：基于转向系统的致动器的估计的最大可实现角度、速度和加速度向转向系统提供为车辆规划的路径。

在另一特征中，所述指令将处理器配置成：响应于用于执行该路径的角度、速度和加速度在估计的最大可实现角度、速度和加速度内，向转向系统提供该路径。

在另一特征中，所述指令将处理器配置成：响应于用于执行该路径的角度、速度和加速度在估计的最大可实现角度、速度和加速度内，引起转向系统执行该路径。

在另一特征中，在向转向系统提供该路径之前，所述指令将处理器配置成：修改路径以使致动器的角度、速度和加速度与估计的最大可实现角度、速度和加速度相符。

在另一特征中，所述指令将处理器配置成：基于用于估计齿条力的当前驾驶和环境状况来计算齿条力；以及通过将估计的齿条力和计算的齿条力进行比较来验证估计的齿条力的准确性。

在另一特征中，所述指令将处理器配置成：基于该准确性来提供指示以检查一个或多个传感器。

在另一特征中，所述指令将处理器配置成：基于该准确性来提供指示以更新用于估计齿条力的模型。

在另一特征中，所述指令将处理器配置成：基于名义驾驶和环境状况从查找表获得齿条力的第一值；基于当前驾驶和环境状况从模型获得调整因子；以及通过将齿条力的第一值与调整因子相乘来估计齿条力。

在另一特征中，所述指令将处理器配置成：计算在第一组车辆速度和第一组转向数据下的第一组齿条力；通过对第一组齿条力进行插值来估计针对第二组车辆速度和第二组转向数据的第二组齿条力；以及生成包括第一组车辆速度和第二组车辆速度的查找表。

在另一特征中，所述指令将处理器配置成训练该模型以：计算在不同驾驶和环境状况下的齿条力；以及通过将在当前驾驶和环境状况下计算的第一齿条力与在名义驾驶和环境状况下计算的第二齿条力进行比较来生成调整因子。

在再其他特征中，方法包括：基于当前驾驶和环境状况来估计车辆的转向系统的齿条力；以及估计车辆的转向系统的致动器的健康状况。该方法进一步包括：基于估计的齿条力和致动器的估计的健康状况来估计转向系统的致动器的最大可实现角度、速度和加速度。该方法进一步包括：基于转向系统的致动器的估计的最大可实现角度、速度和加速度向转向系统提供为车辆规划的路径。

在另一特征中，该方法进一步包括：响应于用于执行该路径的角度、速度和加速度在估计的最大可实现角度、速度和加速度内，向转向系统提供该路径。

在另一特征中，该方法进一步包括：响应于用于执行该路径的角度、速度和加速度在估计的最大可实现角度、速度和加速度内，使用转向系统来执行该路径。

在另一特征中，该方法进一步包括：在向转向系统提供该路径之前，修改路径以使致动器的角度、速度和加速度与估计的最大可实现角度、速度和加速度相符。

在另一特征中，该方法进一步包括：基于用于估计齿条力的当前驾驶和环境状况来计算齿条力；以及通过将估计的齿条力和计算的齿条力进行比较来验证估计的齿条力的准确性。

在另一特征中，该方法进一步包括：基于该准确性来提供指示以检查一个或多个传感器。

在另一特征中，该方法进一步包括：基于该准确性来提供指示以更新用于估计齿条力的模型。

在另一特征中，该方法进一步包括：基于名义驾驶和环境状况从查找表获得齿条力的第一值；基于当前驾驶和环境状况从模型获得调整因子；以及通过将齿条力的第一值与调整因子相乘来估计齿条力。

在另一特征中，该方法进一步包括：计算在第一组车辆速度和第一组转向数据下的第一组齿条力；通过对第一组齿条力进行插值来估计针对第二组车辆速度和第二组转向数据的第二组齿条力；以及生成包括第一组车辆速度和第二组车辆速度的查找表。

在另一特征中，该方法进一步包括训练该模型以：计算在不同驾驶和环境状况下的齿条力；以及通过将在当前驾驶和环境状况下计算的第一齿条力与在名义驾驶和环境状况下计算的第二齿条力进行比较来生成调整因子。

本公开的进一步的适用领域将从详细描述、权利要求和附图变得明显。详细描述和特定示例仅旨在用于说明的目的而非旨在限制本公开的范围。

本公开至少包括如下示例性具体方案：

方案1. 一种系统，所述系统包括：

处理器；以及

存储指令的存储器，所述指令在由所述处理器执行时将所述处理器配置成：

基于当前驾驶和环境状况来估计车辆的转向系统的齿条力；

估计所述车辆的所述转向系统的致动器的健康状况；

基于所述估计的齿条力和所述致动器的估计的健康状况来估计所述转向系统的所述致动器的最大可实现角度、速度和加速度；以及

基于所述转向系统的所述致动器的所述估计的最大可实现角度、速度和加速度向所述转向系统提供为所述车辆规划的路径。

方案2. 根据方案1所述的系统，其中，所述指令将所述处理器配置成：响应于用于执行所述路径的角度、速度和加速度在所述估计的最大可实现角度、速度和加速度内，向所述转向系统提供所述路径。

方案3. 根据方案1所述的系统，其中，所述指令将所述处理器配置成：响应于用于执行所述路径的角度、速度和加速度在所述估计的最大可实现角度、速度和加速度内，引起所述转向系统执行所述路径。

方案4. 根据方案1所述的系统，其中，在向所述转向系统提供所述路径之前，所述指令将所述处理器配置成：修改所述路径以使所述致动器的角度、速度和加速度与所述估计的最大可实现角度、速度和加速度相符。

方案5. 根据方案1所述的系统，其中，所述指令将所述处理器配置成：

基于用于估计所述齿条力的所述当前驾驶和环境状况来计算所述齿条力；以及

通过将所述估计的齿条力和所述计算的齿条力进行比较来验证所述估计的齿条力的准确性。

方案6. 根据方案5所述的系统，其中，所述指令将所述处理器配置成：基于所述准确性来提供指示以检查一个或多个传感器。

方案7. 根据方案5所述的系统，其中，所述指令将所述处理器配置成：基于所述准确性来提供指示以更新用于估计所述齿条力的模型。

方案8. 根据方案1所述的系统，其中，所述指令将所述处理器配置成：

基于名义驾驶和环境状况从查找表获得所述齿条力的第一值；

基于所述当前驾驶和环境状况从模型获得调整因子；以及

通过将所述齿条力的所述第一值与所述调整因子相乘来估计所述齿条力。

方案9. 根据方案8所述的系统，其中，所述指令将所述处理器配置成：

计算在第一组车辆速度和第一组转向数据下的第一组齿条力；

通过对所述第一组齿条力进行插值来估计针对第二组车辆速度和第二组转向数据的第二组齿条力；以及

生成包括所述第一组车辆速度和第二组车辆速度的所述查找表。

方案10. 根据方案8所述的系统，其中，所述指令将所述处理器配置成训练所述模型以：

计算在不同驾驶和环境状况下的齿条力；以及

通过将在所述当前驾驶和环境状况下计算的第一齿条力与在名义驾驶和环境状况下计算的第二齿条力进行比较来生成所述调整因子。

方案11. 一种方法，所述方法包括：

基于当前驾驶和环境状况来估计车辆的转向系统的齿条力；

估计所述车辆的所述转向系统的致动器的健康状况；

基于所述估计的齿条力和所述致动器的所述估计的健康状况来估计所述转向系统的所述致动器的最大可实现角度、速度和加速度；以及

基于所述转向系统的所述致动器的所述估计的最大可实现角度、速度和加速度向所述转向系统提供为所述车辆规划的路径。

方案12. 根据方案11所述的方法，所述方法进一步包括：响应于用于执行所述路径的角度、速度和加速度在所述估计的最大可实现角度、速度和加速度内，向所述转向系统提供所述路径。

方案13. 根据方案11所述的方法，所述方法进一步包括：响应于用于执行所述路径的角度、速度和加速度在所述估计的最大可实现角度、速度和加速度内，使用所述转向系统来执行所述路径。

方案14. 根据方案11所述的方法，所述方法进一步包括：在向所述转向系统提供所述路径之前，修改所述路径以使所述致动器的角度、速度和加速度与所述估计的最大可实现角度、速度和加速度相符。

方案15. 根据方案11所述的方法，所述方法进一步包括：

基于用于估计所述齿条力的所述当前驾驶和环境状况来计算所述齿条力；以及

通过将所述估计的齿条力和所述计算的齿条力进行比较来验证所述估计的齿条力的准确性。

方案16. 根据方案15所述的方法，所述方法进一步包括：基于所述准确性来提供指示以检查一个或多个传感器。

方案17. 根据方案15所述的方法，所述方法进一步包括：基于所述准确性来提供指示以更新用于估计所述齿条力的模型。

方案18. 根据方案11所述的方法，所述方法进一步包括：

基于名义驾驶和环境状况从查找表获得所述齿条力的第一值；

基于所述当前驾驶和环境状况从模型获得调整因子；以及

通过将所述齿条力的所述第一值与所述调整因子相乘来估计所述齿条力。

方案19. 根据方案18所述的方法，所述方法进一步包括：

计算在第一组车辆速度和第一组转向数据下的第一组齿条力；

通过对所述第一组齿条力进行插值来估计针对第二组车辆速度和第二组转向数据的第二组齿条力；以及

生成包括所述第一组车辆速度和第二组车辆速度的所述查找表。

方案20. 根据方案18所述的方法，所述方法进一步包括训练所述模型以：

计算在不同驾驶和环境状况下的齿条力；以及

通过将在当前驾驶和环境状况下计算的第一齿条力与在名义驾驶和环境状况下计算的第二齿条力进行比较来生成所述调整因子。

附图说明

本公开将从详细描述和附图变得被更充分地理解，其中：

图1示出了根据本公开的用于转向致动器的可实现角度、速度和加速度能力的实时估计的系统的功能性框图；

图2示出了根据本公开的用于转向致动器的可实现角度、速度和加速度能力的实时估计的方法的流程图；

图3示出了根据本公开的用于使用查找表和经训练的模型来实时估计齿条力的方法的流程图；

图4示出了根据本公开的用于通过计算在正常驾驶状况下的齿条力来构建查找表的方法的流程图；

图5示出了根据本公开的训练模型以用于提供调整因子的方法，该调整因子能够应用于在正常状况下计算的齿条力以实时估计齿条力；

图6示出了根据本公开的用于实时计算最大可实现方向盘角度（SWA）的方法的流程图；

图7示出了根据本公开的用于实时计算最大可实现方向盘角度加速度（SWAA）的方法的流程图；

图8示出了根据本公开的用于实时计算最大可实现方向盘梯度（SWG）的方法的流程图；

图9示出了根据本公开的用于实时检查规划的路径轨迹的方法的流程图；以及

图10示出了根据本公开的用于检查齿条力估计的准确性的方法的流程图。

在附图中，附图标记可被重复使用以识别类似和/或相同的元件。

具体实施方式

本公开提供了一种用以实时估计车辆的自主驾驶系统的方向盘角度/速度/加速度能力的方法。贯穿本公开，术语齿条力和扭矩是通过参考基于齿条与小齿轮的转向系统以及通过使用与基于齿条与小齿轮的转向系统一起使用的电动助力转向（EPS）系统来使用的。然而，本公开不限于此。相反，基于齿条与小齿轮的转向系统和EPS系统仅用作图示性示例。本公开的教导同样适用于其他类型的转向系统和转向控制系统。例如，这些教导能够应用于包括两个独立的转向致动器的转向系统，这两个独立的转向致动器分别用于驱动两个前（或后）车轮，而在它们之间没有齿条组件。进一步地，不同于与基于齿条与小齿轮的转向系统一起使用的旋转马达，这些独立的转向致动器可以是线性致动器。因此，贯穿本公开参考马达所使用的术语扭矩可被术语力代替。

本公开的方法在各种车辆操作状况下使用建模的基于健康状况的转向马达能力和转向齿条力估计。转向系统能够提供的最大方向盘角度、速度和加速度取决于各种因素，诸如车辆的操作状况、环境状况和转向马达的健康状况。当前，自主车辆中的路径规划并没有将诸如温度、车辆载荷、轮胎压力等的车辆的当前驾驶状况考虑在内。本公开的方法接收关于车辆的当前驾驶状况的实时反馈，使得自主驾驶系统能够实时优化和修正规划的路径以与转向系统能力一致（align）。

如下文所详细解释的，该方法考虑这些实时参数来计算方向盘角度/速度/加速度能力，而不是使用保守的/物理模型。因此，该方法能够提高路径规划轨迹的准确性并减少错误。该方法使用经训练的模型（诸如，神经网络）和查找表来考虑车辆的操作环境中的外部因素，诸如环境温度、轮胎压力、车辆质量、表面摩擦系数等。

具体而言，该方法通过考虑转向马达的基于健康状况的扭矩能力和齿条力估计来实时估计方向盘角度（SWA）、方向盘角度梯度（SWG）和方向盘角度加速度（SWAA）能力。该方法使用计算结果来检查或修正规划的路径/轨迹。该方法集成了数据驱动模型（例如，查找表和/或神经网络）以通过实时考虑各种车辆状况来估计齿条力。该方法还检查估计的齿条力的准确性并在准确性开始降级时提供警报。

现有技术没有考虑实时车辆状况来生成可实现SWA、SWG和SWAA能力。现有技术也没有考虑转向马达的扭矩能力（或线性致动器的力）来生成可实现SWA、SWG和SWAA，以便检查并规划路径轨迹。相比之下，通过考虑这些因素，本公开的方法总体上改进了自主驾驶的技术领域，且特别是改进了由自主车辆中的转向系统进行路径规划和路径执行的技术领域。下文进一步详细描述本公开的这些和其他特征。

本公开被如下组织。参考图1示出和描述了根据本公开的用于转向致动器的可实现角度、速度和加速度能力的实时估计的系统。参考图2示出和描述了根据本公开的用于转向致动器的可实现角度、速度和加速度能力的实时估计的方法。随后，参考图3-图9示出和描述了该方法的各种特定特征。

例如，参考图3示出和描述了使用查找表和经训练的模型来实时估计齿条力的方法。参考图4示出和描述了通过计算在正常驾驶状况下的齿条力来构建查找表的方法。参考图5示出和描述了训练模型（例如，神经网络）以用于提供调整因子的方法，该调整因子能够应用于在正常状况下计算的齿条力以实时估计齿条力。

随后，参考图6-图8分别示出和描述了用于计算最大可实现SWA、SWAA和SWG的方法。此后，参考图9示出和描述了实时检查规划的路径/轨迹的方法。最后，参考图10示出和描述了检查齿条力估计的准确性的方法。

图1示出了根据本公开的用于转向致动器的可实现角度、速度和加速度能力的实时估计的系统100。系统100在自主车辆或任何SAE2-5级的车辆中实施，并且包括车辆控制器102和转向系统104。在一些示例中，车辆控制器102和转向系统104是车辆的驾驶控制系统（例如，自主驾驶系统）的一部分。在一些示例中，车辆控制器102可至少部分地在云中实施，并且可经由分布式通信系统（诸如，因特网、蜂窝网络等）与车辆中的转向系统104通信。

车辆控制器102包括路径规划模块110、齿条力估计器112和马达健康状况估计器114。在一些示例中，可不同的是，马达健康状况估计器114被包括在转向系统104中，如下文所解释的。系统100进一步包括多个自主驾驶传感器（下文中称为第一传感器）120和多个车辆传感器（下文中称为第二传感器）122。车辆控制器102从第一传感器120和第二传感器122接收数据。

例如，第一传感器120能够包括雷达、激光雷达、激光扫描仪、一个或多个相机、全球定位系统（GPS）接收器、惯性导航系统（INS）、惯性测量单元（IMU）等。第二传感器122能够感测各种车辆和环境参数。例如，第二传感器122能够包括悬架传感器、轮胎压力传感器、轮轴载荷传感器、车辆速度传感器、环境温度传感器、牵引力传感器等。

转向系统104包括电动助力转向（EPS）系统，并且包括马达130和马达控制器132。因此，转向系统104也可被称为EPS 104。马达130安装到方向盘142的轴140。方向盘142的轴140经由在轴140的远端处的小齿轮而连接到齿条组件。在一些示例中，马达130也能够直接安装在齿条组件上。齿条与小齿轮是转向系统的普遍存在的部件，且因此为简洁起见既未示出也未对其进行描述。

虽然未示出，但在一些示例中，转向系统104可包括两个独立的转向致动器，这两个独立的转向致动器分别用于驱动两个前（或后）车轮，而它们之间没有齿条组件。进一步地，代替与基于齿条和小齿轮的转向系统一起使用的马达130，独立的转向致动器可以是线性致动器，其由马达控制器132控制和操作。

路径规划模块110基于来自第一传感器120的输入来规划转向系统104要遵循的路径。马达控制器132从路径规划模块110接收规划的路径。马达控制器132根据从路径规划模块110接收到的规划的路径来控制驱动方向盘142的轴140的马达130。在一些示例中，马达健康状况估计器114可被包括在马达控制器132中而不是车辆控制器102中。

齿条力估计器112估计齿条力，该齿条力是通过车辆的转向齿条上的轮胎移动所生成的净力。齿条力是基于各种因素来确定的，诸如例如轮胎-道路角度、道路的表面轮廓、以及车辆的速度。齿条力估计器112估计齿条力，如下文参考图3-图5所描述的。齿条力估计器112向路径规划模块110实时提供齿条力的估计。

马达健康状况估计器114基于由马达控制器132收集的数据来估计马达130的健康状况。例如，马达130的扭矩能力能够随时间而改变。进一步地，马达130的扭矩能力随温度而变化。马达健康状况估计器114通过监测由马达制造商提供的马达能力数据（例如，马达能力曲线）中的漂移（shift）来估计马达130的健康状况。马达健康状况估计器114向路径规划模块110实时提供马达130的健康状况估计。健康状况估计呈马达130的扭矩能力曲线的形式。例如，马达健康状况估计器114输出图6中所示的图，该图以作为SWG（输入）的函数的马达的扭矩能力（输出）来示出马达130的齿条力能力。

路径规划模块110基于从齿条力估计器112接收到的齿条力估计和从马达健康状况估计器114接收到的马达130的健康状况估计来规划路径，如下文参考图2所详细解释的。例如，路径规划模块110实时检查规划的路径是否在基于齿条力和马达健康状况估计所生成的约束内。该检查防止了规划的路径被过度预测或预测不足。

如果规划的路径在这些约束内，则路径规划模块110向马达控制器132提供该规划的路径以供执行。路径规划模块110还能够基于齿条力和马达健康状况估计来实时修正（例如，调整或微调）规划的路径。路径规划模块110还能够使用齿条力和马达健康状况估计来规划车辆的未来路径和轨迹。

路径规划模块110基于齿条力和马达健康状况估计来实时估计转向系统104的最大可实现方向盘角度（SWA）、方向盘角度梯度（SWG）和方向盘角度加速度（SWAA）能力。马达控制器132执行由路径规划模块110提供的规划的路径，并且马达130根据由马达控制器132执行的规划的路径来控制方向盘142。附加地，虽然未示出，但车辆106的许多其他子系统与转向系统104协调以执行规划的路径。子系统的非限制性示例包括制动子系统、推进子系统等。

现在参考图2-图10来进一步详细描述系统100的操作。下文参考图2-图10描述了各种方法。贯穿以下公开内容，术语“控制装置”表示车辆控制器102和/或马达控制器132中的一者或多者，取决于所描述的功能性。在一些示例中，能够使用单个控制器来实施车辆控制器102和马达控制器132。

图2示出了根据本公开的用于转向致动器的可实现角度、速度和加速度能力的实时估计的方法200。例如，方法200部分地由车辆控制器102且部分地由马达控制器132执行。方法200能够以预定的校准间隔重复，以检查和/或规划即时的时间范围内的路径/轨迹。方法200还能够用于使用其轮廓来检查相对较长期的规划的路径/轨迹并在需要的情况下和在需要时修正（即，更改或调整）该较长期的规划的路径/轨迹。

在202处，控制装置（例如，车辆控制器102）感测或接收驾驶状况（例如，车辆和环境参数）和EPS健康状况（例如，齿条和马达参数）。例如，EPS健康状况可指示整个EPS（即，整个转向系统104，在如上文所描述的一些示例中，其还可包括马达健康状况估计器114）的健康状况。例如，车辆和环境参数能够包括从第二传感器122接收到的数据。例如，从第二传感器122接收到的数据能够包括（但不限于）轮胎压力、环境温度、前轮轴载荷、路面μ（mu）（摩擦系数）等。例如，齿条和马达参数能够包括从马达控制器132接收到的数据。例如，从马达控制器132接收到的数据能够包括（但不限于）齿条内摩擦、马达130的健康状况（例如，扭矩能力）、马达控制器132和马达130的电源电压等。

在204处，基于接收到的数据，控制装置（例如，车辆控制器102）估计马达130的齿条力和基于健康状况的能力。参考图3来进一步详细描述齿条力估计。例如，基于健康状况的马达能力估计包括估计马达的扭矩能力的漂移或偏差。

在206处，基于估计的齿条力和马达能力，控制装置（例如，车辆控制器102）计算最大可实现方向盘角度（SWA）、方向盘角度梯度（SWG）和方向盘角度加速度（SWAA）。参考图6-图8来进一步详细描述这些计算。

在208处，控制装置（例如，车辆控制器102）确定计算的最大可实现SWA、SWG和SWAA中的任一者是否不一致，如参考图6-图8详细描述的。如果在这些计算中没有检测到不一致性，则在210处，控制装置检查规划的路径/轨迹（基于来自第一传感器120的输入所规划）是否落入由计算的最大可实现SWA、SWG和SWAA设定的约束内。

在212处，如果规划的路径/轨迹落入由计算的最大可实现SWA、SWG和SWAA设定的约束内，则控制装置（例如，马达控制器132）执行规划的路径/轨迹。附加地，如果规划的路径/轨迹落入这些约束内，则在214处，控制装置（例如，车辆控制器102）使用这些约束来规划车辆的未来路径/轨迹。控制装置返回到202。

如果规划的路径/轨迹未落入由计算的最大可实现SWA、SWG和SWAA设定的约束内，则在215处，控制装置（例如，马达控制器132）确定是否修正规划的路径/轨迹。如果控制装置决定不修正规划的路径/轨迹，则在216处，控制装置结束并向用户发送警报，如下文所解释的。然而，如果控制装置决定修正规划的路径/轨迹，则在218处，控制装置修正规划的路径/轨迹，并且控制装置返回到202。

如果在208处控制装置（例如，车辆控制器102）确定计算的最大可实现SWA、SWG和SWAA中的任一者不一致（如参考图6-8详细描述的），则在216处，控制装置结束并向用户发送警报。例如，警报能够是检查第二传感器122是否正确操作、马达130的扭矩曲线是否正确，或者是更新用于估计齿条力的模型（下文参考图3所解释的）。

图3示出了根据本公开的用于使用查找表和经训练的模型（例如，神经网络）来实时估计齿条力的方法300。例如，方法300由车辆控制器102来执行。虽然描述了用于估计齿条力的数据驱动的方法，但也能够使用组合了物理模型和基于数据的模型的其他方法。

在302处，控制装置（例如，车辆控制器102）使用离线构建的查找表（下文参考图4所解释的）来获得在名义驾驶状况下的齿条力。例如，控制装置使用当前车辆速度、当前SWA和当前SWG来查找齿条力。例如，控制装置从第二传感器122中的一个接收当前车辆速度，并且从马达控制器132接收当前SWA和SWG。

在304处，控制装置（例如，车辆控制器102）使用诸如神经网络之类的经训练的模型（下文参考图5所解释的）来获得调整因子（factor），以将在名义驾驶状况下的齿条力的值调整或调适成适应当前存在的特定驾驶状况。例如，如下文参考图5所详细解释的，能够基于各种因素来训练模型以提供调整因子。例如，这些因素能够包括与驾驶状况相关联的参数，诸如但不限于从第二传感器122接收到的轮胎压力、环境温度、前轮轴载荷、路面μ（摩擦系数）等。附加地，这些因素能够包括从第二传感器122中的一个接收到的当前车辆速度、以及从马达控制器132接收到的当前SWA和SWG。

在306处，控制装置（例如，车辆控制器102）将调整因子应用于在名义驾驶状况下的齿条力的值以估计在当前存在的特定驾驶状况下的齿条力。在图2中的204处引用了该对齿条力的估计，并且在图2中的206处使用了该估计的齿条力。

图4示出了用于构建在图3中的302处引用的查找表的方法。该方法通过以下方式来构建查找表：通过在正常驾驶状况下试驾车辆并且以不同的速度执行各种转向操控来测量齿条力。例如，该方法测量在第一组车辆速度和第一组转向数据（即，SWA和SWG值）下的第一组齿条力。该方法通过对第一组齿条力进行插值来估计针对第二组车辆速度和第二组转向数据（即，SWA和SWG值）的第二组齿条力。该方法生成查找表，该查找表包括针对第一组车辆速度和第二组车辆速度以及第一组转向数据和第二组转向数据（即，SWA和SWG值）所生成的第一组齿条力和第二组齿条力。

在使用中（即，在图3中的302处引用的运行时间），查找表能够基于当前车辆速度和当前转向数据（即，当前SWA和SWG值）来实时提供在名义驾驶状况下的齿条力。例如，该方法由车辆控制器102来执行。

在320处，在名义驾驶状况下试驾车辆，并且在不同的车辆速度下执行各种转向操控。在322处，当车辆以不同的SWA和SWG转向时，控制装置（例如，车辆控制器102）计算在不同车辆速度下的齿条力。例如，控制装置从第二传感器122中的一个接收车辆速度，并且从马达控制器132接收SWA和SWG。

在324处，控制装置（例如，车辆控制器102）对齿条力数据进行插值并计算在各种附加车辆速度和各种其他转向数据（即，SWA和SWG值）下的齿条力，所述各种附加车辆速度和各种其他转向数据在试驾期间未实现但能够在实际使用中（即，在实际驾驶状况下）体验到。在326处，控制装置（例如，车辆控制器102）以在名义驾驶状况下针对不同车辆速度下的各种SWA和SWG值的齿条力来构建查找表。在使用中（即，在图3中的302处引用的运行时间），当前车辆速度和转向数据（例如，SWA和SWG）的当前值被输入到查找表。查找表输出在名义驾驶状况下对应的齿条力值。

图5示出了根据本公开的训练模型（诸如，神经网络）以用于提供调整因子的方法。调整因子能够应用于在正常状况下计算的齿条力以估计在实时存在的特定驾驶状况下的齿条力。该模型能够包括神经网络、机器学习模型、查找表、基于物理的模型或任何其他模型。该模型被训练以学习当驾驶状况从名义驾驶状况发生改变时齿条力如何改变。

在使用中（即，在图3中的304处引用的运行时间），经训练的模型能够接收关于车辆的当前特定驾驶状况的数据，并且能够为当前特定驾驶状况提供乘数（即，调整因子）。例如，数据能够包括从第二传感器122接收到的轮胎压力、环境温度、前轮轴载荷、路面μ（摩擦系数）等。附加地，数据能够包括从第二传感器122中的一个接收到的当前车辆速度、以及从马达控制器132接收到的当前SWA和SWG。能够使用乘数（例如，在图3中的306处）来调整在名义驾驶状况下的齿条力（例如，在302处从查找表获得），以提供在车辆的当前特定驾驶状况下的齿条力。例如，该方法由车辆控制器102来执行。

在340处，控制装置（例如，车辆控制器102）观察在名义驾驶状况变化时齿条力如何改变。例如，控制装置通过在使用期间令能够改变齿条力的因素发生变化来观察齿条力如何改变。例如，这些因素能够包括（但不限于）前轮轴载荷、环境温度等。

在342处，控制装置（例如，车辆控制器102）训练模型以在不同的SWA和SWG下针对不同驾驶状况（例如，针对不同的驾驶和环境参数）来计算固定齿条力。例如，驾驶和环境参数能够包括（但不限于）轮胎压力、环境温度、前轮轴载荷、路面μ（摩擦系数）等。

在344处，控制装置（例如，车辆控制器102）训练模型，以通过将在当前驾驶状况下计算的固定齿条力与在名义驾驶状况下的固定齿条力进行比较来计算调整因子（例如，乘数）。在使用中（例如，在图3中的306处），当前驾驶和环境参数和转向数据（例如，SWA和SWG）的当前值被输入到经训练的模型。经训练的模型输出对应的调整因子，该调整因子能够用于与在名义驾驶状况下的齿条力（例如，在302处从查找表获得）相乘以提供在当前特定驾驶状况下的齿条力值。然后，将因此获得的在当前特定驾驶状况下的齿条力值用作206处的估计的齿条力。

图6-图8分别示出和描述了用于基于估计的齿条力和基于健康状况的马达能力来实时计算最大可实现方向盘角度（SWA）、方向盘角度梯度（SWG）和方向盘角度加速度（SWAA）的方法。这些图还示出和描述了确定计算的最大可实现SWA、SWG和SWAA中的任一者是否不一致（即，与规划的路径的包括SWA、SWG和SWAA的当前值的对应要求不兼容）。计算最大可实现SWA、SWG和SWAA的目的是为了确定车辆控制器102在路径规划中可用的操控性。即，基于计算的最大可实现SWA、SWG和SWAA，车辆控制器102能够确定规划的路径是否能够由转向系统104执行。

图6示出了根据本公开的用于基于估计的齿条力和基于健康状况的马达能力来实时计算最大可实现方向盘角度（SWA）的方法400。例如，车辆控制器102执行方法400。

图6还示出了绘制在Y轴390上的齿条力相对于绘制在X轴392上的小齿轮速度或SWG的图。由马达健康状况估计器114输出的图以作为SWG（输入）的函数的马达的扭矩能力（输出）来示出马达130的齿条力能力。例如，该图示出了基于温度的齿条力能力的漂移。其他因素（诸如，马达130的老化（磁场削弱））也能够引起齿条力能力的漂移。该图示出了使用点线绘制的第一曲线394，其示出了在相对较低的温度下齿条力相对于SWG的变化。该图示出了使用实线绘制的第二曲线396，这些实线示出在相对较高的温度下齿条力相对于SWG的变化。在以下对图6-图8的描述中引用该图。

在402处，控制装置（例如，车辆控制器102）使用当前SWG以从图查找EPS齿条力能力。在404处，控制装置将计数n设定为零（即，n＝0）并将SWA设定为当前SWA（即，SWA＝当前SWA）。为了计算最大可实现SWA（以便确定是否能够达到更大的SWA以实现具有更大操控性的目的），控制装置（例如，车辆控制器102）如下递增SWA，直到齿条力大于或等于EPS齿条力能力。

在406处，控制装置（例如，车辆控制器102）将计数n递增1（即，n=n+1）。控制装置使用驾驶状况、SWG、车辆速度和SWA值来计算齿条力。在408处，控制装置（例如，车辆控制器102）根据图来确定齿条力是否大于或等于EPS齿条力能力。如果齿条力小于EPS齿条力能力，则在410处，控制装置（例如，车辆控制器102）记录（即，存储）SWA。在412处，控制装置（例如，车辆控制器102）将SWA递增预定的小值Δ（例如，SWA=SWA+Δ），并且控制装置返回到406。控制装置重复循环406、408、410、412，直到齿条力变得大于或等于（即，匹配）EPS齿条力能力。

如果齿条力大于或等于EPS齿条力能力，则在414处，控制装置（例如，车辆控制器102）检查是否n＝1。如果n不等于1，则在416处，控制装置（例如，车辆控制器102）确定最大可实现SWA是上一次记录的SWA，并且控制装置结束。如果n＝1（这意味着计算的齿条力无法维持当前SWA（这是不一致性）），则在418处，控制装置（例如，车辆控制器102）向用户发送警报。例如，警报能够是检查第二传感器122是否正确操作、马达130的扭矩曲线是否正确，或者是更新用于估计齿条力的模型（上文参考图3所解释的），并且控制装置结束。

图7示出了根据本公开的用于基于估计的齿条力和基于健康状况的马达能力来实时计算最大可实现方向盘角度加速度（SWAA）的方法440。例如，车辆控制器102执行方法440。

在442处，控制装置（例如，车辆控制器102）使用当前SWG以从图6中所示的图查找EPS齿条力能力。为了计算最大可实现SWAA，在444处，控制装置（例如，车辆控制器102）确定来自图的EPS齿条力能力是否大于或等于当前齿条力。如果EPS齿条力能力大于或等于当前齿条力，则在446处，控制装置（例如，车辆控制器102）计算EPS齿条力能力和当前齿条力之间的差异。控制装置将该差异除以转向系统104的惯性以确定最大可实现SWAA，并且控制装置结束。

如果EPS齿条力能力小于当前齿条力，则在448处，控制装置（例如，车辆控制器102）检测异常并向用户发送警报。例如，警报能够是检查第二传感器122是否正确操作、马达130的扭矩曲线是否正确，或者是更新用于估计齿条力的模型（上文参考图3所解释的），并且控制装置结束。

图8示出了根据本公开的用于基于估计的齿条力和基于健康状况的马达能力来实时计算最大可实现方向盘梯度（SWG）的方法480。例如，车辆控制器102执行方法480。

因为齿条力能力是随SWG而定的，所以在482处，控制装置（例如，车辆控制器102）使用当前齿条力以从马达能力曲线查找SWG（例如，参见图6中的图中所示的截距（intercept）的示例）。为了计算最大可实现SWG，在484处，控制装置（例如，车辆控制器102）确定当前SWG是否大于被查找的SWG。如果当前SWG小于或等于被查找的SWG，则在486处，控制装置（例如，车辆控制器102）确定被查找的SWG是最大可实现SWG，并且控制装置结束。

如果当前SWG大于被查找的SWG，则在488处，控制装置（例如，车辆控制器102）检测异常并向用户发送警报。例如，警报能够是检查第二传感器122是否正确操作、马达130的扭矩曲线是否正确，或者是更新用于估计齿条力的模型（上文参考图3所解释的），并且控制装置结束。

图9示出了根据本公开的用于实时检查规划的路径轨迹（即，验证规划的路径轨迹的可行性）的方法500。例如，车辆控制器102和马达控制器132执行方法500。在502处，控制装置（例如，车辆控制器102）确定规划的路径是否满足约束（即，规划的路径的SWA、SWG和SWAA是否小于或等于计算的最大可实现SWA、SWG和SWAA）。如果规划的路径满足这些约束，则在504处，（例如，马达控制器132）执行规划的路径，并且控制装置返回到502。如果规划的路径不满足这些约束，则在506处，控制装置（例如，车辆控制器102）修正（即，调整）规划的路径，并且控制装置进行到504。

图10示出了根据本公开的用于事后检查齿条力估计的准确性的方法550。例如，车辆控制器102执行方法550，以确定齿条力估计有多准确（例如，在图2中的204处）以及是否需要基于准确性确定来进一步训练模型。例如，车辆控制器102执行方法550。

在552处，控制装置（例如，车辆控制器102）设定计数N=0以及N

在556处，控制装置确定R1和R2之间的差异是否大于或等于第一阈值T1。如果R1和R2之间的差异小于第一阈值T1，则控制装置进行到560。如果R1和R2之间的差异大于或等于第一预定阈值T1，则在558处，控制装置递增N

在560处，控制装置确定N是否大于或等于第二预定阈值T2以及比率N

前面的描述本质上仅仅是图示性的，并且不旨在限制本公开、其应用或使用。本公开的广泛教导能够以各种形式实施。因此，尽管本公开包括特定示例，但是本公开的真实范围不应受到如此限制，因为在研究附图、说明书和以下权利要求时，其他修改将变得显而易见。应理解的是，方法内的一个或多个步骤可以以不同次序（或同时）执行，而不更改本公开的原理。进一步地，虽然上文将实施例中的每一个描述为具有某些特征，但是关于本公开的任何实施例描述的那些特征中的任何一个或多个能够在其他实施例中的任一者的特征中实施和/或与其组合，即使该组合未明确描述。换句话说，所描述的实施例不是相互排斥的，并且一个或多个实施例彼此的排列仍然在本公开的范围内。

元件之间（例如，模块、电路元件、半导体层等之间）的空间和功能关系使用各种术语来描述，包括“连接”、“接合”、“联接”、“相邻”、“紧邻”、“在……顶部”、“上方”、“下方”和“设置”。除非明确地描述为“直接”，否则当在上面的公开中描述第一元件和第二元件之间的关系时，该关系能够是在第一元件和第二元件之间不存在其他介入元件的直接关系，但也能够是在第一元件和第二元件之间存在（空间抑或功能上）一个或多个介入元件的间接关系。如本文中所使用的，短语A、B和C中的至少一者应被解释为使用非排他性逻辑或来意指逻辑（A或B或C），并且不应被解释为意指“A中的至少一者、B中的至少一者、以及C中的至少一者”。

在附图中，如由箭头指示的箭头方向总体上展示图示所感兴趣的信息（诸如，数据或指令）的流动。例如，当元件A和元件B交换各种信息但是从元件A传输到元件B的信息与图示相关时，箭头可从元件A指向元件B。该单向箭头并不暗示没有其他信息从元件B传输到元件A。进一步地，对于从元件A发送给元件B的信息，元件B可向元件A发送针对信息的请求或接收确认。

在本申请（包括下面的定义）中，术语“模块”或术语“控制器”可用术语“电路”代替。术语“模块”可指代以下各者、为以下各者的一部分、或包括以下各者：专用集成电路（ASIC）；数字、模拟或混合模拟/数字分立电路；数字、模拟或混合模拟/数字集成电路；组合逻辑电路；现场可编程门阵列（FPGA）；执行代码的处理器电路（共享、专用或组）；存储由处理器电路执行的代码的存储器电路（共享、专用或组）；提供所描述的功能性的其他合适的硬件部件；或者以上各者中的一些或全部的组合，诸如在片上系统中。

模块可包括一个或多个接口电路。在一些示例中，接口电路可包括连接到局域网（LAN）、因特网、广域网（WAN）或其组合的有线或无线接口。本公开的任何给定模块的功能性可分布在经由接口电路连接的多个模块当中。例如，多个模块可允许载荷平衡。在进一步的示例中，服务器（也被称为远程或云）模块可代表客户端模块完成某种功能性。

如上文所使用的术语代码可包括软件、固件和/或微代码，并且可指代程序、例程、函数、类、数据结构和/或对象。术语共享处理器电路涵盖单个处理器电路，其执行来自多个模块的一些或所有代码。术语组处理器电路涵盖处理器电路，该处理器电路与附加的处理器电路组合来执行来自一个或多个模块的一些或所有代码。对多个处理器电路的引用涵盖分立管芯上的多个处理器电路、单个管芯上的多个处理器电路、单个处理器电路的多个核、单个处理器电路的多个线程、或以上各者的组合。术语共享存储器电路涵盖单个存储器电路，其存储来自多个模块的一些或所有代码。术语组存储器电路涵盖存储器电路，该存储器电路与附加的存储器组合来存储来自一个或多个模块的一些或所有代码。

术语存储器电路是术语计算机可读介质的子集。如本文中所使用的术语计算机可读介质不涵盖通过介质（诸如，在载波上）传播的瞬时电信号或电磁信号；因此，术语计算机可读介质可被认为是有形的和非暂时性的。非暂时性、有形计算机可读介质的非限制性示例是非易失性存储器电路（诸如，快闪存储器电路、可擦除可编程只读存储器电路或掩模只读存储器电路）、易失性存储器电路（诸如，静态随机存取存储器电路或动态随机存取存储器电路）、磁性存储介质（诸如，模拟或数字磁带或硬盘驱动器）、以及光学存储介质（诸如，CD、DVD或蓝光光盘）。

本申请中所描述的设备和方法可由专用计算机部分地或全部地实施，该专用计算机通过将通用计算机配置成执行体现在计算机程序中的一个或多个特定功能而创建。上文所描述的功能块、流程图部件和其他元件用作软件规范，其能够通过熟练技术人员或程序员的例行工作转换成计算机程序。

计算机程序包括存储在至少一个非暂时性、有形计算机可读介质上的处理器可执行指令。计算机程序还可包括或依赖于所存储的数据。计算机程序可涵盖与专用计算机的硬件交互的基本输入/输出系统（BIOS）、与专用计算机的特定装置交互的装置驱动程序、一个或多个操作系统、用户应用程序、后台服务、后台应用程序等。

计算机程序可包括：（i）要解析的描述性文本，诸如HTML（超文本标记语言）、XML（可扩展标记语言）或JSON（JavaScript对象表示法），（ii）汇编代码，（iii）由编译器从源代码生成的目标代码，（iv）由解释器执行的源代码，（v）由即时编译器编译和执行的源代码等。仅作为示例，可使用语法由包括C、C++、C#、Objective-C、Swift、Haskell、Go、SQL、R、Lisp、Java®、Fortran、Perl、Pascal、Curl、OCaml、Javascript®、HTML5（超文本标记语言第5版）、Ada、ASP（动态服务器网页）、PHP（PHP：超级文本预处理语言）、Scala、Eiffel、Smalltalk、Erlang、Ruby、Flash®、Visual Basic®、Lua、MATLAB、SIMULINK和Python®的语言编写源代码。