技术新讯 > 车辆装置的制造及其改造技术 > 一种基于驾驶风格识别的转向感觉控制方法  >  正文

一种基于驾驶风格识别的转向感觉控制方法

  • 国知局
  • 2024-08-02 16:33:29

本发明涉及车辆驾驶,特别是涉及一种基于驾驶风格识别的转向感觉控制方法。

背景技术:

1、随着汽车行业的快速发展,消费者对驾驶体验的需求日益增加,在讨论汽车产品时,个性化驾驶体验已成为人们关注的焦点,为此,越来越多的汽车制造商将驾驶风格纳入到汽车相关设计中,以提供更加个性化的驾驶体验,从而提升驾驶满意度。

2、cn117622168a提供了一种基于驾驶风格的跟驰行为预测方法、装置及设备,该方法首先获取目标车辆所处的当前交通环境参数及轨迹数据,接着根据所述轨迹数据校准对应的目标驾驶员的时变idm参数,并由该参数确定所述目标驾驶员的驾驶激进指数,进而确定所述目标驾驶员的隐式表达的驾驶风格,将所述驾驶风格及交通环境参数输入至预训练的基于神经过程的跟驰模型中,即可获得期望的跟驰行为。

3、cn117184065a提出了一种基于驾驶风格的驾驶员辅助调整方法,该方法首先检索驾驶员存储的驾驶辅助设置,同时收集驾驶过程中的操作行为数据,将上述信息输入到训练完成的机器学习程序中获取匹配的驾驶辅助设置,其中机器学习程序通过使用具有类似数据的其他驾驶员的群体数据进行训练,驾驶辅助设置可以是自适应巡航控制的行车间距、转弯速度、转换速率、加速或减速率等中的一个或多个。

4、上述发明都考虑将驾驶风格应用在汽车个性化驾驶体验上,能够在一定程度上提升驾驶员的驾驶满意度,但是未考虑将驾驶风格与转向感觉控制相结合,驾驶员的转向感觉是驾驶体验中较为重要的部分,然而,当前大多数汽车的电动助力转向系统主要面向一般驾驶员设计,其助力策略相对固定,对于转向相对激进的驾驶员,他们更希望获得更大的转向力矩以增强操控感;而偏好保守(谨慎)转向的驾驶员则可能更倾向于较小的转向力矩,以确保驾驶的平稳性,因此,识别驾驶员的驾驶风格并根据其自身偏好灵活地调整转向感觉,是进一步提升驾驶员转向感觉和驾驶体验的关键所在。

技术实现思路

1、本发明的目的在于提出一种基于驾驶风格识别的转向感觉控制方法,解决背景技术中提到的问题。

2、为实现上述目的,本发明提供如下技术方案:

3、一种基于驾驶风格识别的转向感觉控制方法,具体包括驾驶风格识别模块和力感曲线设计模块两大部分:

4、驾驶风格识别模块:

5、传感器模块:该模块由多个传感器部件组成,用于检测所需数据。由于本发明进行的主要是横向的控制,故对于表征驾驶风格的特征量,本发明选取能够反映转向习惯的操作和车辆状态参数。其中包括驾驶员转向时转向盘转角峰值δsw,max、转向盘转速峰值对应时刻的车辆速度vx以及车辆的横摆角速度峰值ωmax。

6、神经网络模块:本模块使用一个训练完成的bp神经网络用于进行驾驶风格的离线识别。本发明首先获取足量的能够体现不同驾驶风格的驾驶数据,其中每一组驾驶数据均包含上述所提及的四个表征驾驶风格的特征量。之后使用模糊c均值聚类方法对上述数据进行聚类处理,聚类时将聚类簇数设定为3,即将驾驶风格划分为三类(激进型,正常型,保守型)。聚类完成后,将得到三种驾驶风格对应的聚类中心(a1,b1,c1,d1),(a2,b2,c2,d2),(a3,b3,c3,d3)以及每组数据相对于三种类别的隶属度(αi1,αi2,αi3)。其中a,b,c,d分别代表四种特征量,下标1,2,3依次对应驾驶风格的激进型、普通型以及保守型,αi1,αi2,αi3分别代表第i组数据相对于激进型、普通型以及保守型的隶属度。之后将聚类数据在bp神经网络中进行训练,其中输入是4个特征量的对应数值,即驾驶员转向时转向盘转角峰值δsw,max、转向盘转速峰值对应时刻的车辆速度vx以及车辆的横摆角速度峰值ωmax,输出为对应的隶属度向量,表示该组数据到各个驾驶风格的隶属度。

7、力感曲线设计模块:

8、本模块用于进行最终的力感曲线设计,以实现个性化的转向感觉控制。模块内置了三种力感曲线以表征三种驾驶风格对应的基础转向力感,其中每种力感曲线包含两部分:当纵向车速较低(小于20km/h)时,车辆转向动力学响应不明显,转向盘转角位置代表了汽车转向运动强度,此时,力感曲线表示为驾驶员转向输入力矩与转向盘转角的对应关系。当纵向车速较高(大于20km/h)时,车辆转向动力学响应明显,侧向加速度代表了汽车转向运动强度,此时力感曲线是驾驶员转向输入力矩与侧向加速度的对应关系。下面介绍三种力感曲线的获取。

9、由于当前多数的转向力感控制策略都是针对一般的驾驶员也就是驾驶风格中的普通型驾驶员,故本发明参考gm公司关于理想转向盘力矩特性的研究成果完成针对普通型驾驶风格的力感曲线设计。另外两种力感曲线在普通型的力感曲线的基础上进行修正得到。上文提及聚类后得到三种驾驶风格对应的聚类中心(a1,b1,c1,d1),(a2,b2,c2,d2),(a3,b3,c3,d3),根据获取的聚类中心依次计算出激进型和保守型的每一个特征量相对于普通型的数值比例,将各个比例数值进行相应的修正并加和得到对应的驾驶风格相对于普通型的力感曲线修正系数,依照该系数对普通型力感曲线进行修正得到另外两种力感曲线。

10、

11、

12、其中k1,2,k3,2分别为激进型和保守型相对于普通型的修正系数,k1,k2,k3,k4,k5,k6,k7,k8分别是激进型和保守型的对应四种特征量的比例修正系数。上述比例修正系数经仿真和实验进行标定。

13、与现有技术相比,本发明的有益效果是:

14、本发明工作时,通过接受驾驶风格识别模块输出的驾驶风格隶属度向量(α1,α2,α3)得到当前驾驶行为相对于三种驾驶风格的隶属度,各个驾驶风格的隶属度α1,α2,α3与对应的修正系数k1,k2,k3进行乘积得到其基础转向力感的权重,将三种驾驶风格的基础力感曲线依照获取的权重系数进行合并,得到最终的力感曲线,其中修正系数依据仿真实验结果获取。

技术特征:

1.一种基于驾驶风格识别的转向感觉控制方法,其特征在于,包括驾驶风格识别模块和力感曲线设计模块;

2.根据权利要求1所述的一种基于驾驶风格识别的转向感觉控制方法,其特征在于,所述传感器模块由多个传感器部件组成,采集能够反映转向习惯的操作和车辆状态参数,其中包括驾驶员转向时转向盘转角峰值δsw,max、转向盘转速峰值对应时刻的车辆速度vx以及车辆的横摆角速度峰值ωmax。

3.根据权利要求2所述的一种基于驾驶风格识别的转向感觉控制方法,其特征在于,所述神经网络模块首先获取足量的能够体现不同驾驶风格的驾驶数据,其中每一组驾驶数据均包含四个表征驾驶风格的特征量,之后使用模糊c均值聚类方法对上述数据进行聚类处理,聚类时将聚类簇数设定为3,即将驾驶风格划分为激进型,正常型,保守型,聚类完成后,将得到三种驾驶风格对应的聚类中心(a1,b1,c1,d1),(a2,b2,c2,d2),(a3,b3,c3,d3)以及每组数据相对于三种类别的隶属度(αi1,αi2,αi3),其中a,b,c,d分别代表四种特征量,下标1,2,3依次对应驾驶风格的激进型、普通型以及保守型,αi1,αi2,αi3分别代表第i组数据相对于激进型、普通型以及保守型的隶属度,之后将聚类数据在bp神经网络中进行训练,其中输入是4个特征量的对应数值,即驾驶员转向时转向盘转角峰值δsw,max、转向盘转速峰值对应时刻的车辆速度vx以及车辆的横摆角速度峰值ωmax,输出为对应的隶属度向量,表示该组数据到各个驾驶风格的隶属度。

4.根据权利要求3所述的一种基于驾驶风格识别的转向感觉控制方法,其特征在于,所述力感曲线设计模块内置了三种力感曲线以表征三种驾驶风格对应的基础转向力感,其中每种力感曲线包含两部分:当纵向车速小于20km/h时,车辆转向动力学响应不明显,转向盘转角位置代表了汽车转向运动强度,此时,力感曲线表示为驾驶员转向输入力矩与转向盘转角的对应关系,当纵向车速大于20km/h时,车辆转向动力学响应明显,侧向加速度代表了汽车转向运动强度,此时力感曲线是驾驶员转向输入力矩与侧向加速度的对应关系。

5.根据权利要求4所述的一种基于驾驶风格识别的转向感觉控制方法,其特征在于,所述力感曲线的获取方法如下:聚类后得到三种驾驶风格对应的聚类中心(a1,b1,c1,d1),(a2,b2,c2,d2),(a3,b3,c3,d3),根据获取的聚类中心依次计算出激进型和保守型的每一个特征量相对于普通型的数值比例,将各个比例数值进行相应的修正并加和得到对应的驾驶风格相对于普通型的力感曲线修正系数,依照该系数对普通型力感曲线进行修正得到另外两种力感曲线;

技术总结本发明公开了一种基于驾驶风格识别的转向感觉控制方法,具体包括驾驶风格识别模块和力感曲线设计模块两大部分,本发明工作时,通过接受驾驶风格识别模块输出的驾驶风格隶属度向量(α<subgt;1</subgt;,α<subgt;2</subgt;,α<subgt;3</subgt;)得到当前驾驶行为相对于三种驾驶风格的隶属度,各个驾驶风格的隶属度α<subgt;1</subgt;,α<subgt;2</subgt;,α<subgt;3</subgt;与对应的修正系数K<subgt;1</subgt;,K<subgt;2</subgt;,K<subgt;3</subgt;进行乘积得到其基础转向力感的权重,将三种驾驶风格的基础力感曲线依照获取的权重系数进行合并,得到最终的力感曲线,其中修正系数依据仿真实验结果获取。技术研发人员:卢萍萍,代超,景疆辉,宋益萌,陈炜康受保护的技术使用者:吉林大学技术研发日:技术公布日:2024/7/4

本文地址:https://www.jishuxx.com/zhuanli/20240718/251280.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。