车辆状态预测方法、装置、设备及存储介质与流程

本发明涉及车辆，尤其涉及一种车辆状态预测方法、装置、设备及存储介质。

背景技术：

1、随着智能辅助驾驶的兴起，车辆的主动安全控制技术也随之迅速发展，大大提高了车辆的主动安全性能，控制系统的效果好坏取决于输入的车辆状态信息是否准确、可靠，而某些状态信息难以测得或测量成本过高，可以通过状态估计的方法得到，如纵向车速、横向车速、质心侧偏角等，然而，现有研究主要集中在乘用车领域，商用车这类重型卡车领域的相关研究和应用相对较少；此外，直接将乘用车的主动安全控制技术应用于商用车并不能取得理想效果，因为乘用车和商用车在结构和质量上存在很大差异，因此，如何对商用车进行状态估计成为了亟待解决的问题。

2、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种车辆状态预测方法、装置、设备及存储介质，旨在解决现有技术无法对商用车进行状态估计的技术问题。

2、为实现上述目的，本发明提供了一种车辆状态预测方法，所述方法包括以下步骤：

3、根据待预测商用车的车速信息、汽车总质量、距离信息以及轮胎受力信息建立所述待预测商用车的目标动力学模型；

4、根据加速度信息和速度信息建立目标运动学模型；

5、根据所述目标动力学模型、目标运动学模型以及预设前向欧拉积分方式，得到车辆状态模型；

6、输入车载传感器采集的传感器数据至所述车辆状态模型，得到初始状态向量；

7、根据所述初始状态向量进行状态预测，得到所述待预测商用车的状态预测信息。

8、可选地，所述根据所述目标动力学模型、目标运动学模型以及预设前向欧拉积分方式，得到车辆状态模型，包括：

9、根据目标动力学模型、目标运动学模型以及预设前向欧拉积分方式，得到离散状态模型；

10、根据车载传感器采集的传感器数据和所述离散状态模型对车辆运动信息进行计算，得到动力学状态模型和运动学状态模型；

11、基于所述动力学状态模型和所述运动学状态模型确定车辆状态模型。

12、可选地，所述输入车载传感器采集的传感器数据至所述车辆状态模型，得到初始状态向量，包括：

13、对车载传感器采集的传感器数据进行提取，确定当前车速；

14、在所述当前车速小于车速阈值时，输入所述传感器数据至车辆状态模型中的运动学状态模型，得到初始状态向量；

15、在所述当前车速不小于车速阈值时，输入所述传感器数据至车辆状态模型中的动力学状态模型，得到初始状态向量。

16、可选地，所述根据所述初始状态向量进行状态预测，得到所述待预测商用车的状态预测信息，包括：

17、基于混合模型概率对初始状态向量进行计算，得到混合状态向量和混合协方差；

18、分别对所述混合状态向量和所述混合协方差进行校正，得到校正状态向量和校正协方差；

19、基于所述车辆状态模型和预设函数计算方式进行概率更新，得到目标更新概率；

20、基于所述目标更新概率对所述校正状态向量和所述校正协方差进行融合，得到所述待预测商用车的状态预测信息。

21、可选地，所述基于混合模型概率对初始状态向量进行计算，得到混合状态向量和混合协方差之前，还包括：

22、基于预设时间步长对所述车辆状态模型的概率进行定义，得到初始模型概率；

23、基于当前时间步长和所述初始模型概率，得到混合模型概率。

24、可选地，所述分别对所述混合状态向量和所述混合协方差进行校正，得到校正状态向量和校正协方差，包括：

25、根据所述车辆状态模型、混合状态向量以及混合协方差，得到预测状态向量和预测协方差；

26、分别对所述预测状态向量和所述预测协方差进行校正；

27、根据校正结果得到校正状态向量和校正协方差。

28、可选地，所述基于所述车辆状态模型和预设函数计算方式进行概率更新，得到目标更新概率，包括：

29、基于预设函数计算方式对所述车辆状态模型计算，得到车辆似然函数；

30、根据所述车辆似然函数和初始模型概率进行计算，得到目标更新概率。

31、此外，为实现上述目的，本发明还提出一种车辆状态预测装置，所述车辆状态预测装置包括：

32、此外，为实现上述目的，本发明还提出一种车辆状态预测设备，所述车辆状态预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆状态预测程序，所述车辆状态预测程序配置为实现如上文所述的车辆状态预测方法的步骤。

33、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有车辆状态预测程序，所述车辆状态预测程序被处理器执行时实现如上文所述的车辆状态预测方法的步骤。

34、本发明通过根据待预测商用车的车速信息、汽车总质量、距离信息以及轮胎受力信息建立所述待预测商用车的目标动力学模型；根据加速度信息和速度信息建立目标运动学模型；根据目标动力学模型、目标运动学模型以及预设前向欧拉积分方式，得到车辆状态模型；输入车载传感器采集的传感器数据至车辆状态模型，得到初始状态向量；根据初始状态向量进行状态预测，得到待预测商用车的状态预测信息。通过动力学模型和运动学模型得到车辆状态模型，输入传感器数据得到初始状态向量，最后进行预测得到状态预测信息，实现了对商用车进行状态预测，提高了状态预测结果的准确性。

技术特征：

1.一种车辆状态预测方法，其特征在于，所述车辆状态预测方法包括：

2.如权利要求1所述的方法，其特征在于，所述根据所述目标动力学模型、目标运动学模型以及预设前向欧拉积分方式，得到车辆状态模型，包括：

3.如权利要求1所述的方法，其特征在于，所述输入车载传感器采集的传感器数据至所述车辆状态模型，得到初始状态向量，包括：

4.如权利要求1所述的方法，其特征在于，所述根据所述初始状态向量进行状态预测，得到所述待预测商用车的状态预测信息，包括：

5.如权利要求4所述的方法，其特征在于，所述基于混合模型概率对初始状态向量进行计算，得到混合状态向量和混合协方差之前，还包括：

6.如权利要求4所述的方法，其特征在于，所述分别对所述混合状态向量和所述混合协方差进行校正，得到校正状态向量和校正协方差，包括：

7.如权利要求4所述的方法，其特征在于，所述基于所述车辆状态模型和预设函数计算方式进行概率更新，得到目标更新概率，包括：

8.一种车辆状态预测装置，其特征在于，所述车辆状态预测装置包括：

9.一种车辆状态预测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆状态预测程序，所述车辆状态预测程序配置为实现如权利要求1至7中任一项所述的车辆状态预测方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有车辆状态预测程序，所述车辆状态预测程序被处理器执行时实现如权利要求1至7任一项所述的车辆状态预测方法的步骤。

技术总结本发明属于车辆技术领域，公开了一种车辆状态预测方法、装置、设备及存储介质。本发明通过根据待预测商用车的车速信息、汽车总质量、距离信息以及轮胎受力信息建立所述待预测商用车的目标动力学模型；根据加速度信息和速度信息建立目标运动学模型；根据目标动力学模型、目标运动学模型以及预设前向欧拉积分方式，得到车辆状态模型；输入车载传感器采集的传感器数据至车辆状态模型，得到初始状态向量；根据初始状态向量进行状态预测，得到待预测商用车的状态预测信息。通过动力学模型和运动学模型得到车辆状态模型，输入传感器数据得到初始状态向量，最后进行预测得到状态预测信息，实现了对商用车进行状态预测，提高了状态预测结果的准确性。技术研发人员：冯高山,凌文权,何水龙,吕书锋,许恩永,林长波,李超,李慧,展新,冯海波,王善超,许家毅,邓聚才,陈乾,鲍家定,郑伟光,胡超凡,陈雪,王方圆,陈钰烨,赵德平,吴佳英,张释天,梁明运,庞凤受保护的技术使用者：东风柳州汽车有限公司技术研发日：技术公布日：2024/6/23