刹车状态识别方法及车辆与流程

本技术涉及智能座舱，尤其涉及一种刹车状态识别方法及车辆。

背景技术：

1、刹车变软是车辆行驶过程中常见的制动异常现象，具体表现为制动踏板行程增大、制动响应滞后，同等踏板踩踏力度下车辆制动力显著下降，该故障会直接延长车辆制动距离，大幅降低行车安全性，极易引发道路交通事故。

2、目前针对车辆刹车变软的检测方式较为传统，主要依靠驾驶员主观驾驶感受判断，或通过定期线下拆机、设备检测完成故障排查。该类方式无法实时捕捉雨天潮湿工况下的动态制动异常，难以实现刹车变软故障的在线识别与提前预警，故障发现滞后性强，无法及时规避制动失效带来的行车安全隐患。

技术实现思路

1、本技术实施例提供了一种刹车状态识别方法、装置、车辆及存储介质，可以摆脱传统依靠人工主观感受判定刹车状态的局限，能够客观量化湿滑环境下制动变软程度，同时依托持续湿滑工况下的时序数据实时完成整套运算，无需线下设备检测，可提前识别制动系统受潮、制动盘水膜堆积引发的刹车衰减隐患，提升湿滑路面刹车故障识别的实时性、稳定性与量化精准度。具体技术方案如下：

2、在本技术实施例的第一方面，首先提供了一种刹车状态识别方法，所述方法包括：

3、获取车辆持续湿滑工况下多个预设时长窗口内分别计算得到的多类制动特征指标值；

4、基于多个预设时长窗口内各自的所述多类制动特征指标值，统计得到多类目标制动特征指标值；

5、融合所述多类目标制动特征指标值，得到刹车状态量化评分，并根据所述刹车状态量化评分识别车辆刹车状态。

6、在一个可选的实施方式中，所述多类制动特征指标值包括制动响应迟滞指数、湿滑制动效能衰减系数、水膜累积驱散不足指数；

7、所述基于多个预设时长窗口内各自的所述多类制动特征指标值，统计得到多类目标制动特征指标值，包括：

8、求取全部预设时长窗口内的所述制动响应迟滞指数的平均值，作为目标制动响应迟滞指数；

9、求取全部预设时长窗口内的所述湿滑制动效能衰减系数的平均值，作为目标湿滑制动效能衰减系数；

10、求取全部预设时长窗口内的所述水膜累积驱散不足指数的平均值，作为目标水膜累积驱散不足指数；

11、所述融合所述多类目标制动特征指标值，得到刹车状态量化评分，包括：

12、分别对所述目标制动响应迟滞指数、所述目标湿滑制动效能衰减系数、所述目标水膜累积驱散不足指数进行归一化，得到三类归一化指标；

13、按照三类归一化指标各自对应的预设权重线性加权求和，计算得到所述刹车状态量化评分。

14、在一个可选的实施方式中，所述根据所述刹车状态量化评分识别车辆刹车状态，包括：

15、确定所述刹车状态量化评分所处的评分区间，并匹配所述评分区间对应的刹车状态等级；

16、所述方法还包括：

17、输出所述刹车状态等级对应的驾驶提示与处置建议。

18、在一个可选的实施方式中，所述制动响应迟滞指数通过以下方式计算：

19、在所述预设时长窗口内统计各有效制动响应时间以及各有效制动响应时间对应的制动起始车速；

20、求取全部有效制动响应时间的第一中位数及全部制动起始车速的第二中位数；

21、基于所述第二中位数对所述第一中位数进行归一化处理，得到制动响应迟滞指数。

22、在一个可选的实施方式中，所述在所述预设时长窗口内统计各有效制动响应时间，包括：

23、在所述预设时长窗口内，监测每次制动踏板由未踩下状态切换至踩下状态对应的制动起始时刻；

24、以所述制动起始时刻为起点，提取本次制动过程中纵向加速度的最小值，及纵向加速度达到最小值与预设比例的乘积的稳定时刻；

25、若所述纵向加速度的最小值小于预设有效制动阈值，则计算所述稳定时刻与所述制动起始时刻的时间差值；

26、若所述时间差值落在预设差值区间内，则将所述时间差值确定为有效制动响应时间；

27、若所述时间差值未落在预设差值区间内，则剔除所述时间差值。

28、在一个可选的实施方式中，所述基于所述第二中位数对所述第一中位数进行归一化处理，得到制动响应迟滞指数，包括：

29、将预设固定系数与所述第二中位数相乘得到乘积项，将所述乘积项与预设基准时长相加得到参考响应时间；

30、将所述第一中位数除以所述参考响应时间，得到制动响应迟滞指数。

31、在一个可选的实施方式中，所述湿滑制动效能衰减系数通过以下方式计算：

32、在所述预设时长窗口内筛选满足有效采样条件的多个有效采样时刻，所述有效采样条件包括制动踏板处于踩下状态、车速大于预设车速阈值及制动主缸压力大于预设压力阈值；

33、针对任一所述有效采样时刻，分别确定所述有效采样时刻的理论减速度以及实际减速度；

34、根据所述理论减速度及所述实际减速度，确定所述有效采样时刻的效能比；

35、依据多个有效采样时刻的效能比，确定湿滑制动效能衰减系数。

36、在一个可选的实施方式中，所述确定所述有效采样时刻的理论减速度，包括：

37、获取所述有效采样时刻的制动主缸压力，将所述制动主缸压力与预设制动因数相乘，得到乘积项；

38、获取预设整车质量，将乘积项除以所述预设整车质量，得到所述有效采样时刻的理论减速度。

39、在一个可选的实施方式中，所述根据所述理论减速度及所述实际减速度，确定所述有效采样时刻的效能比，包括：

40、将所述实际减速度除以所述理论减速度，得到初始效能比；

41、将所述初始效能比截断至预设能效比区间，得到所述有效采样时刻的效能比。

42、在一个可选的实施方式中，所述依据多个有效采样时刻的效能比，确定湿滑制动效能衰减系数，包括：

43、求取多个有效采样时刻的效能比的平均能效比，并获取预设基础衰减基准值；

44、将所述预设基础衰减基准值减去所述平均能效比，得到湿滑制动效能衰减系数。

45、在一个可选的实施方式中，所述水膜累积驱散不足指数通过以下方式计算：

46、在所述预设时长窗口内，针对任一时刻，分别确定所述时刻的基础风险与时间因子；

47、将所述基础风险与所述时间因子相乘，得到所述时刻的瞬时水膜风险；

48、根据所述预设时长窗口内每个时刻的所述瞬时水膜风险，确定水膜累积驱散不足指数。

49、在一个可选的实施方式中，确定所述时刻的基础风险，包括：

50、获取所述时刻的瞬时车速，并判断所述瞬时车速是否小于预设瞬时车速阈值；

51、在所述瞬时车速小于所述预设瞬时车速阈值的情况下，获取所述时刻的降雨强度及雨刮器强度等级；

52、将所述降雨强度除以预设第一系数得到第一计算项，将所述雨刮器强度等级除以预设第二系数得到第二计算项；

53、将所述第一计算项与第二计算项相加，得到所述时刻的基础风险；

54、在所述瞬时车速大于或等于所述预设瞬时车速阈值的情况下，将所述时刻的基础风险赋值为预设基准风险值。

55、在一个可选的实施方式中，确定所述时刻的时间因子，包括：

56、获取所述时刻距离上次制动结束的时间间隔，将所述时间间隔除以预设第三系数后与预设基础因子相加，得到初始时间因子；

57、将所述初始时间因子截断至预设因子区间，得到所述时刻的时间因子。

58、在一个可选的实施方式中，所述根据所述预设时长窗口内每个时刻的所述瞬时水膜风险，确定水膜累积驱散不足指数，包括：

59、求取所述预设时长窗口内全部时刻的所述瞬时水膜风险的平均值；

60、获取车辆持续湿滑工况下的累计出行次数，将所述累计出行次数除以预设第四系数得到出行修正项；

61、从所述出行修正项与预设修正上限值中选取最小值作为修正系数，将平均值乘以修正系数，得到初始水膜累积驱散不足指数；

62、将所述初始水膜累积驱散不足指数截断至预设指数区间，得到水膜累积驱散不足指数。

63、在本技术实施例的第二方面，还提供了一种刹车状态识别装置，所述装置包括：

64、指标值获取模块，用于获取车辆持续湿滑工况下多个预设时长窗口内分别计算得到的多类制动特征指标值；

65、指标值统计模块，用于基于多个预设时长窗口内各自的所述多类制动特征指标值，统计得到多类目标制动特征指标值；

66、指标值融合模块，用于融合所述多类目标制动特征指标值，得到刹车状态量化评分；

67、刹车状态识别模块，用于根据所述刹车状态量化评分识别车辆刹车状态。

68、在本技术实施例的第三方面，还提供了一种车辆，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

69、存储器，用于存放计算机程序；

70、处理器，用于执行存储器上所存放的程序时，实现上述第一方面中任一所述的刹车状态识别方法。

71、在本技术实施例的第四方面，还提供了一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面中任一所述的刹车状态识别方法。

72、在本技术实施例的第五方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的刹车状态识别方法。

73、本技术实施例提供的技术方案，获取车辆持续湿滑工况下多个预设时长窗口内分别计算得到的多类制动特征指标值，基于多个预设时长窗口内各自的多类制动特征指标值，统计得到多类目标制动特征指标值，融合多类目标制动特征指标值，得到刹车状态量化评分，并根据刹车状态量化评分识别车辆刹车状态。

74、本方案先获取车辆持续湿滑工况下多预设时长窗口各自对应的多类制动特征指标值，再对同一类指标在全部窗口的数值进行统计处理得到各类目标制动特征指标值，再融合各类目标指标输出刹车状态量化评分并依托评分识别刹车状态，首先通过多窗口同步采集指标能够规避单段行驶数据偶然波动造成的指标失真问题，经多窗口统计处理得到目标指标可进一步平滑采样噪声、降低瞬时路况或单次制动行为带来的计算偏差，再将多维度制动指标融合量化形成统一评分，摆脱传统依靠人工主观感受判定刹车状态的局限，能够客观量化湿滑环境下制动变软程度，同时依托持续湿滑工况下的时序数据实时完成整套运算，无需线下设备检测，可提前识别制动系统受潮、制动盘水膜堆积引发的刹车衰减隐患，提升湿滑路面刹车故障识别的实时性、稳定性与量化精准度。