一种车辆底盘协同控制方法及系统与流程
本发明涉及车辆,具体涉及一种车辆底盘协同控制方法及系统。
背景技术:
1、随着智能网联与越野车型市场规模持续扩张,用户对车辆复杂路况下自主通行、底盘自适应调控的需求快速提升。当前智能底盘技术发展重心逐步从单一机械调节转向感知驱动电控协同方案,各类车载感知硬件、动力学控制器大规模装车落地,车辆能够在泥地、沙地、岩石、积雪等非结构化越野路况下自动匹配适配控制逻辑,降低驾驶员操作门槛,多传感器融合、底盘一体化协同控制成为行业公认技术发展主流趋势。
2、与此同时,随着末端配送无人车、园区物流车及无人干线卡车等无人物流车辆的大规模商业落地,其运行场景正逐步从封闭园区、结构化道路向半封闭厂区、矿区及乡村非铺装道路延伸。在上述场景中,无人车同样面临坑洼路面、路肩错台、井盖缺失、碎石路及施工路段等复杂地形挑战。与乘用车越野场景不同,无人物流车辆不具备驾驶员兜底能力,其感知-决策-控制系统需完全自主完成障碍物识别、通过性评估与轨迹规划,且对底盘协同控制的实时性、容错性提出了更高要求。此外,无人物流车辆通常搭载电池包等高价值部件,底盘磕碰导致的维修停机成本极高,其对复杂路况的自主通过能力与底盘主动保护需求迫切。
3、目前市面上主流车辆地形控制方案,多依靠单一传感或简易双传感采集路况数据,通过单层阈值判断完成地形粗略识别,识别后直接调取固化参数被动调节底盘,整套系统不存在多路径前瞻推演流程,也未设置多维度量化决策逻辑,仅能针对车辆当下所处路面执行基础调控动作。
4、现有方案核心缺陷集中在感知输出缺少量化置信支撑,仅依靠简单单层数据处理完成地形判断,恶劣越野工况下易发生地形误判,系统无法区分识别结果可靠程度,一旦出现地形判断偏差,会直接调用不匹配的底盘控制参数,大幅提升车辆托底、侧滑的安全风险。
技术实现思路
1、针对现有技术的不足,本发明的目的在于提供一种车辆底盘协同控制方法及系统,旨在解决现有技术中记载的上述问题。
2、本发明的第一方面在于提供一种车辆底盘协同控制方法,所述方法包括:
3、通过多模态传感器组采集车辆周边环境数据与车辆自身状态数据;
4、对车辆周边环境数据与车辆自身状态数据执行多层级融合处理,生成带置信度的地形识别结果与环境风险地图;
5、结合地形识别结果、环境风险地图及车辆状态,采用预判决策模型规划最优车辆通过策略;
6、根据最优车辆通过策略调用预先构建的控制参数映射库,生成并执行底盘各系统协同控制指令。
7、根据上述技术方案的一方面,采集车辆周边环境数据与车辆自身状态数据的步骤包括:
8、通过布设激光雷达、4d成像毫米波雷达、高清多光谱摄像头组、超声波雷达及底盘传感器,组成多模态传感器阵列,采集车辆周边环境数据;
9、采用ptp精密时间同步协议完成全部传感器硬件级时间对齐;
10、对采集的车辆周边环境数据依次执行去噪、误差校准、坐标变换处理;
11、通过惯性测量单元、轮速传感器、悬架高度传感器、悬架压力传感器采集车身姿态、车轮运转、悬架受力对应的车辆自身状态数据。
12、根据上述技术方案的一方面,对车辆周边环境数据与车辆自身状态数据执行多层级融合处理的步骤包括:
13、搭建数据层、特征层、决策层三级融合架构,分层完成多源传感数据整合处理;
14、配置动态权重注意力机制,依据摄像头眩光强度、毫米波雷达信噪比、激光雷达点云完整度,调整各传感器特征权重;
15、提取各传感器有效特征,完成特征拼接与归一化处理,利用深度神经网络执行初步地形分类;
16、采用d-s证据理论对多路识别结果开展高阶融合与冲突仲裁,输出带置信度的地形识别结果与环境风险地图。
17、根据上述技术方案的一方面,对车辆周边环境数据与车辆自身状态数据执行多层级融合处理的步骤还包括:
18、通过底盘传感器监测车辆俯仰角、侧滑角、车轮滑移率运行参数;
19、比对车辆实际运行状态与当前地形对应的预期状态,判断状态偏离量是否超出预设阈值;
20、当状态偏离持续时长超过预设时长时,终止当前地形模式,切换至基础安全模式;
21、通过车载交互界面输出提示信息,以用于指示驾驶员接管车辆。
22、根据上述技术方案的一方面,采用预判决策模型规划最优车辆通过策略的步骤包括:
23、调用轻量化物理引擎,结合车辆当前车速、车身姿态及环境风险地图,推演未来预设时间内各条行驶路径的车身姿态变化、托底、侧滑风险;
24、构建多维度价值评估函数,对各备选路径执行量化打分;
25、比对各备选路径的综合评价值,选取分值最高的备选路径作为最优车辆通过策略中的目标路径。
26、根据上述技术方案的一方面,根据最优车辆通过策略调用预先构建的控制参数映射库的步骤包括:
27、预先构建存储地形对应底盘控制参数的参数映射库,将参数映射库与车辆底层控制总线逻辑解耦;
28、按照最优车辆通过策略的时序与逻辑要求,向动力系统、空气悬架系统、转向系统、制动系统、四驱系统、差速锁系统下发协同控制指令;
29、通过配置独立策略管理模块,接收云端下发的差分升级数据包;
30、通过差分升级数据包对参数映射库执行在线更新。
31、根据上述技术方案的一方面,所述方法还包括模型迭代更新,包括:
32、获取车辆行驶过程中采集的多模态传感器组的原始数据、决策过程数据、通行结果数据,形成现场样本数据;
33、对现场样本数据执行匿名化与脱敏处理,去除隐私信息与车辆专属标识;
34、通过车联网将脱敏数据上传至云端,训练并迭代地形识别模型与决策模型。
35、本发明的第二方面在于提供一种车辆底盘协同控制系统,应用于上述技术方案当中所述的方法,所述系统包括:
36、数据获取模块,用于通过多模态传感器组采集车辆周边环境数据与车辆自身状态数据;
37、数据融合模块,用于对车辆周边环境数据与车辆自身状态数据执行多层级融合处理,生成带置信度的地形识别结果与环境风险地图;
38、策略规划模块,用于结合地形识别结果、环境风险地图及车辆状态,采用预判决策模型规划最优车辆通过策略;
39、策略执行模块,用于根据最优车辆通过策略调用预先构建的控制参数映射库,生成并执行底盘各系统协同控制指令。
40、本发明的第三方面在于提供一种可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述技术方案当中所述方法的步骤。
41、本发明的第四方面在于提供一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述技术方案当中所述方法的步骤。
42、与现有技术相比,采用本发明所示的车辆底盘协同控制方法及系统,有益效果在于:
43、本发明通过多模态传感器组同步采集环境与车身双维度数据,并依托多层级融合处理生成带置信度的地形识别结果与环境风险地图,可量化区分感知结果可信度,大幅降低恶劣户外工况下的地形误判概率,提升环境感知的稳定性与准确性。同时,本发明引入预判决策模型实现前方通行风险前瞻推演与最优通行策略筛选,改变了传统被动响应的控制模式,有效规避车辆托底、侧滑等安全隐患。最终通过预设参数映射库精准匹配场景控制参数,统一调度底盘各系统完成协同控制,有效解决了传统底盘调控碎片化、参数适配性差的问题,显著提升车辆在非结构化复杂路况下的通行安全性、行驶稳定性与场景自适应能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com