一种颠簸路面的汽车悬架控制系统的制作方法

1.本发明属于汽车制造领域，涉及用于颠簸路面的汽车悬架控制技术，具体是一种颠簸路面的汽车悬架控制系统。


背景技术：

2.汽车悬架系统是指车架、车身和车桥质检的一切传动装置，其功能在于保证牢固连接和有效减震，从而提高驾驶人、乘坐人的舒适性和安全性；而半主动悬架系统和主动悬架系统因其可以根据路况因素进行及时调整，被广泛应用于当前的汽车中。
3.针对主动悬架系统和半主动悬架系统，不同的控制方法被提出来用于改进其性能，既有pid控制、线性状态反馈等传统控制方法，也有神经网络、模糊控制等智能控制方法，在实际应用中，智能控制方法较传统控制方法优势明显。但是，现有技术仅着眼于智能控制方法本身，没有结合汽车的各种车载设备获取更多的参考数据以优化智能控制方法，导致汽车在行驶过程中舒适性不足；因此，亟需一种颠簸路面的汽车悬架控制系统。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种颠簸路面的汽车悬架控制系统，用于解决现有技术中对智能控制方法的优化不足，导致汽车舒适性不足的技术问题，本发明通过数据采集模块预先获取汽车移动方向的路况图像，结合悬架解释模型以及车辆的车速和重量计算出悬架调整系数，根据悬架调整系数对汽车悬架进行控制，以解决上述问题。
5.为实现上述目的，根据本发明的第一方面的实施例提出一种颠簸路面的汽车悬架控制系统，包括：
6.数据采集模块：通过与之相连的车载采集设备实时采集实时数据，并将实时数据发送至数据处理模块；其中，实时数据包括路况图像、车速和重量，且路况图像为汽车移动方向上的路面图像；
7.数据处理模块：对实时数据进行分析，获取颠簸参数，将颠簸参数与车速、重量整合生成实时数据序列；以及
8.根据实时数据序列和悬架解析模型获取悬架调整参数，并根据悬架调整参数实现对汽车悬架自动控制；其中，悬架解析模型表示实时数据序列和悬架调整参数之间的对应关系，且悬架解释模型包括线性拟合模型和人工智能模型。
9.优选的，所述数据采集模块分别与车载采集设备、数据处理模块通信和/或电气连接；
10.所述车载采集设备包括行车记录仪、摄像头和车速采集装置。
11.优选的，所述数据处理模块根据实时数据获取颠簸参数，包括：
12.提取实时数据中的路况图像，将路况图像经过图像预处理之后标记为目标图像；其中，图像预处理包括图像分割、图像去噪和灰度变换；
13.通过连续的目标图像对颠簸路面进行建模，获取路面模型；
14.结合车速、重量以及路面模型获取汽车轮胎的颠簸幅度，将颠簸幅度标记为颠簸参数。
15.优选的，所述线性拟合模型和所述人工智能模型均通过标准实验数据获取，且标准实验数据指在实验室模拟环境下获取的颠簸参数、车速、重量与最佳悬架参数；其中，最佳悬架参数指乘客处于舒适状态下的悬架参数。
16.优选的，所述线性拟合模型的获取包括：
17.将标准实现数据中的颠簸参数、车速和重量作为自变量，将最佳悬架参数作为因变量；
18.通过多项式拟合法建立映射模型，并将符合要求的映射模型标记为线性拟合模型。
19.优选的，当根据所述标准实验数据拟合的映射模型不符合要求时，则通过插值方式对标准实验数据进行扩展。
20.优选的，通过所述线性拟合模型获取悬架调整参数，包括：
21.将实时数据序列作为自变量输入至线性拟合模型获取输出参数；
22.获取当前汽车悬架的悬架参数；其中，悬架参数包括阻尼系数和弹簧刚度；
23.获取输出参数和悬架参数之间的差值，并标记为悬架调整参数。
24.优选的，通过所述人工智能模型获取悬挂调整参数，包括：
25.将实时数据序列作为输入数据输入至人工智能模型获取输出参数；其中，人工智能模型基于深度卷积神经网络或者rbf神经网络构建；
26.获取当前汽车悬架的悬架参数；其中，悬架参数包括阻尼系数和弹簧刚度；
27.获取输出参数和悬架参数之间的差值，并标记为悬架调整参数。
28.与现有技术相比，本发明的有益效果是：
29.1、本发明通过数据采集模块预先获取汽车移动方向的路况图像，结合悬架解释模型以及车辆的车速和重量计算出悬架调整系数，根据悬架调整系数对汽车悬架进行控制；克服数据采集和悬架控制之间的滞后性，提高汽车在颠簸路面的稳定性和舒适性。
30.2、本发明在获取悬架调整参数过程中，提供了线性拟合模型和人工智能模型两种悬架解析模型，线性拟合模型数据需求少，运行速度快，人工智能模型精度高，能够保证汽车在不同环境均能保证良好的稳定性和舒适性。
附图说明
31.图1为本发明的工作步骤示意图。
具体实施方式
32.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
33.汽车悬架系统是指车架、车身和车桥质检的一切传动装置，其功能在于保证牢固
连接和有效减震，从而提高驾驶人、乘坐人的舒适性和安全性；汽车悬架系统最初期是采用的被动悬架，被动悬架的性能参数不可改变，也因此提供很好的舒适性。为了满足用户日益增长的需求，半主动悬架系统和主动悬架系统也相继被开发出来。半主动悬架系统的阻尼参数可调，主动悬架系统的弹簧刚度和阻尼系数均可调；半主动悬架系统和主动悬架系统因其可以根据路况因素进行及时调整，被广泛应用于当前的汽车中。
34.针对主动悬架系统和半主动悬架系统，不同的控制方法被提出来用于改进其性能，既有pid控制、线性状态反馈等传统控制方法，也有神经网络、模糊控制等智能控制方法，在实际应用中，智能控制方法较传统控制方法优势明显。但是，现有技术中仅着眼于智能控制方法本身，分析采集的车辆反馈数据，再通过智能控制方法对汽车悬架进行控制，存在明显的滞后性，导致汽车在行驶过程中舒适度和稳定性不足。
35.本发明为了克服数据采集和悬架控制之间的滞后性，通过数据采集模块预先获取汽车移动方向的路况图像，结合悬架解释模型以及车辆的车速和重量计算出悬架调整系数，根据悬架调整系数对汽车悬架进行控制。
36.请参阅图1，本技术提供了一种颠簸路面的汽车悬架控制系统，包括：
37.数据采集模块：通过与之相连的车载采集设备实时采集实时数据，并将实时数据发送至数据处理模块；
38.数据处理模块：对实时数据进行分析，获取颠簸参数，将颠簸参数与车速、重量整合生成实时数据序列；以及根据实时数据序列和悬架解析模型获取悬架调整参数，并根据悬架调整参数实现对汽车悬架自动控制。
39.本技术中的实时数据包括路况图像、车速和重量，且路况图像为汽车移动方向上的路面图像；显然，重量是指汽车本身和乘客、驾驶员的质量总和，汽车移动方向包括前进或者后退(倒车)。
40.本技术中的数据采集模块分别与车载采集设备、数据处理模块通信和/或电气连接；车载采集设备包括行车记录仪、摄像头和车速采集装置；车速采集装置用于采集车辆的车速，既可以通过外界的速度传感器获取，又可以通过汽车本身获取。
41.本技术中悬架解析模型表示实时数据序列和悬架调整参数之间的对应关系，且悬架解释模型包括线性拟合模型和人工智能模型；值得注意的是，每种型号汽车对应的悬架解析模型均不相同，且悬架解析模型会定期更新，并分发至对应车辆。
42.本技术中的汽车悬架包括半主动汽车悬架和主动汽车悬架；可以理解的是，当汽车悬架为半主动汽车悬架时，则获取的悬架调整参数实质为阻尼系数，不包括弹簧刚度，当汽车悬架为主动汽车悬架时，则获取的悬架调整参数包括阻尼系数和弹簧刚度。
43.在一个实施例中，所述数据处理模块根据实时数据获取颠簸参数，包括：
44.提取实时数据中的路况图像，将路况图像经过图像预处理之后标记为目标图像；
45.通过连续的目标图像对颠簸路面进行建模，获取路面模型；
46.结合车速、重量以及路面模型获取汽车轮胎的颠簸幅度，将颠簸幅度标记为颠簸参数。
47.本实施例中，图像预处理包括图像分割、图像去噪和灰度变换等操作，其目的是为了保证获取的路况图像的质量能够满足要求，且尽可能降低图像处理的数据量。
48.本实施例中根据目标图像对颠簸路面进行建模，其主要目的是将颠簸路面的坑坑
洼洼立体的展现出来，也就是建立的路面模型；然后结合车速、重量以及建立的路面模型获取汽车轮胎的颠簸幅度，即颠簸参数；值得注意的是，此时获取的颠簸参数是根据汽车悬架的阻尼参数和弹簧刚度获取的，后面基于颠簸参数对汽车悬挂进行调整，也就是将颠簸幅度保持在一个稳定、舒适的范围内。
49.可以理解的是，当汽车所行驶的路面非颠簸路面时，本技术提供的汽车悬架控制系统可关闭，因此还可以为本技术的汽车悬架控制系统提供一个开关；当检测到路面为颠簸路面时，则开启本技术的汽车悬架控制系统，能够降低一定的能耗。
50.在一个实施例中，所述线性拟合模型和所述人工智能模型均通过标准实验数据获取，且标准实验数据指在实验室模拟环境下获取的颠簸参数、车速、重量与最佳悬架参数；其中，最佳悬架参数指乘客处于舒适状态下的悬架参数。
51.本实施例中的标准实验数据是通过实验室模拟汽车真实运行环境时，获取的颠簸参数、车速、重量以及最佳悬架参数；值得注意的是，最佳悬架参数不同颠簸参数、车速和重量下，使得乘客感受到稳定和舒适的悬架参数，因此最佳悬架参数的获取可以通过专业工作人员体验获取。
52.线性拟合模型的获取包括：
53.将标准实现数据中的颠簸参数、车速和重量作为自变量，将最佳悬架参数作为因变量；
54.通过多项式拟合法建立映射模型，并将符合要求的映射模型标记为线性拟合模型。
55.映射模型是否符合要求，可以通过拟合过程获取的决定系数进行判断，当决定系数大于0.95时，则可以理解为对应的映射模型符合要求；当映射模型不符合要求时，对标准实验数据进行扩展，具体可通过插值进行扩展。
56.在一个具体的实施例中，通过所述线性拟合模型获取悬架调整参数，包括：
57.将实时数据序列作为自变量输入至线性拟合模型获取输出参数；
58.获取当前汽车悬架的悬架参数；其中，悬架参数包括阻尼系数和弹簧刚度；
59.获取输出参数和悬架参数之间的差值，并标记为悬架调整参数。
60.本实施例的目的是，通过线性拟合模型获取的输出数据(理论上最佳的悬架参数)，将其与当前汽车的悬架参数进行比较，如果不一致，则获取其差值作为悬挂调整参数；需要理解的是，悬挂调整参数有正有负。
61.在另外一个具体的实施例中，通过所述人工智能模型获取悬挂调整参数，包括：
62.将实时数据序列作为输入数据输入至人工智能模型获取输出参数；其中，人工智能模型基于深度卷积神经网络或者rbf神经网络构建；
63.获取当前汽车悬架的悬架参数；其中，悬架参数包括阻尼系数和弹簧刚度；
64.获取输出参数和悬架参数之间的差值，并标记为悬架调整参数。
65.本实施例技术方案的原理与上一实施例相同；区别在于两者用的方法不同，且人工智能模型通过标准实验训练获取。
66.需要理解的是，线性拟合模型的数据需求量小，数据处理量小，运算速度快，适合路况相对不复杂的颠簸路面；人工智能模型的数据需求量大，数据处理量大，精度高，适合路况相对复杂的颠簸路面。
67.本发明的工作原理：
68.数据采集模块通过车载采集设备实时采集实时数据，并将实时数据发送至数据处理模块。
69.数据处理模块对实时数据进行分析，获取颠簸参数，将颠簸参数与车速、重量整合生成实时数据序列。
70.根据实时数据序列和悬架解析模型获取悬架调整参数，并根据悬架调整参数实现对汽车悬架自动控制。
71.以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。