汽车智能驾驶及ADAS测试评价方法及系统与流程

汽车智能驾驶及adas测试评价方法及系统
技术领域
1.本发明涉及汽车领域，特别是涉及一种基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价方法，本发明还涉及一种基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价系统。


背景技术：

2.智能驾驶是当今汽车发展的趋势，对于智能驾驶的安全也是当今汽车研究的一大热点，而对于如何评价智能驾驶系统是否能安全地完成驾驶操作是智能驾驶功能安全的重点及难点。adas法规测试有着e-ncap、c-ncap等行业对部分功能的测试及评价体系，而对于非法规测试及评价、智能驾驶测试及评价目前仍处于空白阶段，是否能有一种系统的，能针对众多场景的测试评价方法来弥补法规之外的场景测试评价的空白？
3.因此，亟需一种科学的汽车智能驾驶及adas测试评价方法，来对智能驾驶系统进行综合的评价，使得非法规场景能有合理的依据进行测试及评价，避免人为因素过多干扰测试评价的准确度。


技术实现要素：

4.在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
5.本发明要解决的技术问题是提供一种基于qmu裕量与不确定性量化能拟补人为进行测试评价的不可复制性及不合理性的汽车智能驾驶及adas测试评价方法。
6.相应的，本麻烦还提供一种基于qmu裕量与不确定性量化能拟补人为进行测试评价的不可复制性及不合理性的汽车智能驾驶及adas测试评价系统。
7.为解决上述技术问题，本发明提供的基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价方法，包括以下步骤：
8.s1，对智能驾驶系统功能模型进行分析获得智能驾驶系统故障失效模式；
9.s2，通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型；
10.s3，将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；
11.s4，基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；
12.s5，通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，对不确定性参数进行不确定性源分析，结合性能阈值要求得出性能特征参数不确定性，基于性能特征参数不确定性进行qmu裕量计算后得出的性能裕量及不确定性，计算获得置信因子；
13.其中，s1-s5仅用于标识区分各步骤，不限制各步骤实施顺序。
14.可选择的，进一步改进所述的基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价方法，智能驾驶系统故障失效模式通过对智能驾驶系统功能模型进行失效分析获得。
15.可选择的，进一步改进所述的基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价方法，失效特征参数集是由大量智能驾驶失效/故障物理模型中提取出的失效特征参数的集合。
16.可选择的，进一步改进所述的基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价方法，不确定性源分析是对具有不确定性的参数进行不确定性溯源
17.可选择的，进一步改进所述的基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价方法，计算置信因子是通过以某一性能裕量及不确定性作为基准计算各故障模型的参数不确定性得出的置信因子。
18.为解决上述技术问题，本发明提供一种基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价系统，包括：
19.观测清单模块，其对智能驾驶系统功能模型进行分析获得智能驾驶系统故障失效模式，通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型，将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；
20.性能通道模块，其基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；
21.裕量及不确定性分析模块，其通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，对不确定性参数进行不确定性源分析，结合性能阈值要求得出性能特征参数不确定性，基于性能特征参数不确定性进行qmu裕量计算后得出的性能裕量及不确定性，计算获得置信因子。
22.可选择的，进一步改进所述基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价系统，智能驾驶系统故障失效模式通过对智能驾驶系统功能模型进行失效分析获得。
23.可选择的，进一步改进所述基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价系统，失效特征参数集是由大量智能驾驶失效/故障物理模型中提取出的失效特征参数的集合。
24.可选择的，进一步改进所述基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价系统，不确定性源分析是对具有不确定性的参数进行不确定性溯源
25.可选择的，进一步改进所述基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价系统，计算置信因子是通过以某一性能裕量及不确定性作为基准计算各故障模型的参数不确定性得出的置信因子。
26.本发明图提供的基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价评价体系主要包括三个模块：先基于功能模型建立观测清单，再进行性能通道建立，最后确认其裕量及不确定性。
27.通过对智能驾驶系统建立功能模型后，对智能驾驶系统建立功能模型进行失效分
析，通过大量智能驾驶系统实际运行中发生失效/故障的智能驾驶失效/故障物理模型提取出失效特征参数的集合后，绘制成观测清单。通过对功能模型进行多方位的确认及验证后，建立出该功能模型的参数性能通道，具体的参数基于上述的观测清单获得。结合实际的设计需求及材料要求，对性能通道进行约束后得出该功能模型参数的性能阈值。通过观测清单得出的故障物理模型的参数进行不确定性源分析后，获得该功能模型的参数不确定性。结合上述获得的功能模型参数的性能阈值求得性能特征参数不确定性，对其进行裕量计算处理后获得性能裕量及不确定性，将不同的智能驾驶系统物理模型经过基准确定后计算出各物理模型的置信因子。通过对智能驾驶系统功能模型进行失效分析，通过结合大量失效/故障物理模型获得的失效特征参数能有效代表该功能模型在测试中需要监测的参数。本发明通过多种方式综合建立的性能通道，能确保性能通道的准确性；通过对不确定性源分析及性能阈值的结合，提高了性能裕量及不确定性的可信度，提高了置信因子的准确性；通过使用qmu裕量与不确定性量化的方法研究智能驾驶系统失效特征参数，极大提高了单纯人为测试评价的不合理性。
附图说明
28.本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明：
29.图1是本发明原理示意图。
具体实施方式
30.以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。应当理解的是，当元件被称作“连接”或“结合”到另一元件时，该元件可以直接连接或结合到另一元件，或者可以存在中间元件。不同的是，当元件被称作“直接连接”或“直接结合”到另一元件时，不存在中间元件。在全部附图中，相同的附图标记始终表示相同的元件。如在这里所使用的，术语“和/或”包括一个或多个相关所列项目的任意组合和所有组合。
31.第一实施例；
32.参考图1所示，本发明提供一种基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价方法，包括以下步骤：
33.s1，对智能驾驶系统功能模型进行分析获得智能驾驶系统故障失效模式；
34.s2，通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型；
35.s3，将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；
36.s4，基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；
37.s5，通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，对不确定性参数进行不确定性源分析，结合性能阈值要求得出性能特征参数不确定性，基于性能特征参数不确定性进行qmu裕量计算后得出的性能裕量及不确定性，计算获得置信因子。
38.其中，s1-s5仅用于标识区分各步骤，不限制各步骤实施顺序。
39.第二实施例；
40.参考图1所示，本发明提供一种基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价方法，包括以下步骤：
41.s1，对智能驾驶系统功能模型进行失效分析获得智能驾驶系统故障失效模式；
42.s2，通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型；
43.s3，将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；失效特征参数集是由大量智能驾驶失效/故障物理模型中提取出的失效特征参数的集合；
44.s4，基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；
45.s5，通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，对不确定性参数进行不确定性溯源分析，结合性能阈值要求得出性能特征参数不确定性，基于性能特征参数不确定性进行qmu裕量计算后得出的性能裕量及不确定性，通过以某一性能裕量及不确定性作为基准计算各故障模型的参数不确定性得出的置信因子；
46.其中，s1-s5仅用于标识区分各步骤，不限制各步骤实施顺序。
47.这里所使用的术语仅是为了描述具体实施例，而非意图限制根据本发明的示例性实施例。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或附加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组合。
48.第三实施例；
49.本发明提供一种基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价系统，包括：
50.观测清单模块，其对智能驾驶系统功能模型进行分析获得智能驾驶系统故障失效模式，通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型，将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；
51.性能通道模块，其基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；
52.裕量及不确定性分析模块，其通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，对不确定性参数进行不确定性源分析，结合性能阈值要求得出性能特征参数不确定性，基于性能特征参数不确定性进行qmu裕量计算后得出的性能裕量及不确定性，计算获得置信因子。
53.第四实施例；
54.本发明提供一种基于qmu裕量与不确定性量化的汽车智能驾驶及adas测试评价系统，包括：
55.观测清单模块，其对智能驾驶系统功能模型进行失效分析获得智能驾驶系统故障失效模式，通过智能驾驶系统实际运行获得智能驾驶失效/故障物理模型，将智能驾驶系统故障失效模式代入智能驾驶失效/故障物理模型提取出失效特征参数集，通过失效特征参数集建立观测清单；失效特征参数集是由大量智能驾驶失效/故障物理模型中提取出的失效特征参数的集合；
56.性能通道模块，其基于实车试验数据、仿真模型预测和/或专家判断来建立智能驾驶系统功能模型的性能通道，并设置性能通道的性能阈值，对智能驾驶系统功能模型进行验证与确认；
57.裕量及不确定性分析模块，其通过观测清单获得的智能驾驶失效/故障物理模型不确定性参数，对不确定性参数进行不确定性溯源分析，结合性能阈值要求得出性能特征参数不确定性，基于性能特征参数不确定性进行qmu裕量计算后得出的性能裕量及不确定性，计算置信因子是通过以某一性能裕量及不确定性作为基准计算各故障模型的参数不确定性得出的置信因子。
58.除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。
59.以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。