一种线控底盘的控制方法、联合控制系统及服务器

1.本发明涉及线控底盘控制技术，具体涉及一种线控底盘的控制方法、联合控制系统及服务器。


背景技术：

2.智能汽车上，随着线控技术在汽车底盘的运用。传统汽车底盘控制的执行机构主要靠机械或液压系统实现，线控底盘通过车辆传感器采集驾驶员操作信息、车辆行驶信息、交通环境信息等，将采集的信息转换为电信号通过传递给相关的底盘控制器，控制器通过驾驶员意图和车辆运行姿态对驾驶员的驾驶决策进行调整和修正，最终控制执行器件工作。
3.目前现有技术对于线控底盘的控制主要是通过整车信息及动力学模型分析，将其嵌入底盘控制算法中进行分析得到控制策略，再交由单独的执行单元进行工作。
4.现有技术无法准确识别车外环境信息，对底盘的协同控制仍停留在车辆本身传感器及驾驶员操作信息基础上的线控底盘控制；且目前强调的线控底盘冗余控制更多的仅为电气冗余及执行冗余，未考虑在大数据背景下，对于历史数据及车路信息的协同控制。


技术实现要素：

5.本发明主要解决的技术问题是现有的线控底盘的控制方法，缺少与大数据平台实现联合控制的问题。
6.根据第一方面，一种实施例中提供一种线控底盘的控制方法，应用于服务器，包括：数据获取步骤、获取车辆上传的车辆数据，车辆数据包括驾驶员的操作指令，以及与操作指令对应的外部环境信息和车辆姿态信息；策略制定步骤、根据车辆数据，得到对应车辆数据的理想执行策略；将理想执行策略下发至车辆；策略优化步骤、获取车辆上传的实际执行参数，实际执行参数与车辆数据对应；根据实际执行参数，优化理想执行策略；将优化后的理想执行策略下发至车辆。
7.根据第二方面，一种实施例中提供一种线控底盘的控制方法，包括：数据上传步骤、获取车辆数据，车辆数据包括驾驶员的操作指令，以及与操作指令对应的外部环境信息和车辆姿态信息；将车辆数据上传至服务器；策略获取步骤、获取服务器下发的理想执行策略；策略执行步骤、根据理想执行策略，得到与操作指令对应的整车端执行策略；根据整车端执行策略，控制执行单元工作；策略反馈步骤、获取执行单元对应整车端执行策略的实际执行参数；将实际执行参数上传至服务端，重复策略获取步骤。
8.根据第三方面，一种实施例中提供一种线控底盘的联合控制系统，包括：网联汽
车、外部环境信息模块以及服务器；网联汽车包括车辆采集模块、车辆控制模块、通信模块以及执行单元；外部环境信息模块用于向车辆提供外部环境信息；通信模块用于与服务器进行通信；车辆采集模块用于采集驾驶员的操作指令；还用于采集车辆的动力学信息；车辆控制模块用于根据动力学信息，得到车辆姿态信息；还用于获取车辆数据，车辆数据包括操作指令、外部环境信息以及车辆姿态信息；将车辆数据上传至服务器；获取服务器下发的理想执行策略；根据理想执行策略，得到与操作指令对应的整车端执行策略；根据整车端执行策略，控制执行单元工作；获取执行单元对应整车端执行策略的实际执行参数；将实际执行参数上传至服务器；服务器用于获取网联汽车上传的车辆数据；根据车辆数据，得到对应车辆数据的理想执行策略；将理想执行策略下发至车辆；获取车辆上传的实际执行参数，实际执行参数与车辆数据对应；根据实际执行参数，优化理想执行策略；将优化后的理想执行策略下发至车辆。
9.根据第四方面，一种实施例中提供一种服务器，包括：存储器，用于存储程序；处理器，用于通过执行存储器存储的程序以实现第一方面所描述的方法。
10.根据第五方面，一种实施例中提供一种计算机可读存储介质，介质上存储有程序，程序能够被处理器执行以实现第一方面所描述的方法以及第二方面所描述的方法。
11.依据上述实施例的线控底盘的控制方法、联合控制系统及服务器，通过服务器获取车辆数据，利用大数据平台得到当前操作指令对应理想执行策略，并通过实际执行参数的进行优化，可以无需升级整车软件的状态下优化客户的使用体验，减少了服务成本。
附图说明
12.图1为一种实施例提供的线控底盘的联合控制系统的结构示意图；图2为一种实施例提供的另一种线控底盘的联合控制系统的结构示意图；图3为一种实施例提供的线控底盘的联合控制方法的流程图；图4为一种实施例提供的线控底盘的控制方法的流程图；图5为一种实施例提供的另一种线控底盘的控制方法的流程图。
13.附图标记：1-服务器；2-网联汽车；21-车辆控制模块；22-车辆采集模块；23-通信模块；24-外部环境信息模块；25-执行单元。
具体实施方式
14.下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本技术能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本技术相关的一些操作并没有在说明书中显示或者描述，这是为了避免本技术的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们
根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
15.另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
16.本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本技术所说“连接”、“联接”，如无特别说明，均包括直接和间接连接（联接）。
17.现有的底盘系统，均采用离线方式进行对车辆数据进行估算，从而控制执行单元25工作。这意味着其在出厂时就已确定了相关算法，而在之后的整车运行过程中均为离线估算的方式进行计算。当前汽车运行工况复杂多样，为了满足出厂时线控底盘控制算法的合理性需进行多样的测试、标定工作，这在一方面会加长开发周期，另一方面也导致了该部分算法的复杂度。
18.在本发明实施例中，利用车路协同技术（v2x）以及大数据技术，提供一种线控底盘的控制方法、联合控制系统及服务器，利用云端大数据处理底盘及外部环境数据，并在云端得到理想执行策略，通过最终的实际执行参数的残差对比，可获得底盘器件的故障状态，对协同执行算法进行增益调整，保证底盘控制的准确性并保证整车端线控底盘的安全性。另一方面可通过完善云端大数据的控制算法，在无需升级整车软件的状态下优化客户的使用体验，减少了服务成本。
19.实施例一：请参考图1与图2，本实施例提供一种线控底盘的联合控制系统，包括：网联汽车、外部环境信息模块24以及服务器1。
20.外部环境信息模块24用于向车辆提供外部环境信息；或者，还可以用于向服务器1提供外部环境信息。如图1所示，外部环境信息模块24可以是集成在网联汽车2上；如图2所示，也可以是独立于网联汽车2，通过与网联汽车2的通信模块23进行通信，将外部环境信息发送至车辆，或者通过网络将外部环境信息发送至大数据平台（即服务器1）。
21.外部环境信息可以包括车辆的位置信息、路障信息以及交通情况信息中至少一个。具体实现的时候，可以是采用联网的方式获取交通情况信息，采用雷达或摄像的方式获取路障信息，采用gps定位获取车辆位置信息以及周边环境信息，但并不限于上述实现方式来获取外部环境信息，外部环境信息也可以不限于上述的三种信息。
22.网联汽车2包括车辆采集模块22、车辆控制模块21、通信模块23以及执行单元25。具有车路协同技术的车辆，可以称为网联汽车或者智能网联汽车，能够通过4g或5g移动网络与外界进行数据通信，本发明利用这一特点与大数据平台进行数据通信，实现联合控制底盘。
23.通信模块23用于与服务器1进行通信；通信模块23可以包括无线通信模块23，或者包括无线通信模块以及有线通信模块。由于现在的大数据平台，依靠算力大的服务器1来实现，这一类服务器1体积大，功耗大，且需要同时对多个车辆进行数据处理，并不适合放置在车辆中，此时车辆需要采用无线通信的方式与服务器1进行通信。但是对于一些特殊场景，可以采用车辆装载服务器1的方式，或者采用小型化服务器实现单一车辆的数据处理，此时
可以采用有线通信的方式与车辆通信。
24.车辆采集模块22用于采集驾驶员的操作指令；还用于采集车辆的动力学信息。例如，车辆采集模块22可以包括多种传感器，用于测量方向盘转矩及角速度、制动踏板深度、油门踏板深度等车辆控制信息，以生成驾驶员的操作指令。还可以通过测量横摆角速度、纵向加速度、侧向加速度，纵向车速，质心侧偏角以及路面峰值附着系数等车辆动力学信息。车辆姿态信息包括横摆角速度、纵向加速度、侧向加速度，纵向车速，质心侧偏角以及路面峰值附着系数中至少一个车辆动力学信息。
25.车辆控制模块21用于根据动力学信息，得到车辆姿态信息；具体为通过动力学信息建立车辆的动力学模型，以得到车辆姿态信息。
26.车辆控制模块21获取操作指令、外部环境信息以及车辆姿态信息之后，整体作为车辆数据上传至服务器1。车辆控制模块21获取服务器1下发的理想执行策略；根据理想执行策略，得到与操作指令对应的整车端执行策略。车辆控制模块21根据整车端执行策略，控制执行单元25工作。车辆控制模块21获取执行单元25对应整车端执行策略的实际执行参数，并将实际执行参数上传至服务器1。其中，操作指令可以包括转向指令、制动指令、驱动指令以及悬架指令中至少一个。
27.执行单元25可以包括制动单元、转向单元、驱动单元以及悬架单元中的至少一个。整车端执行策略包括对应各个执行单元25的执行参数，整车端执行策略与理想执行策略的变量一致。理想执行策略包括了所有执行单元的执行参数，车辆控制模块21可以根据理想执行策略对车辆当前的整车端执行策略进行修改。例如，制动单元的执行参数可以包括制动开度以及电机制动电流；转向单元的执行参数可以包括转向角以及转向角速率；驱动单元的执行参数可以包括油门深度以及驱动电机电流；悬架单元的执行参数可以包括刚度以及阻尼压力。
28.服务器1用于获取网联汽车2上传的车辆数据；根据车辆数据，得到对应车辆数据的理想执行策略。将理想执行策略下发至车辆。获取车辆上传的实际执行参数，实际执行参数与车辆数据对应。根据实际执行参数，优化理想执行策略。将优化后的理想执行策略下发至车辆。必要时，还可以对车辆数据进行处理，例如是数据清洗，包括空余赋值，错值去除，交叉校验等，可以参考现有的任一种可用的大数据平台的数据清洗方式。
29.通过大数据平台进行理想执行策略的计算，并通过获取实际执行参数进行优化，从而优化整车端执行策略，可以降低车辆的开发周期，降低车辆搭载的算法的复杂度，并且实现执行策略冗余，提高底盘的安全稳定性。在无需升级整车软件的状态下优化客户的使用体验，减少了服务成本。
30.实施例二：请参考图3至图5，本实施例提供一种线控底盘的联合控制方法，由服务器1以及网联汽车2联合控制执行。如图2与图4所示，本实施例还提供一种由服务器1执行的线控底盘的控制方法；如图3与图5所示，本实施例还提供一种由网联汽车2执行的线控底盘的控制方法。
31.下面就联合控制系统进行联合控制方法的具体过程进行阐述，如图3所示，包括如下步骤：数据上传步骤、车辆控制模块21获取车辆数据，车辆数据包括驾驶员的操作指令，
以及与操作指令对应的外部环境信息和车辆姿态信息；车辆控制模块21通过通信模块23将车辆数据上传至服务器1。
32.数据获取步骤、服务器1获取车辆上传的车辆数据。然后对车辆数据进行清洗。
33.策略制定步骤、服务器1根据车辆数据，得到对应车辆数据的理想执行策略；将理想执行策略下发至车辆。其中，理想执行策略包括制动执行参数、驱动执行参数、转向执行参数以及悬架执行参数中至少一个。
34.在实际应用中，策略制定步骤可以包括：步骤101、服务器1根据车辆数据，识别当前车辆的行驶工况。行驶工况可以驾驶速度工况以及驾驶环境工作，比如，对于驾驶环境工况，可以通过定位信息以及交通情况信息得出车辆在城市、郊区还是高速，且还可以得出是拥堵路段还是通畅路段。对于驾驶速度工况通过当前的车速数据即可对应确定。驾驶工况还可以包括里程工况，体现剩余的油量或电量。
35.步骤102：服务器1获取行驶工况对应的决策模型，结合车辆数据，得到理想执行策略。其中，每一个决策模型具有对应的多个目标项，目标项可以包括驾驶安全性，执行响应时间、车辆能耗、操作稳定性以及驾驶舒适度中至少两个；每两个决策模型的多个目标项之间的优先级排序不相同，且驾驶安全性始终为第一优先级。
36.具体地，车辆驾驶安全的影响因素可以包括控制器稳定、转角速率及角度、制动响应性等；车辆操纵稳定性的影响因素可以包括车辆模态频率；驾驶舒适度可以包括车辆角度、角速度等；响应时间可以包括执行器网络，控制器软件等；能耗可以包括加速度、风阻、车速等。
37.例如，在行驶工况为城市高速行驶时，其优先级为车辆驾驶安全》车辆操纵稳定性，驾驶舒适度》响应时间》能耗。又例如行驶工况为城市低速行驶且为低里程工况时，车辆驾驶安全》能耗＞其他目标项。
38.在实际实施例中，建立每个目标的决策因素，根据决策偏好为每个目标设定一个权重，变多目标为单目标，如识别到保证车辆驾驶安全（如前面有障碍物/需紧急制动时）需调整转角角速度较大（如大于30
°
/s）时，制动需在较短时间与距离（如100km/h-0制动距离≤35m）内完成。同时对于驾驶舒适度而言，保证车辆转角角度与制动速率平稳客户舒适体验较好；对于能耗而言，平稳制动对于能耗消耗较低，但为了确保安全性，仍需保证转角角速度和制动距离优先。
39.例如，对应一个目标项，在不同的行驶工况具有不同的计算函数，不同的计算函数中各个执行参数的具体调整并不相同。例如，一种工况下，一个目标项x1，与多个执行单元的多个执行参数关联（如a执行参数、b执行参数等），x1=a1*a b1*b
…
；另一个目标项x2= a2*a b2*b
…
。其中，a1*a表示a执行参数在当前的计算函数中采用a1的调整量或参考量。
40.那么对应不同的决策模型，不同目标项的权重并不相同，例如目标项x1的权重为q1，目标项x2的权重为q2，如此类推，最终q1 q2
…
qn=100%。此时对应a执行参数，最终a执行参数的调整量a=a1
×
q1 a2
×
q2
…
an
×
qn。
41.由于理想执行策略在大数据平台上得到，因此，复杂的计算分析并不会影响车辆的正常行驶。本技术的重点并不在于如何指定决策模型的具体参数，在于提出通过多个决策模型来应对各种工况，从而对应产生不同的理想执行策略，本领域技术人员可以根据实
际需要对各个决策模型进行执行，除了采用算法、函数的方式，还可以是采用表格map对应查找的方式。以制动为例，对应100km/h-0的制动距离，根据驾驶环境工况的不同可以是，郊区为35m，高速为35m，高架为30m。
42.采用多目标优化决策模型，在不同用户工况下对上述每个目标建立优先级排序，使用多目标优化模型的最终目的是得到最优折衷解，满足客户在不同工况下的需求。
43.策略获取步骤、车辆控制模块21通过通信模块23获取服务器1下发的理想执行策略。
44.策略执行步骤、车辆控制模块21根据理想执行策略，得到与操作指令对应的整车端执行策略；车辆控制模块21根据整车端执行策略，控制执行单元25工作。
45.在实际应用中，由于车辆在行驶过程中，并不一定实时联网，此时理想执行策略并不一定被车辆实时获取，此时，车辆还是按照原有的控制策略进行操作指令的响应，在接收到理想执行策略之后，在进行车辆的控制策略的优化。
46.在实际应用中，策略执行步骤还可以包括：车辆控制模块21判断当前理想执行策略与当前整车端执行策略之间是否存在需要修正的执行参数。
47.若存在需要修正的执行参数，判断需要修正的执行参数所属的执行单元25是否可被即时修改。至于能够即时修改，则通过预设的规则，并不具有唯一的标准，可以根据实际的情况修订。
48.若可被即时修改，则根据当前的理想执行策略更新整车端执行策略；若不可被即时修改，则保持当前的整车端执行策略；在预设时间根据当前的理想执行策略得到整车端执行策略。预设时间可以是车辆加油或充电、停车等待或低速行驶时进行修改。
49.因底盘控制关系着车辆的安全，为保证在车辆网络滞后情况下仍保证汽车的安全，底盘无法等待大数据平台执行策略发送到再进行操作。因此，在该步骤中，整车端的执行策略保持原底盘控制单元的离线控制逻辑，不考虑外部环境感知模块与大数据理想执行策略，仅考虑上一时刻下的大数据平台的理想执行策略，如上一时刻检测到左轮转角速度异常，在当前时刻进行修正。
50.策略反馈步骤、车辆控制模块21通过车辆采集模块22获取执行单元25对应整车端执行策略的实际执行参数；车辆控制模块21通过通信模块23将实际执行参数上传至服务器1，重复策略获取步骤。
51.具体地，各个执行单元25根据整车端执行策略的执行参数对应执行后，会产生对应的实际执行参数。例如，服务器1根据操作指令分析得到用户需要进行30
°
转向，对应整车端执行策略的执行参数为转向30
°
，但是转向后的实际角度为28
°
，那么为了实现转向30
°
的实际目标，则需要执行参数为32
°
或其他度数，最终会有一个获得一个执行参数对应实际转动角度30
°
。
52.策略优化步骤、服务器1获取车辆上传的实际执行参数，实际执行参数与车辆数据对应；服务器1根据实际执行参数，优化理想执行策略；将优化后的理想执行策略下发至车辆。
53.在实际应用中，根据实际执行参数，优化理想执行策略，可以包括：对应车辆的每个执行单元25设定故障阈值v2以及修改阈值v1；定义理想执行策略
对应执行单元25的执行参数为s1，实际执行参数对应执行单元25的执行参数为s2。
54.若|s1-s2|＜v1，则无需对执行参数为s1进行修改。其中，|s1-s2|可定义为残差。
55.若v1≤|s1-s2|≤v2，则令s1=s1
△
s，
△
s为预设修改增量，以实现对理想执行策略的优化。
56.若|s1-s2|＞v2，则向车辆发送异常报警信号，依旧以s1作为执行参数。也就是说，此时并不能进行修改，按照原有的执行参数进行控制。
57.其中，每一个执行单元的执行参数均可对应设置故障阈值以及修改阈值，从而可以形成闭环调整，直至完成一个车辆数据对应的理想执行策略的所有执行参数。
58.也就是说，根据理想执行策略与实际执行参数的残差进行对比，可以获得底盘的故障状态，并可以对理想执行策略进行增益调整，保证底盘控制的准确性并保证整车端线控底盘的安全性。
59.具体地，还是以转向角度30
°
为例说明，服务器1第一次分析得到的理想执行策略中，转向执行参数s1为30
°
，实际执行参数s2为28
°
，修改阈值v1为1
°
，故障阈值v2为3
°
，预设修改增量
△
s为1
°
。那么，此时更新转向执行参数s1为30
°
1
°
，形成新的理想执行策略，下发至车辆，等待车辆下一次进行转向30
°
对应的实际执行参数的反馈进行进一步判定。例如，当车辆的实际执行参数为25
°
时，则向车辆异常警报信号，以使得驾驶员得知当前的转向执行单元出现异常。
60.进一步地，当理想执行策略中确定的转向执行参数为30
°
时，车辆当前若可以即时修改整车端执行策略时，判断整车端执行策略是否需要修改，例如当前的整车端执行策略的转向执行参数为29
°
，则将整车端执行策略的转向执行参数修改为30
°
，并获取实际执行参数为28
°
，并反馈至大数据平台。大数据平台再经过计算，重新得到理想执行策略的转向执行参数为31
°
，再下发至车辆，车辆再将整车端执行策略的转向执行参数修改为31
°
，重新获得实际执行参数为29
°
。此时残差为1
°
，大数据平台可以判断已经当前操作指令的转向要求，可以不进行修改。但是也可以进一步修改，例如是将预设修改增量改为0.5
°
，如此循环，不断优化大数据平台的理想执行策略的决策模型，最终实现线控底盘的执行策略修改。
61.若不能即时修改时，在预设时间内完成修改后，下一次执行修改或的整车端执行策略的转向执行参数，得到对应的实际执行参数，并上传至大数据平台。
62.可见，优化后的理想执行策略作为一种冗余协同策略，可以利用历史数据以及车路信息对车辆的底盘进行协同控制，在原有的电气冗余以及执行冗余的技术上，增加基于大数据冗余协同策略，可以在大数据平台上进行系统故障判断与行驶工况识别，提前预知线控底盘的失效模式及运行可靠性；进一步提高汽车底盘安全性及提升车辆制动、转向、悬架的鲁棒性。
63.通过本技术提供的联合控制方法以及联合控制系统，因使用了大数据平台的数据分析，在不改动整车基础上，提供了一种冗余协同策略，提高了整车在底盘领域的安全性。另外，云端大数据的方式可以减少前期标定、调试工作，在后期使用过程中实时通过客户的不同使用工况，进行底盘算法的升级迭代。
64.由服务器或者网联汽车执行的控制方法，具体的过程描述已经在上述联合控制方法中展开描述，对应具有相同的技术效果，在此不重复描述。
65.本实施例中还提供一种服务器，包括存储器以及处理器。
66.存储器，用于存储程序。
67.处理器，用于通过执行存储器存储的程序以实现本实施例二所描述的方法中服务器执行的部分，对应具有相同的技术效果，在此不重复描述。
68.本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
69.以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。