车辆的防侧翻方法、装置、终端及存储介质

1.本发明涉及车辆控制技术领域，尤其涉及一种车辆的防侧翻方法、装置、终端及存储介质。


背景技术：

2.轮式机器人和大型货车的轮距窄、高度高，同时载重大，重心偏高。当此类车辆急促或大幅度转弯时，容易发生侧倾甚至侧翻。
3.目前在汽车行业中，较为普遍且能有效改善汽车稳定的抗侧翻方法包括:差动制动控制技术、主动/半主动悬架控制技术、主动横向稳定器技术、主动转向技术、主动刹车等。但差动制动控制技术是在车轮即将离地时才对外侧轮制动，防侧翻效果较差。主动悬架控制技术和主动横向稳定器可以提高侧翻阈值并抑制车辆侧翻，但是生效较慢，无法满足防侧翻响应快速性的要求。


技术实现要素：

4.本发明实施例提供了一种车辆的防侧翻方法、装置、终端及存储介质，以解决车辆防侧翻响应慢的问题。
5.第一方面，本发明实施例提供了一种车辆的防侧翻方法，包括：
6.基于车辆的横向载荷转移率判断车辆是否具有侧翻趋势；
7.若车辆具有侧翻趋势，则基于横向载荷转移率和径向基神经网络pid控制器计算用于抑制车辆侧翻的附加横摆力矩；
8.基于横向载荷转移率确定目标车轮，并基于附加横摆力矩计算目标制动力矩，以基于目标制动力矩对目标车轮进行制动。
9.在一种可能的实现方式中，基于车辆的横向载荷转移率判断车辆是否具有侧翻趋势，包括：
10.若在设定时间段内车辆的横向载荷转移率呈上升趋势，且设定时间段内横向载荷转移率的最大值大于设定阈值，则判定车辆具有侧翻趋势。
11.在一种可能的实现方式中，径向基神经网络pid控制器包括径向基神经网络和pid控制器；
12.基于横向载荷转移率和径向基神经网络pid控制器计算用于抑制车辆侧翻的附加横摆力矩，包括：
13.基于径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定；
14.将横向载荷转移率输入参数整定后的pid控制器，得到用于抑制车辆侧翻的附加横摆力矩。
15.在一种可能的实现方式中，在基于径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定之前，该方法还包括：
16.基于梯度下降算法和训练样本集对径向基神经网络的权重、网络中心和基宽进行训练，得到经过训练的径向基神经网络；训练样本集包括多个训练样本，训练样本为车辆在某个时刻的实时横向载荷转移率和横向载荷转移率，训练样本的标签为pid控制器的参数；
17.相应的，基于径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定，包括：
18.基于经过训练的径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定。
19.在一种可能的实现方式中，基于横向载荷转移率确定目标车轮，包括：
20.基于横向载荷转移率确定车辆的侧翻方向；
21.若车辆的侧翻方向为向左侧翻，则目标车轮为左前轮；
22.若车辆的侧翻方向为向右侧翻，则目标车轮为右前轮。
23.在一种可能的实现方式中，基于附加横摆力矩计算目标制动力矩，包括：
24.基于目标车辆、制动力分配公式、左侧车轮垂直载荷和右侧车轮垂直载荷对附加横摆力矩进行分配，得到目标制动力矩；制动力分配公式为：
[0025][0026]
其中，a为整车重心与前轴的距离，b为整车重心与后轴的距离，m为车辆的质量，f
zl
表示左侧车轮垂直载荷，f
zr
为右侧车轮垂直载荷，f
fl
为左前轮的目标制动力矩，f
fr
为右前轮的目标制动力矩，，m为附加横摆力矩，r为车轮半径。
[0027]
第二方面，本发明实施例提供了一种车辆的防侧翻装置，包括：
[0028]
侧翻判断模块，用于基于车辆的横向载荷转移率判断车辆是否具有侧翻趋势；
[0029]
力矩计算模块，用于在车辆具有侧翻趋势时，基于横向载荷转移率和径向基神经网络pid控制器计算用于抑制车辆侧翻的附加横摆力矩；
[0030]
力矩分配模块，用于基于横向载荷转移率确定目标车轮，并基于附加横摆力矩计算目标制动力矩，以基于目标制动力矩对目标车轮进行制动。
[0031]
第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0032]
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0033]
本发明实施例提供一种车辆的防侧翻方法、装置、终端及存储介质，该方法包括：基于车辆的横向载荷转移率判断车辆是否具有侧翻趋势；若车辆具有侧翻趋势，则基于横
向载荷转移率和径向基神经网络pid控制器计算用于抑制车辆侧翻的附加横摆力矩；基于横向载荷转移率确定目标车轮，并基于附加横摆力矩计算目标制动力矩，以基于目标制动力矩对目标车轮进行制动。本发明通过横向载荷转移率判断车辆是否有侧翻趋势，在车辆有侧翻趋势时通过径向基神经网络pid控制器计算对车辆进行侧翻抑制的附加横摆力矩，可以提高附加横摆力矩的计算速度，并在发生侧翻前及时对目标车轮进行制动，从而提高车辆抗侧翻的响应速度和抗侧翻效果。
附图说明
[0034]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0035]
图1是本发明一实施例提供的车辆的防侧翻方法的实现流程图；
[0036]
图2是本发明一实施例提供的车辆侧翻动力学模型图；
[0037]
图3是本发明一实施例提供的径向基神经网络pid控制器的结构示意图；
[0038]
图4是本发明一实施例提供的径向基神经网络的结构示意图；
[0039]
图5是本发明一实施例提供的仿真实验中车辆的方向盘转角变化曲线图；
[0040]
图6(a)是本发明一实施例提供的车辆的横向载荷转移率的仿真结果对比图；
[0041]
图6(b)是本发明一实施例提供的车辆的横摆角加速度的仿真结果对比图；
[0042]
图6(c)是本发明一实施例提供的车辆的横摆加速度的仿真结果对比图；
[0043]
图6(d)是本发明一实施例提供的车辆的质心侧偏角的仿真结果对比图；
[0044]
图7是本发明一实施例提供的车辆的防侧翻装置的结构示意图；
[0045]
图8是本发明实施例提供的终端的示意图。
具体实施方式
[0046]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0047]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
[0048]
参见图1，其示出了本发明实施例提供的车辆的防侧翻方法的实现流程图，详述如下：
[0049]
步骤101，基于车辆的横向载荷转移率判断车辆是否具有侧翻趋势。
[0050]
在本实施例中，横向载荷转移率(lateral loadtransferrate,ltr)是指车辆两侧车轮上的垂直载荷之差与垂直载荷之和的比值，即显然当车辆在平稳状态下行驶时，车辆的ltr值为0，当车辆的ltr值为
±
1或接近
±
1时，车辆会发生侧翻。为了在车辆即将发生侧翻时能够及时对侧翻进行抑制，本发明通过车辆的横向载荷转移率对车辆是
否具有侧翻趋势进行预判。
[0051]
本实施例中的横向载荷转移率可以通过以下方式计算：
[0052]
(1)建立车辆的三自由度模型，包括：侧向运动，横摆运动，侧倾运动；
[0053][0054][0055][0056]
其中：图2为车辆侧翻动力学模型图，如图2所示，iz为整车质量绕z轴的转动惯量；i
x
为整车质量绕x轴的转动惯量；a为整车重心与前轴的距离，b为整车重心与后轴的距离；为车辆的侧倾角，为车辆的侧倾角速度，为车辆的侧倾角加速度；k为悬架侧倾刚度；c为悬架阻尼系数；ca为前轴轮胎侧偏刚度，cb为后轴轮胎侧偏刚度；δ为前轮转角；ωr为横摆角速度，为ωr的一阶导数；β为质心侧偏角；v
x
为质心纵向速度；f
y1
为前轴两车轮所受的侧向力，f
y2
为后轴两车轮所受的侧向力；α1为前轴轮胎侧偏角，α2为后轴轮胎侧偏角。
[0057]
(2)根据三自由度模型对侧倾中心取力矩平衡，对车辆的侧倾内侧车轮与地面接触反作用点建立力矩平衡方程，可得：
[0058][0059]
采用同样的方法，对车辆侧倾外侧车轮建立力矩平衡方程，可得：
[0060][0061]
其中，f
zl
为左车轮垂直载荷，f
zr
为右车轮垂直载荷，ay为车辆侧向加速度，为车辆质心高度，t为轮距。
[0062]
(3)将(2)中的两个力矩平衡式代入ltr的计算公式，由于侧倾角较小，取得到ltr为：
[0063][0064]
其中，ay为车辆侧向加速度，为车辆质心高度，t为轮距。
[0065]
步骤102，若车辆具有侧翻趋势，则基于横向载荷转移率和径向基神经网络pid控制器计算用于抑制车辆侧翻的附加横摆力矩。
[0066]
在本实施例中，横向载荷转移率是用于衡量车辆侧翻趋势的指标，径向基神经网络pid控制器是通过径向基神经网络整定参数的pid控制器，附加横摆力矩的方向与车辆的
侧翻方向相反，施加在车辆上后能够抑制车辆的侧翻趋势，从而避免车辆发生侧翻。将横向载荷转移率输入pid控制器，可以确定与车辆侧翻状态相适应的附加横摆力矩。
[0067]
步骤103，基于横向载荷转移率确定目标车轮，并基于附加横摆力矩计算目标制动力矩，以基于目标制动力矩对目标车轮进行制动。
[0068]
在本实施例中，车辆在发生侧翻时各车轮的受力均不同，对不同车轮进行不同程度的制动后，车辆整体受到的附加横摆力矩也不同。因此可以根据车辆的侧翻情况，将需要施加的附加横摆力矩分配到合适的车轮上，从而抑制车辆侧翻。
[0069]
在一种可能的实现方式中，基于车辆的横向载荷转移率判断车辆是否具有侧翻趋势，包括：
[0070]
若在设定时间段内车辆的横向载荷转移率呈上升趋势，且设定时间段内横向载荷转移率的最大值大于设定阈值，则判定车辆具有侧翻趋势。
[0071]
在本实施例中，可以根据车辆数据确定设定时间段和设定阈值，车速越快则设定时间段可以越短；同样的，车辆的重心越高、轮距越小，则设定阈值可以越小，确保及时发现车辆的侧翻趋势。
[0072]
在一种可能的实现方式中，径向基神经网络pid控制器包括径向基神经网络和pid控制器。
[0073]
相应的，步骤102中基于横向载荷转移率和径向基神经网络pid控制器计算用于抑制车辆侧翻的附加横摆力矩，包括：
[0074]
基于径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定；
[0075]
将横向载荷转移率输入参数整定后的pid控制器，得到用于抑制车辆侧翻的附加横摆力矩。
[0076]
在本实施例中，pid控制器的控制误差为：
[0077]
e(k)＝r(k)-y
out
(k)
[0078]
r(k)为车辆的横向载荷转移率的期望值，本实施例中将r(k)设置为0，y
out
(k)为车辆的横向载荷转移率的实时值。
[0079][0080]
其中，u(k)为pid控制器的输出值，k为神经元的比例系数，x
c1
,x
c2
,x
c3
是pid控制器的输入值，w
c1
,w
c2
,w
c3
为x
c1
,x
c2
,x
c3
的权值。
[0081]
pid控制器的三个输入为：
[0082]
x
c1
＝e(k)-e(k-1)
[0083]
x
c2
＝e(k)
[0084]
x
c3
＝e(k)-2e(k-1) e(k-2)
[0085]
根据递推原理可得：
[0086]
u(k)＝u(k-1) k
p
(e(k)-e(k-1)) kie(k) kd(e(k)-2e(k)-2e(k-1) e(k-2))
[0087]
对pid控制器的参数进行整定的指标函数为：
[0088][0089]
pid控制器参数k
p
，ki，kd的调整采用梯度下降法进行整定：
[0090][0091][0092][0093]
其中，为径向基神经网络辨识得到的雅可比信息，δk
p
、δki、δkd分别表示k
p
，ki，kd的调整量，调整后的k
p
＝调整前的k
p
δk
p
，调整后的ki＝调整前的ki δki，调整后的kd＝调整前的kd δkd。
[0094]
图3是本发明一实施例提供的径向基神经网络pid控制器的结构示意图。如图3所示，径向基神经网络pid控制器中的pid控制器的参数由径向基神经网络进行整定，将控制误差e(k)输入参数整定后的pid控制器得到输出值u(k)，其中e(k)是根据车辆的横向载荷转移率的实时值输出值y
out
(k)和期望值r(k)得到的。u(k)用于对车辆进行制动，同时也用于输入径向基神经网络。径向基神经网络根据u(k)对pid控制器的参数进行整定。
[0095]
本实施例中，pid控制器可以计算出与横向载荷转移率相匹配的附加横摆力矩，将车辆的横向载荷转移率调整至期望的横向载荷转移率。pid控制器的参数会影响车辆的横向载荷转移率的调整效率以及系统的稳定性，如果在pid控制器中使用固定参数，横向载荷转移率的调整时间会较长，导致对车辆进行侧翻抑制的效果较差。因此本实施例中通过径向基神经网络对pid控制器的参数进行实时整定，根据车辆的横向载荷转移率对pid控制器的参数进行对应调整，可以缩短横向载荷转移率的调整时长，提高对车辆进行侧翻抑制的效果。
[0096]
在一种可能的实现方式中，在基于径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定之前，该方法还包括：
[0097]
基于梯度下降算法和训练样本集对径向基神经网络的权重、网络中心和基宽进行训练，得到经过训练的径向基神经网络；训练样本集包括多个训练样本，训练样本为车辆在某个时刻的实时横向载荷转移率和横向载荷转移率，训练样本的标签为pid控制器的参数；
[0098]
相应的，基于径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定，包括：
[0099]
基于经过训练的径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定。
[0100]
在本实施例中，径向基神经网络是一种三层神经网络，包括输入层、隐含层、输出层，结构如图4所示。径向基神经网络的基本思想是：用径向基作为隐单元的“基”构成隐含层空间，这样就可以将输入矢量直接映射到隐含层空间，而不需要通过权连接。当径向基神
经网络的中心点确定以后，这种映射关系也就确定了。而隐含层空间到输出空间的映射是线性的，即网络的输出是隐单元输出的线性加权和，此处的权即为网络可调参数。其中，隐含层的作用是把向量从低维度映射到高维度，低维度线性不可分的情况到高维度就可以变得线性可分。径向基神经网络由输入到输出的映射是非线性的，而径向基神经网络的输出对可调参数而言却又是线性的。网络的权就可由线性方程组直接解出，从而大大加快学习速度并避免局部极小问题。本实施例中，径向基神经网络的输入向量为x＝[x1,x2,...,xn]
t
，径向基向量为h＝[h1,h2,...,hj,...,hm]
t
，其中，j为高斯基函数：
[0101][0102]
其中，cj＝[c
j1
,c
j2
,
…
,c
jn
]
t
，j＝1,2,
…
n为径向基神经网络的中心向量。
[0103]
径向基神经网络的基带向量为：
[0104]
b＝[b1,b2,b3,
…bj
,
…
,bn]
t
[0105]
其中，bj为隐含层第j个节点的基宽参数，用于表示基函数围绕中心的宽度。
[0106]
径向基神经网络的权重向量为：
[0107]
w＝[w1,w2,w3,
…
wj,
…
,wn]
t
[0108]
其中，wj为隐含层第j个节点的权向量。
[0109]
径向基神经网络的输出向量为：
[0110]
ym(k)＝w1(k)1(k) w2(k)2(k) w3(k)3(k)
…
wn(k)n(k)
[0111]
径向基神经网络的性能目标函数为：
[0112][0113]
其中，ym(k)为径向基神经网络的输出。
[0114]
通过梯度下降法，对权重、中心向量及基带向量进行迭代的公式为：
[0115]
wj(k)＝wj(k-1) η(y
out
(k)-ym(k))j α(wj(k-1)-wj(k-2))
[0116][0117][0118]
其中，η为学习效率；α为动量因子。
[0119]
雅可比的计算公式为：
[0120][0121]
在一种可能的实现方式中，基于横向载荷转移率确定目标车轮，包括：
[0122]
基于横向载荷转移率确定车辆的侧翻方向；
[0123]
若车辆的侧翻方向为向左侧翻，则目标车轮为左前轮；
[0124]
若车辆的侧翻方向为向右侧翻，则目标车轮为右前轮。
[0125]
在本实施例中，根据各车轮制动力与横摆力矩变化的关系，各车轮产生的横摆力矩略有不同，而前外侧轮制动效果最佳，因此用于抑制车辆侧翻的附加横摆力矩只施加于车辆的前轮进行制动，不对后轮进行制动。
[0126]
在一种可能的实现方式中，基于附加横摆力矩计算目标制动力矩，包括：
[0127]
基于目标车辆、制动力分配公式、左侧车轮垂直载荷和右侧车轮垂直载荷对附加横摆力矩进行分配，得到目标制动力矩；制动力分配公式为：
[0128][0129]
其中，a为整车重心与前轴的距离，b为整车重心与后轴的距离，m为车辆的质量，f
zl
表示左侧车轮垂直载荷，f
zr
为右侧车轮垂直载荷，f
fl
为左前轮的目标制动力矩，f
fr
为右前轮的目标制动力矩，m为附加横摆力矩，r为车轮半径。
[0130]
在本实施例中，差动制动施加前车辆横摆方向的运动方程为：
[0131][0132]
差动制动施加后车辆横摆方向的运动方程为：
[0133][0134]
其中，f
yfl
为车辆左前轮所受侧向力；f
yfr
为车辆右前轮所受侧向力；f
yrl
为车辆左后轮所受侧向力；f
yrr
为车辆右后轮所受侧向力；m为差动制动时产生的抗横摆力矩。
[0135]
m可以表示为：
[0136][0137]
其中，f
x
为制动车轮所受地面制动力。
[0138]
根据车轮垂直载荷大小比例对车轮制动力进行分配，其中
[0139][0140][0141]
其中，f
zl
为左侧车轮垂直载荷，f
zr
为右侧车轮垂直载荷。
[0142]
制动力的计算公式为：
[0143]
制动力矩的计算公式为：
[0144]
t
bf
＝ffr
[0145]
t
br
＝frr
[0146]
其中，t
bf
为前轮制动力矩，t
br
为后轮制动力矩，r为车轮滚动半径，ff为前轮制动力，fr为后轮制动力。
[0147]
在一个具体的实施例中，通过仿真平台验证本发明提供的车辆防侧翻方法的效果，具体步骤如下：
[0148]
首先借助carsim和matlab/simulink软件搭建了联合仿真平台。平台搭建步骤分为两步:
[0149]
(1)按照carsim和matlab/simulink软件角色定义分别搭建基于功能定义的子系统。面向carsim软件:在carsim中通过参数化设置和自定义方式设置车辆参数及仿真工况；以carsim内置车辆动力学参数、轮胎模型作为仿真评价参数。面向matlab/simulink软件:搭建本文所设计的控制策略。
[0150]
(2)基于carsim丰富的对外信息交互接口，进行carsim与simulink联合仿真验证。
[0151]
仿真过程中，整车参数如表1所示:
[0152]
表1
[0153]
参数车长车宽车高重量爬坡性能车轮半径轮距轴距数值820mm695mm356mm60kg30
°
150mm602mm504mm
[0154]
接着，在仿真系统中进行双移线工况仿真实验。双移线工况能够充分检验车辆的抗侧倾性能。设置初始试验车速为90km/h，路面附着系数为0.85，输入的方向转角如图5所示。由图5可知，输入的方向盘转角峰值为150
°
，可见所设置工况对进行仿真实验的车辆是较为苛刻的，能够充分检验本发明提供的防侧翻方法的效果。
[0155]
。图6(a)、图6(b)、图6(c)、图6(d)为双移线工况各参数的仿真结果图。可以看出，在车速为90km/h时，车辆行驶至5.9s时，横向载荷转移率达到了设定阈值0.8，并且持续上升，直至车辆行驶至6.1s时，横向载荷转移率的值为1，车辆发生侧翻，此时通过pid制动控制器的工作，很快将横向载荷转移率的峰值降低至阈值以内，而径向基神经网络pid控制器比传统pid控制器的效果略好。由于车辆的紧急转弯，横摆角加速度迅速增加，在6.1s时达到峰值-0.45deg/s2，通过差动制动控制器工作很快将横摆角加速度控制在车辆趋于失稳的范围内。随着横摆角加速度的下降，横摆角速度也随之下降。质心侧偏角的变化范围从-0.78deg～0.88deg下降为-0.43deg～0.48deg，且变化平缓，无明显突变现象。径向基神经网络pid控制下的轮式机器人的稳定性能指标比常规pid控制系统的性能指标要低。因此，车速的增加，车辆侧翻发生的可能性会变大。径向基神经网络pid控制在改善轮式机器人横向稳定性、抑制侧翻方面效果更突出。
[0156]
本发明实施例提供的车辆的防侧翻方法、装置、终端及存储介质，该方法包括：基于车辆的横向载荷转移率判断车辆是否具有侧翻趋势；若车辆具有侧翻趋势，则基于横向载荷转移率和径向基神经网络pid控制器计算用于抑制车辆侧翻的附加横摆力矩；基于横
向载荷转移率确定目标车轮，并基于附加横摆力矩计算目标制动力矩，以基于目标制动力矩对目标车轮进行制动。本发明通过横向载荷转移率判断车辆是否有侧翻趋势，在车辆有侧翻趋势时通过径向基神经网络pid控制器计算对车辆进行侧翻抑制的附加横摆力矩，可以提高附加横摆力矩的计算速度，并在发生侧翻前及时对目标车轮进行制动，从而提高车辆抗侧翻的响应速度和抗侧翻效果。
[0157]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0158]
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
[0159]
图7示出了本发明实施例提供的车辆的防侧翻装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0160]
如图7所示，车辆的防侧翻装置7包括：
[0161]
侧翻判断模块71，用于基于车辆的横向载荷转移率判断车辆是否具有侧翻趋势；
[0162]
力矩计算模块72，用于在车辆具有侧翻趋势时，基于横向载荷转移率和径向基神经网络pid控制器计算用于抑制车辆侧翻的附加横摆力矩；
[0163]
力矩分配模块73，用于基于横向载荷转移率确定目标车轮，并基于附加横摆力矩计算目标制动力矩，以基于目标制动力矩对目标车轮进行制动。
[0164]
在一种可能的实现方式中，侧翻判断模块71具体用于：
[0165]
在设定时间段内车辆的横向载荷转移率呈上升趋势，且设定时间段内横向载荷转移率的最大值大于设定阈值时，判定车辆具有侧翻趋势。
[0166]
在一种可能的实现方式中，径向基神经网络pid控制器包括径向基神经网络和pid控制器；
[0167]
力矩计算模块72具体用于：
[0168]
基于径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定；
[0169]
将横向载荷转移率输入参数整定后的pid控制器，得到用于抑制车辆侧翻的附加横摆力矩。
[0170]
在一种可能的实现方式中，力矩计算模块72还用于：
[0171]
在基于径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定之前，基于梯度下降算法和训练样本集对径向基神经网络的权重、网络中心和基宽进行训练，得到经过训练的径向基神经网络；训练样本集包括多个训练样本，训练样本为车辆在某个时刻的实时横向载荷转移率和横向载荷转移率，训练样本的标签为pid控制器的参数；
[0172]
基于经过训练的径向基神经网络、车辆的实时横向载荷转移率以及横向载荷转移率的变化率对pid控制器进行参数整定。
[0173]
在一种可能的实现方式中，力矩分配模块73具体用于：
[0174]
基于横向载荷转移率确定车辆的侧翻方向；
[0175]
若车辆的侧翻方向为向左侧翻，则目标车轮为左前轮；
[0176]
若车辆的侧翻方向为向右侧翻，则目标车轮为右前轮。
[0177]
在一种可能的实现方式中，力矩分配模块73具体用于：
[0178]
基于目标车辆、制动力分配公式、左侧车轮垂直载荷和右侧车轮垂直载荷对附加横摆力矩进行分配，得到目标制动力矩；制动力分配公式为：
[0179][0180]
其中，a为整车重心与前轴的距离，b为整车重心与后轴的距离，m为车辆的质量，f
zl
表示左侧车轮垂直载荷，f
zr
为右侧车轮垂直载荷，f
fl
为左前轮的目标制动力矩，f
fr
为右前轮的目标制动力矩，m为附加横摆力矩，r为车轮半径。
[0181]
本发明实施例提供的车辆的防侧翻装置：侧翻判断模块，用于基于车辆的横向载荷转移率判断车辆是否具有侧翻趋势；力矩计算模块，用于在车辆具有侧翻趋势时，基于横向载荷转移率和径向基神经网络pid控制器计算用于抑制车辆侧翻的附加横摆力矩；力矩分配模块，用于基于横向载荷转移率确定目标车轮，并基于附加横摆力矩计算目标制动力矩，以基于目标制动力矩对目标车轮进行制动。本发明通过横向载荷转移率判断车辆是否有侧翻趋势，在车辆有侧翻趋势时通过径向基神经网络pid控制器计算对车辆进行侧翻抑制的附加横摆力矩，可以提高附加横摆力矩的计算速度，并在发生侧翻前及时对目标车轮进行制动，从而提高车辆抗侧翻的响应速度和抗侧翻效果。
[0182]
图8是本发明实施例提供的终端的示意图。如图8所示，该实施例的终端8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个车辆的防侧翻方法实施例中的步骤，例如图1所示的步骤101至步骤103。或者，所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块的功能，例如图7所示模块71至73的功能。
[0183]
示例性的，所述计算机程序82可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器81中，并由所述处理器80执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序82在所述终端8中的执行过程。例如，所述计算机程序82可以被分割成图7所示的模块71至73。
[0184]
所述终端8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端8可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是终端8的示例，并不构成对终端8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
[0185]
所称处理器80可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路
(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)、进阶精简指令集机器(advanced risc machine，arm)架构处理器或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0186]
所述存储器81可以是所述终端8的内部存储单元，例如终端8的硬盘或内存。所述存储器81也可以是所述终端8的外部存储设备，例如所述终端8上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器81还可以既包括所述终端8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
[0187]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0188]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0189]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0190]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0191]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0192]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0193]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或
使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个车辆的防侧翻方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0194]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。