一种制动失效工况下车辆漂移避撞控制方法及系统

1.本发明涉及汽车主动安全技术领域，尤其涉及一种制动失效工况下车辆漂移避撞控制方法及系统。


背景技术：

2.制动失效对交通安全危害严重，威胁驾乘的生命财产安全。据世界卫生组织(who)统计，汽车制动失效直接导致了2％的交通事故，但却在部分地区直接贡献了8.03％的交通事故伤亡。中国交通运输部指出，导致交通事故的汽车因素中，制动失效占比高达40％。
3.据统计，94％以上的汽车制动失效为能量失效或主传压机构失效，会导致车辆四轮的制动能力同时失效。四轮同时失效的情况下，车辆的最大纵向制动力会急剧下降，纵向避撞能力随之大幅下降，易发生严重的交通事故。
4.目前，制动失效的研究主要集中在失效前冗余、失效时诊断以及失效后控制。以上方法可以通过冗余降低制动失效事件发生概率，通过传感器及智能算法确定失效原因及失效程度，通过制动力分配发挥车辆制动性能并稳定车身。
5.但是，上述措施中能量源冗余和主传压部件冗余技术尚处于发展阶段，四轮同时失效的情况不可完全避免；现有控制措施在四轮同时失效后对稳定性有保守要求，并未突破纵向制动能力的限制，故不能改善整车的前向避撞能力。具体体现在，如制动系统完全失效，若无专业车手操作碰撞多不可避免；如制动系统部分失效，车辆的纵向制动距离将会明显变长，无法仅使用制动操作完成前向停车避撞。制动失效导致的事故数据也表明，仅进行纵向减速控制并非制动失效车辆的最佳避撞选择。综上，整车层面针对制动系统失效后的避撞安全功能尚存空白。
6.漂移操作可以控制车辆通过过度转向侧滑行驶，常用于路况变化较大的赛车活动。漂移操作的本质是控制车辆同时实现转向过度及行驶轨迹的控制。制动失效会导致车辆的纵向制动力限制无法突破。这种紧急工况下，利用漂移操作可以改变车身姿态，并利用侧向轮胎力以降低车速。
7.因此，如何改善制动失效车辆的纵向避撞能力是目前需要解决的问题。


技术实现要素：

8.本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
9.为此，本发明的目的在于提出一种制动失效工况下车辆漂移避撞控制方法、系统、设备及存储介质，以充分发挥制动失效车辆的制动潜能，提升智能车辆的应急能力和备份水平。
10.为达上述目的，本发明一方面提出了一种制动失效工况下车辆漂移避撞控制方法，包括：
11.根据车辆实际纵向制动力参数与期望纵向制动力参数得到制动失效等级；
12.根据所述车辆制动失效等级得到车辆当前状态下的纵向碰撞风险指标；
13.基于高精度制动失效车辆动力学模型计算所述纵向碰撞风险指标，以根据指标计算结果确定失效车辆飘逸控制策略；
14.执行所述失效车辆飘逸控制策略并输出相应的动作指令，以在漂移控制触发后将所述动作指令发送至车辆执行器。
15.根据本发明实施例的制动失效工况下车辆漂移避撞控制方法还可以具有以下附加技术特征：
16.进一步地，在本发明的一个实施例中，在所述根据车辆实际纵向制动力参数与期望纵向制动力参数得到制动失效等级之前，还包括：利用制动踏板位移传感器测量制动踏板角位移以计算期望纵向制动力参数，利用加速度传感器测量车辆加速度以计算实际纵向制动力参数。
17.进一步地，在本发明的一个实施例中，所述根据车辆制动失效等级得到车辆当前状态下的纵向碰撞风险指标，包括：通过感知系统得到前向碰撞风险指标，并根据所述前向碰撞风险指标计算得到前向障碍物距失效车辆的距离；根据所述制动失效等级和所述前向障碍物距失效车辆的距离计算车辆当前状态下的纵向碰撞风险指标。
18.进一步地，在本发明的一个实施例中，所述基于高精度制动失效车辆动力学模型计算所述纵向碰撞风险指标，以根据指标计算结果确定失效车辆飘逸控制策略，包括：根据仿真环境下的高精度制动失效车辆动力学模型的状态空间函数和动作空间函数得到横向交通环境参数；根据所述纵向碰撞风险指标和所述横向交通环境参数得到对应的奖励函数；通过所述高精度制动失效车辆动力学模型计算所述对应的奖励函数，根据函数计算结果输出对应的失效车辆飘逸控制策略。
19.为达到上述目的，本发明另一方面提出了一种制动失效工况下车辆漂移避撞控制系统，包括：
20.失效等级确定模块，用于根据车辆实际纵向制动力参数与期望纵向制动力参数得到制动失效等级；
21.风险指标确定模块，用于根据所述车辆制动失效等级得到车辆当前状态下的纵向碰撞风险指标；
22.控制策略确定模块，用于基于高精度制动失效车辆动力学模型计算所述纵向碰撞风险指标，以根据指标计算结果确定失效车辆飘逸控制策略；
23.漂移制控制动模块，用于执行所述失效车辆飘逸控制策略并输出相应的动作指令，以在漂移控制触发后将所述动作指令发送至车辆执行器。
24.本发明第三方面提出了一种计算机设备，包括处理器和存储器；
25.其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现制动失效工况下车辆漂移避撞控制方法。
26.本发明第四方面提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现制动失效工况下车辆漂移避撞控制方法。
27.本发明实施例的制动失效工况下车辆漂移避撞控制方法、系统、设备及存储介质，针对不同制动失效等级、所处横向交通环境设计了不同的漂移控制策略，具有较好的场景适应性和安全性。
28.本发明实施例的有益效果为：
29.1)本发明提出了一种针对制动失效车辆的主动安全功能，可以在车辆制动失效后自主决策、控制，避免因制动失效导致碰撞事故。
30.2)本发明可控制制动失效车辆通过漂移操作改变车身姿态，利用侧向力完成快速制动和避撞操作，提升了智能车辆对制动失效的应急能力和备份水平。
31.3)本发明针对不同制动失效等级、所处横向交通环境设计了不同的漂移控制策略，具有较好的场景适应性和安全性。
32.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
33.本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
34.图1为根据本发明实施例的制动失效工况下车辆漂移避撞控制方法的流程图；
35.图2为根据本发明实施例的制动失效工况下车辆漂移避撞控制的架构图；
36.图3为根据本发明实施例的车辆动力学模型的准确性验证效果图；
37.图4为根据本发明实施例的轮胎模型拟合效果图；
38.图5为根据本发明实施例的极限工况下的车辆动力学模型准确性对比图；
39.图6为根据本发明实施例的制动失效后车辆g-g图；
40.图7为根据本发明实施例的critic网络示意图；
41.图8为根据本发明实施例的actor网络示意图；
42.图9为根据本发明实施例的输出的车辆制动轨迹与仅制动输出的失效车辆轨迹对比图；
43.图10为根据本发明实施例的控制策略下轮胎力利用效果图；
44.图11为根据本发明实施例的制动失效工况下车辆漂移避撞控制系统结构示意图；
45.图12为根据本发明实施例的计算机设备。
具体实施方式
46.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
47.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中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的实施例，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他实施例，都应当属于本发明保护的范围。
48.下面参照附图描述根据本发明实施例提出的制动失效工况下车辆漂移避撞控制方法、系统、设备及存储介质。
49.图1是本发明一个实施例的制动失效工况下车辆漂移避撞控制方法的流程图。
50.如图1所示，该方法包括但不限于以下步骤：
51.s1，根据车辆实际纵向制动力参数与期望纵向制动力参数得到制动失效等级。
52.s2，根据车辆制动失效等级得到车辆当前状态下的纵向碰撞风险指标；
53.s3，基于高精度制动失效车辆动力学模型计算纵向碰撞风险指标，以根据指标计算结果确定失效车辆飘逸控制策略；
54.s4，执行失效车辆飘逸控制策略并输出相应的动作指令，以在漂移控制触发后将动作指令发送至车辆执行器。
55.下面结合附图对本发明实施例地方法进行详细阐述。
56.本发明实施例的方法，可以分为构造车辆制动失效等级观测模块，建立制动失效车辆的纵向时空风险评估模型，并基于强化学习结合横向交通环境输出漂移控制策略。此外，失效漂移控制策略还包括其它自动的漂移控制策略。具体实现如图2所示。
57.具体地，车辆制动失效等级观测模块，包括：制动踏板位移传感器测得制动踏板角位移，查表计算此时期望纵向制动力；加速度传感器测得车辆减速度，计算得此时实际纵向制动力。划分制动失效等级为能量失效(91％～100％)、极端失效(76％～90％)、严重失效(51％～75％)、部分失效(26％-50％)、轻微失效(10％-25％)四个等级，根据车辆实际纵向制动力与期望纵向制动力计算确定制动失效等级。
58.作为一种示例，车辆行驶过程中，踏板传感器传回角位移αb，查表得此时期望制动力为f(αb)；此时车辆加速度传感器传回纵向加速度a
x
。根据下式可计算出车辆制动失效等级，在本实施例中，失效等级为极端失效(失效80％)。
[0059][0060]
进一步，制动失效车辆纵向时空碰撞风险评估模块，包括：通过自动驾驶系统的感知系统分析前向碰撞风险，测得前向障碍物距失效车辆的距离。结合失效等级观测模块输出的失效等级，计算车辆当前状态下的纵向碰撞风险。根据纵向碰撞风险，判断是否执行漂移避撞控制。
[0061]
作为一种示例，自动驾驶感知系统反馈车辆前向l
obs
处出现障碍物，纵向避撞需求激增。计算当前状态失效车辆的时空碰撞风险r
ego
：
[0062][0063]
当r
ego
大于1时，本发明的漂移控制策略将被触发。本实施例中，漂移控制策略被触发。
[0064]
进一步，基于强化学习的失效车辆漂移控制策略，包括：构造sac深度强化学习算法的状态空间和动作空间；建立高精度制动失效车辆动力学模型作为sac强化学习算法的环境；根据纵向时空碰撞风险和横向交通环境设计奖励函数，包括即时奖励ri及终末奖励r
t
；在仿真环境下对强化学习算法的网络参数进行训练，在现实环境中将网络参数导入车载计算机；在漂移控制触发后，车载计算机将动作指令发送至车辆执行器，实现漂移制动。具体为：
[0065]
其中，状态空间s包括制动失效工况下智能车辆避撞所需的信息，空间s包括制动失效工况下智能车辆避撞所需的信息，包括自车状态及周边纵横向环境；
[0066]
动作空间包括制动失效工况下智能车辆所有可控量，包括但不限于前后轮转角、
各轮制动/驱动转矩；
[0067]
高精度制动失效车辆动力学模型可以准确计算制动失效后智能车辆的状态转移，包括但不限于横纵垂向位移、横摆、侧倾。
[0068]
奖励函数的设置，包括终末奖励r
t
和即时奖励ri。终末奖励为每个训练回合结束时，根据终末状态给予的一次性奖励，包括：未碰撞奖励项r
t1
、发生侧翻惩罚项r
t2
、发生碰撞或超出横向道路边界惩罚项r
t3
。即时奖励为每次状态转移后予以的即时奖励，包括：避撞项r
i1
，用于奖励世界坐标系下的车辆减速度值；减速项r
i2
，用于奖励车辆的绝对减速度；横向位移项r
i3
，用于惩罚世界坐标系下车辆的横向位移；轮胎摩擦利用项r
i4
，用于表示车辆运动状态与当前极限制动性能的接近程度。
[0069]
横向位移惩罚项r
i2
，需根据横向道路交通环境确定是否需要抑制制动失效车辆的横向位移。若无需抑制横向位移，可将该惩罚项降级或移除。
[0070]
轮胎摩擦利用项r
i4
，需根据制动失效等级确定当前可及的轮胎力范围，计算出最大轮胎力与车身之间的角度β。
[0071]
此外，失效漂移控制策略还包括其它自动的漂移控制策略。
[0072]
作为一种示例，基于强化学习设计当前失效等级车辆的控制策略。状态空间s包括制动失效工况下智能车辆避撞所需的信息，本实施例的状态空间如下所示：
[0073]
s＝[s
ego
,s
enr
]
[0074]sego
＝[v
x
,vy,r,γ,xe,ye,ψ,φ,s]
[0075][0076]
式中，s
ego
,s
enr
为本实施例中所需的自车状态信息和周围环境信息；v
x
,vy,r,γ分别是车辆坐标系下自车的纵向速度、横向速度、横摆角速度、侧倾速度；xe,ye,ψ,φ分别为世界坐标系下自车的纵向位置、横向位置、横摆角和侧倾角；s为失效车辆的状态，包括：避撞失败、避撞成功、避撞过程中、发生侧倾；为世界坐标系下车辆在与障碍物连线方向的减速度。
[0077]
进一步地，本发明实施例研究的车辆为四轮转向四驱汽车，构建如下所示的动作空间a：
[0078][0079]
式中，δf,δr为前轮、后轮的转向角；为失效情况下四轮的驱/制动力矩。
[0080]
进一步地，本发明实施例构建高精度八自由度制动失效车辆动力学模型作为仿真环境，模型与carsim车辆模型的对比如图3所示。
[0081]
其中，车体模型为双轨四自由度车体模型：
[0082][0083]
式中，f
x1
,f
x2
,f
x3
,f
x4
为四轮轮胎提供的纵向力；f
y1
,f
y2
,f
y3
,f
y4
为四轮轮胎提供的横向力；la,lb分别为前轴到质心的距离和后轴到质心的距离；wf,wr分别为前轮间距和后轮间距；h为车辆质心高度。
[0084][0085]mx
＝mghφ+(-dfγ-kfφ)+(-drγ-krφ)
[0086]
式中，ρ为空气密度，cd为空气阻力系数，a为车辆横截面积；df,dr分别为前滚阻尼和后滚阻尼；kf,kr分别为前滚刚度和后滚刚度。
[0087]
进一步地，本发明实施例轮胎模型采用实验数据拟合的魔术公式，轮胎模型的准确率如图4所示。
[0088][0089][0090][0091][0092]
式中，s
x
为纵向滑移率，α为轮胎侧偏角，其余变量为需拟合参数。此外，本发明采用的车辆模型考虑垂向载荷转移、横纵向联合全滑移。
[0093]
进一步地，本发明实施例漂移控制涉及极限驾驶，轮胎侧偏角会明显高于常规驾驶场景，故需对侧偏角进行修正。修正后的车辆模型可以提供轮胎侧偏角高的极限工况仿真环境，车辆模型与carsim输出结果对比如图5。
[0094]
α＝π-αif
[0095]
α＝-π+αif
[0096]
α＝αif
[0097]
进一步地，本发明实施例奖励函数的设计：所述奖励函数的设置，包括终末奖励r
t
和即时奖励ri。
[0098]
r＝ri+r
t
[0099]
即时奖励包括：避撞项r
i1
，用于奖励世界坐标系下的车辆减速度值；减速项r
i2
，用于奖励车辆的绝对减速度；横向位移项r
i3
，用于惩罚世界坐标系下车辆的横向位移；轮胎摩擦利用项r
i4
，用于表示车辆运动状态与当前极限制动性能的接近程度。具体说明如下：
[0100]
避撞项r
i1
，奖励在世界坐标系下车辆在与障碍物连线方向的减速度。该减速度越大表征着失效车辆的即时避免碰撞的努力程度。
[0101][0102]
减速项r
i2
，奖励车辆的绝对减速度。该减速度表征绝对车速的减小量，鼓励绝对车速减速表征降低车辆动能以减小潜在的碰撞损失。
[0103][0104]
横向位移项r
i3
，惩罚世界坐标系下车辆的横向位移；
[0105][0106]
式中，y
la-obs
为横向交通环境中障碍物与自车的相对横向位置。若横向无障碍物，横向位移项可以降级或移除。
[0107]
轮胎摩擦利用项r
i4
，奖励车辆运动状态与当前极限制动性能的接近程度。该项需根据制动失效等级确定当前可及的轮胎力范围，计算出最大轮胎力与车身之间的角度β，如图6所示。
[0108][0109]
终末奖包括：完成避撞奖励项r
t1
、发生侧翻惩罚项r
t2
、发生碰撞或超出横向道路边界惩罚项r
t3
。
[0110][0111]
式中，k5为正数，若没有发生碰撞则给予高数量级的奖励；k6、k7为负数，若发生侧倾、碰撞或超出道路边界，则给予高数量级的惩罚。
[0112]
进一步地，本发明实施例构建强化学习算法的critic和actor深度神经网络，如图7、图8所示。据状态s和动作a确定奖励r，根据最小化时间差分损失函数训练critic网络参数；通过最大化价值函数训练actor网络参数。
[0113]
进一步地，本发明实施例在现实环境中将前述训练好的网络参数导入车载计算机；在漂移控制触发后，车载计算机将动作指令发送至车辆执行器，实现漂移制动。在本实施例中，车辆的制动轨迹如图9所示，轮胎力如图10所示。
[0114]
根据本发明实施例的制动失效工况下车辆漂移避撞控制方法，可以在车辆制动失
效后自主决策、控制，避免因制动失效导致碰撞事故。可控制制动失效车辆通过漂移操作改变车身姿态，利用侧向力完成快速制动和避撞操作，提升了智能车辆对制动失效的应急能力和备份水平。针对不同制动失效等级、所处横向交通环境设计了不同的漂移控制策略，具有较好的场景适应性和安全性。
[0115]
为了实现上述实施例，如图11所示，本实施例中还提供了制动失效工况下车辆漂移避撞控制系统10，该系统10包括：失效等级确定模块100、风险指标确定模块200、控制策略确定模块300和漂移制控制动模块400。
[0116]
失效等级确定模块100，用于根据车辆实际纵向制动力参数与期望纵向制动力参数得到制动失效等级；
[0117]
风险指标确定模块200，用于根据车辆制动失效等级得到车辆当前状态下的纵向碰撞风险指标；
[0118]
控制策略确定模块300，用于基于高精度制动失效车辆动力学模型计算纵向碰撞风险指标，以根据指标计算结果确定失效车辆飘逸控制策略；
[0119]
漂移制控制动模块400，用于执行失效车辆飘逸控制策略并输出相应的动作指令，以在漂移控制触发后将动作指令发送至车辆执行器。
[0120]
进一步的，在上述失效等级确定模块100之前，还包括：参数计算模块，
[0121]
用于利用制动踏板位移传感器测量制动踏板角位移以计算期望纵向制动力参数，利用加速度传感器测量车辆加速度以计算实际纵向制动力参数。
[0122]
进一步的，上述风险指标确定模块200，还用于：
[0123]
通过感知系统得到前向碰撞风险指标，并根据前向碰撞风险指标计算得到前向障碍物距失效车辆的距离；
[0124]
根据制动失效等级和前向障碍物距失效车辆的距离计算车辆当前状态下的纵向碰撞风险指标。
[0125]
进一步的，上述控制策略确定模块300，还用于：
[0126]
根据仿真环境下的高精度制动失效车辆动力学模型的状态空间函数和动作空间函数得到横向交通环境参数；
[0127]
根据纵向碰撞风险指标和所述横向交通环境参数得到对应的奖励函数；
[0128]
通过高精度制动失效车辆动力学模型计算对应的奖励函数，根据函数计算结果输出对应的失效车辆飘逸控制策略。
[0129]
根据本发明实施例的制动失效工况下车辆漂移避撞控制系统，可以在车辆制动失效后自主决策、控制，避免因制动失效导致碰撞事故。可控制制动失效车辆通过漂移操作改变车身姿态，利用侧向力完成快速制动和避撞操作，提升了智能车辆对制动失效的应急能力和备份水平。针对不同制动失效等级、所处横向交通环境设计了不同的漂移控制策略，具有较好的场景适应性和安全性。
[0130]
为了实现上述实施例的方法，本发明还提供了一种计算机设备，如图12所示，该计算机设备600包括存储器601、处理器602；其中，所述处理器602通过读取所述存储器601中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现上文所述制动失效工况下车辆漂移避撞控制方法的各个步骤。
[0131]
为了实现上述实施例的方法，本发明还提供了一种非临时性计算机可读存储介
质，其上存储有计算机程序，该程序被处理器执行时实现制动失效工况下车辆漂移避撞控制方法。
[0132]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0133]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0134]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。