[發明專利]一種基于駕駛人特性的全線控電動汽車底盤協調控制方法

有效

• 申請號: 201811343373.3
• 申請日: 2018-11-13
• 公開（公告）號: CN109435961B
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 高琳琳;姚建紅;陳慶樟;許廣舉;趙付舟;王巍;劉繼承;周瑋;李玉茹
• 申請（專利權）人: 常熟理工學院
• 主分類號: B60W40/10
• 分類號: B60W40/10
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 張俊范

1.一種基于駕駛人特性的全線控電動汽車底盤協調控制方法，其特征在于，包括以下步驟：

步驟1、數據采集處理單元實時采集并處理駕駛行為參數和車輛狀態直接參數；

步驟2、根據步驟1獲取的駕駛行為參數和車輛狀態直接參數計算車輛狀態間接參數及道路環境參數；

步驟3、根據步驟1獲得的駕駛行為參數和車輛狀態直接參數將駕駛人的個性特征進行辨識并分為若干類型；

步驟4、根據駕駛行為參數、車輛狀態直接參數、車輛狀態間接參數及道路環境參數計算下一時刻汽車的縱向理想狀態參數和橫向理想狀態參數，所述縱向理想狀態參數為期望車速，所述橫向理想狀態參數為期望質心側偏角和期望橫擺角速度；

步驟5、根據步驟3得到的駕駛人的個性特征類型將期望車速修正為個性化期望車速，將期望質心側偏角修正為個性化期望質心側偏角，將期望橫擺角速度修正為個性化理想橫擺角速度；

步驟6、將個性化理想橫擺角速度分配至縱向動力學控制單元和橫向動力學控制單元；

步驟7、所述縱向動力學控制單元根據個性化期望車速和步驟6分配得到的個性化理想橫擺角速度計算四個車輪的驅動力矩或制動力矩，并將計算結果傳遞至縱向動力學執行單元執行；所述橫向動力學控制單元根據個性化期望質心側偏角和步驟6分配得到的個性化理想橫擺角速度計算四個車輪的轉角，并將計算結果傳遞至橫向動力學執行單元執行。

2.根據權利要求1所述的基于駕駛人特性的全線控電動汽車底盤協調控制方法，其特征在于，所述步驟2中計算車輛狀態間接參數及道路環境參數包括以下步驟：

步驟201、建立基于GIM輪胎模型的非線性車輛動力學模型，構造狀態方程和觀測方程；利用泰勒公式展開式，對非線性模型線性化；

步驟202、依據擴展卡爾曼濾波算法流程進行迭代計算，估算車輛的質心側偏角；

步驟203、依據擴展卡爾曼濾波算法流程進行迭代計算，估算路面附著系數；

步驟204、根據車輛質心側偏角和路面附著系數的內在聯系，對步驟202中的估算結果和步驟203中的估算結果交叉迭代直至收斂，得到最終的質心側偏角和路面附著系數的估算結果。

3.根據權利要求1所述的基于駕駛人特性的全線控電動汽車底盤協調控制方法，其特征在于，所述步驟3中將駕駛人的個性特征進行辨識并分為若干類型包括以下步驟：

步驟301、將加速踏板開度轉換為加速踏板開度變化率，將制動踏板開度轉換為制動踏板開度變化率，將縱向加速度轉換為縱向加速度變化率，將方向盤轉角轉換為方向盤轉角加速度；

步驟302、根據加速踏板開度變化率由上層RBF神經網絡模型中的第一模型得到第一單因素識別結果；根據制動踏板開度變化率由上層RBF神經網絡模型中的第二模型得到第二單因素識別結果；根據縱向加速度變化率由上層RBF神經網絡模型中的第三模型得到第三單因素識別結果，根據方向盤轉角加速度由上層RBF神經網絡模型中的第四模型得到第四單因素識別結果；

步驟303、由第一單因素識別結果、第二單因素識別結果、第三單因素識別結果和第四單因素識別結果作為輸入信息，下層RBF神經網絡模型輸出駕駛人的個性特征類型。