[發明專利]一種估測電動汽車制動壓力的方法和設備

有效

• 申請號: 201911136412.7
• 申請日: 2019-11-19
• 公開（公告）號: CN110843755B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 周健豪;曹瀚璋;孫靜;周之光;趙萬忠;宋廷倫
• 申請（專利權）人: 奇瑞汽車股份有限公司
• 主分類號: B60T17/22
• 分類號: B60T17/22;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 唐述燦

本公開公開了一種估測電動汽車制動壓力的方法，屬于人工智能技術領域。方法包括：采集實驗車輛在各個不同工況下行駛時CAN總線上的數據、傳感器上的數據和制動主缸的制動壓力；將CAN總線上的數據和傳感器上的數據作為輸入數據，制動壓力作為基準數據，基于貝葉斯規則反向訓練人工神經網絡模型，獲得訓練后的人工神經網絡模型；將實際車輛在各個不同工況下行駛時的CAN總線上的數據以及傳感器上的數據輸入訓練后的人工神經網絡模型，估測實際車輛中制動主缸的制動壓力。采用本公開，可以不借助傳感器而有效估測電動汽車的制動壓力。

技術領域

本公開屬于人工智能技術領域，特別涉及一種估測電動汽車制動壓力的方法和設備。

背景技術

電動汽車的制動系統一般為機電復合制動系統，該制動系統由液壓制動系統和再生制動系統組成，其中，液壓制動系統通過在制動主缸中產生液壓力為電動汽車提供一部分的制動力，再生制動系統為電動汽車提供另一部分的制動力，其中，再生制動系統提供固定的制動力，可以通過調節液壓制動系統產生的制動力進而調節電動汽車的制動力。

在現有技術中，利用制動主缸上的壓力傳感器采集制動主缸的制動壓力，根據采集到的制動壓力來調節制動主缸的制動壓力，進而調節電動汽車的制動力的大小。

在實現本公開的過程中，發明人發現相關技術至少存在以下問題：

當無制動主缸壓力傳感器或傳感器失效時，由于無法獲取到獲取制動主缸的制動壓力，導致電動汽車無法實現對制動力的控制，當制動壓力過小時，會導致電動汽車的制動力不足，進而導致剎車不及時而危害駕駛員的安全，當制動壓力過大時，會導致電動汽車的制動力過大，進而導致汽車輪胎將在地面上出現滑移而危害行車安全。

發明內容

為了解決相關技術中存在的技術問題，本公開實施例提供了一種估測電動汽車制動壓力的方法。所述估測電動汽車制動壓力的方法的技術方案如下：

第一方面，本公開提供了一種估測電動汽車制動壓力的方法，包括：

采集實驗車輛在各個不同工況下行駛時CAN總線上的數據、傳感器上的數據和制動主缸的制動壓力；

將所述CAN總線上的數據和所述傳感器上的數據作為輸入數據，所述制動主缸的制動壓力作為基準數據，基于貝葉斯算法反向傳播訓練所述人工神經網絡模型，獲得訓練后的人工神經網絡模型；

將實際車輛在所述各個不同工況下行駛時的CAN總線上的數據以及所述傳感器上的數據輸入訓練后的人工神經網絡模型，估測所述實際車輛中制動主缸的制動壓力。

可選的，所述CAN總線上的數據，包括：電動汽車速度、電池荷電狀態、電池電流、電池電壓、電機轉矩、電機轉速、電池電流變化率和電池電壓變化率。

可選的，所述傳感器上的數據，包括：毫米波雷達傳感器上的數據和坡度傳感器上的數據，其中，所述毫米波雷達傳感器測量所述實驗車輛與前方車輛的距離，所述坡度傳感器測量所述實驗車輛所在前方道路的坡度。

可選的，所述采集實驗車輛在各個不同工況下行駛時CAN總線上的數據、傳感器上的數據和制動主缸的制動壓力，包括：

以預設的采樣頻率采集所述實驗車輛在各個不同工況下行駛時所述CAN總線上的數據、所述傳感器上的數據以及所述制動主缸的制動壓力，并對采集到數據進行平滑處理和歸一化處理。

可選的，所述將所述CAN總線上的數據和所述傳感器上的數據作為輸入數據，所述制動壓力作為基準數據，基于貝葉斯規則反向訓練所述人工神經網絡模型，獲得訓練后的人工神經網絡模型，包括：

將同一時刻在所述實驗車輛上采集到的CAN總線上的數據、所述傳感器上的數據以及所述制動主缸的制動壓力作為一個子樣本，在K個不同時刻采集所述實驗車輛在所述各個不同工況下行駛時所述CAN總線上的數據、所述傳感器上的數據以及所述制動壓力，獲得K個子樣本；