[发明专利]基于截断重要性抽样失效概率法的车辆侧翻预测算法

说明书

本发明提供了一种基于截断重要性抽样失效概率法的车辆侧翻预测算法，包括如下步骤：S1，将每种车辆状态量视为服从正态分布的随机变量，随机生成z个样本点；S2，利用重要性抽样法计算z个样本点的总体失效概率；S3，车辆实际运行时，采集车辆状态量，得出某时间段内的m个车辆实际状态点；S4，将m个车辆实际状态点代入总体失效概率的计算式，得出该段时间内车辆实时失效概率,根据该实时失效概率p_f＇预测汽车侧翻发生侧翻的可能性。本发明选用重要性抽样法取代了传统的计算横向载荷转移率并以此判断车辆侧翻的方法，降低复杂系统强非线性和不确定性的外在干扰，大大减少了计算的复杂度，从而保证车辆侧翻危险预测算法的实时性。

技术领域

本发明涉及汽车安全技术领域，具体涉及一种基于截断重要性抽样失效概率法的车辆侧翻预测算法。

背景技术

现有技术中，由于“人-车-路”交互系统具有强非线性和车辆状态建模的复杂性和不确定性，重型车辆驾驶员或车辆主动防侧翻控制装置必须及时依据重型车辆动力学响应及道路环境信息修正重型车辆的车速、转向等动作，方能有效避免车辆行驶稳定性的恶化。

但由于驾驶员、车辆状态和参数、环境道路信息经常变化，“人-车-路”交互算法具有强非线性，导致车辆状态的精确建模也具有较强的不确定性。传统的确定性方案很难实现精确建模。

Tsourapas,V.提出了一种通过依据实际车辆横向载荷转移率来进行侧翻危险判据的算法，其流程如图4所示，最终得出的失效概率计算公式为：该公式中存在两个积分，计算复杂，难以获得精确数值解。

发明内容

针对上述技术问题，本发明旨在提供一种基于截断重要性抽样失效概率法的车辆侧翻预测算法，将考虑系统不确定性的概率方法应用到汽车动态侧翻预测算法中，降低复杂系统强非线性和不确定性的外在干扰，精确实现车辆的动态侧翻危险预测评估。

为解决上述技术问题，本发明实施例采用以下技术方案来实现：

1.基于截断重要性抽样失效概率法的车辆侧翻预测算法，包括如下步骤：

S1，生成样本点：选取n种车辆状态量，并将每种车辆状态量视为服从正态分布的随机变量，随机生成z个样本点x_k＝(x_k1,x_k2,…x_kn)，k＝1,2,3…z，其中x_k1,x_k2,…x_kn表示第k个样本点中不同的车辆状态量；

S2，计算样本点的总体失效概率：将样本点置于在n维空间内，利用重要性抽样法计算z个样本点的总体失效概率P_f；

S3，生成车辆实际状态点：车辆实际运行时，在一个时间段内以一定频率采集车辆状态量，得出该时间段内的m个车辆实际状态点x_j^*＝(x_j1^*,x_j2^*,…x_jn^*)，其中j＝1,2,…m，x_j1^*,x_j2^*,…x_jn^*表示第j个车辆实际状态点中不同的车辆状态量；

S4，计算车辆的实时失效概率：将m个车辆实际状态点x_j^*＝(x_j1^*,x_j2^*,…x_jn^*)置于所述n维空间内，并代入总体失效概率P_f的计算式，得出该段时间内车辆实时失效概率p_f′，根据该实时失效概率p_f′预测汽车侧翻发生侧翻的可能性。