[发明专利]制动踏板感觉调节系统、方法、装置和汽车

权利要求书

1.一种制动踏板感觉调节系统，其特征在于，包括：

依次信号连接的制动信息采集模块、数据预处理模块、制动习惯识别模块和参数配置模块；

制动信息采集模块获取制动信息数据并输出给数据预处理模块，制动信息数据至少包括本车与前车距离、车速和制动减速度；

数据预处理模块对制动信息数据进行预处理，将预处理后的制动信息数据输出到制动习惯识别模块；

制动习惯识别模块实时接收数据预处理模块传入的预处理后的制动信息数据，采用基于隐马尔科夫模型建立的制动习惯模型识别制动习惯并形成制动习惯信号；

参数配置模块接收到制动习惯识别模块传入的制动习惯信号后，根据制动习惯信号调用相对应的制动助力特性曲线，并根据制动助力特性曲线控制电控制动助力器；

制动习惯识别模块内嵌制动习惯模型库，通过采集多个不同驾驶风格驾驶员的制动数据，采用隐马尔科夫模型将制动数据进行迭代建立制动习惯模型库；

制动习惯模型库中包括有制动习惯模式，制动习惯模式包括：运动模式、正常模式和\或舒适模式；

制动习惯模型库中的驾驶员行为习惯模型通过离线建立，首先设置隐马尔科夫模型初始参数λ＝{π A c μ ∑ M}，π＝{π_i}设置为首元素非零的矩阵；A＝{a_ij}设置为主对角线和次对角线元素非零的矩阵；选择前车距离s，车速v和制动减速度a作为观察状态向量，对每个观察状态向量进行聚类，得到连续混合正态分布，进而获取各隐状态的{c μ ∑}初始参数；

然后利用驾驶模拟器或者实车采集到的制动数据信息的80％用作训练模型的观察值序列，运用Baum-Welch算法的递归思想，得到新的模型参数使局部最大，即为得到的模型参数向量，代表此类采样数据的模型，对于每个制动习惯均采用此方法建立。

2.根据权利要求1所述的制动踏板感觉调节系统，其特征在于，

制动信息采集模块获取制动信息数据包括：制动信息采集模块通过距离感知器获取本车与前车距离，通过车载传感器获取车速和制动减速度。

3.根据权利要求1所述的制动踏板感觉调节系统，其特征在于，

数据预处理模块对制动信息数据进行预处理包括：对本车与前车距离、车速和制动减速度进行滤波和仲裁预处理。

4.根据权利要求1所述的制动踏板感觉调节系统，其特征在于，

参数配置模块内嵌了不同制动习惯模式对应的制动助力特性曲线，制动助力特性曲线内设有制动助力特性曲线控制参数，分别为运动模式控制参数、正常模式控制参数或舒适模式控制参数。

5.一种制动踏板感觉调节方法，其特征在于，包括：

获取制动信息数据，制动信息数据至少包括本车与前车距离、车速和制动减速度；

对制动信息数据进行预处理；

对预处理后的制动信息数据采用基于隐马尔科夫模型建立的制动习惯模型识别制动习惯并形成制动习惯信号；

根据制动习惯信号调用相对应的制动助力特性曲线，并根据制动助力特性曲线控制电控制动助力器；

通过采集多个不同驾驶风格驾驶员的制动数据，采用隐马尔科夫模型将制动数据进行迭代建立制动习惯模型库；

制动习惯模型库中包括有制动习惯模式，制动习惯模式包括：运动模式、正常模式和\或舒适模式；

制动习惯模型库中的驾驶员行为习惯模型通过离线建立，首先设置隐马尔科夫模型初始参数λ＝{π A c μ ∑ M}，π＝{π_i}设置为首元素非零的矩阵；A＝{a_ij}设置为主对角线和次对角线元素非零的矩阵；选择前车距离s，车速v和制动减速度a作为观察状态向量，对每个观察状态向量进行聚类，得到连续混合正态分布，进而获取各隐状态的{c μ ∑}初始参数；

然后利用驾驶模拟器或者实车采集到的制动数据信息的80％用作训练模型的观察值序列，运用Baum-Welch算法的递归思想，得到新的模型参数使局部最大，即为得到的模型参数向量，代表此类采样数据的模型，对于每个制动习惯均采用此方法建立。