[发明专利]一种准确度更高的车辆横向稳定状态判定方法

说明书

本发明涉及车辆主动安全控制领域，特别是一种准确度更高的车辆横向稳定状态判定方法。该判定方法包括如下步骤：S1：采集特征属性值，获得车辆横向属性数据集；S2：采用“快速搜索与密度峰值算法”对车辆横向属性数据集进行聚类，确定聚类中心和类别数；S3：利用部分聚类后的属性数据集，对可拓神经网络进行训练；S4：实时采集表征车辆横向稳定性的特征属性值，利用训练完成后的可拓神经网络对新采集的车辆横向属性数据集进行识别，获取车辆的实时横向稳定性状态。本发明提供的判定方法，采集了更多的特征属性，利用“快速搜索与密度峰值算法”对获取的特征属性数据集进行聚类，并利用可拓神经网络进行状态识别，状态识别结果的准确性更高。

技术领域

本发明涉及车辆主动安全控制领域，特别是一种准确度更高的车辆横向稳定状态判定方法。

背景技术

随着人们生活水平的不断提高，我国居民汽车保有量不断上升，与此同时，我国交通事故发生率也在逐年增加。相关调查发现，汽车失去横向稳定性是导致交通事故频发的一大诱因；驾驶员根据自身驾驶经验，往往难以准确判断出车辆是否处于危险的不稳定状态。如果车辆本身能够及时发现危险状态并对驾驶员加以预警，或判断出危险状态后能够进行主动横向稳定控制，则大多数交通事故都能够被避免。这就是车辆主动安全控制技术领域的最新研究方向之一，也是车辆自动驾驶技术的一个重要基础，目前各汽车厂商和研究机构在该领域已经取得中大量技术成果。

有效判定车辆横向稳定状态避免车辆失控，对保证驾驶员安全有着重要意义。但是现有技术中，对车辆运行过程的横向稳定状态的识别依然存在诸多问题。一方面，现有的基于横向稳定性数据集的分类方法，往往难以确定初始聚类中心，数据的处理难度较高，对系统造成计算负担；同时，处理结果无法准确反应汽车实时的运行状态，也会影响对车辆稳定性的精准判定。另一方面，传统横向稳定性判定方法未全面考虑影响车辆横向稳定性的参数，只针对某几个表征车辆横向稳定性的特征量进行分析得到横向稳定性判据，数据基础相对较弱，选取的特征量往往不能全面体现出车辆的横向稳定状态。论文【基于相平面法的车辆行驶稳定性判定方法[J].刘飞,熊璐,邓律华,et al.华南理工大学学报(自然科学版),2014,42(11)】公开了一种车辆行驶稳定性的判断方法，该方法依据相平面分析的方法建立了质心侧偏角-质心侧偏角速度相图，采用了经过改进的五特征值菱形法划分出了车辆的横向稳定性区域，基于Matlab编程环境画出车辆行驶全工况相平面图。该技术方案就存在如上所述的各项缺陷。

此外，特征参数的采集和处理均会提高车辆的硬件成本和运行成本；因此对车辆的运行特征信息的采集还应考虑其对车辆横向稳定性准确判定的贡献度，从而确定最必要且有效的车辆运行特征数据，这也是需要解决的问题之一。

在解决车辆横向稳定性识别的基础上，还需要选择更有效的车辆控制方法，有针对性地对车辆横向稳定性的失稳状态进行调节和控制，并根据车辆稳定性状态的不同类型，有针对性地执行调控策略，获得更好的调控效果。显然地，通过现有的主动前轮转向控制(AFS)和直接横摆力矩控制(DYC)简单协调的方式实现上述目标还存在一定的难度，因此还需要基于车辆横向稳定性识别结果设计一种更有效的AFS和DYC结合的控制方式。

发明内容

为克服现有技术中的问题，本发明提供的准确度更高的车辆横向稳定状态判定方法，采集了更多的特征属性，利用“快速搜索与密度峰值算法”对获取的特征属性数据集进行聚类，并利用可拓神经网络进行状态识别，状态识别结果的准确性更高。

本发明提供的技术方案如下：

一种准确度更高的车辆横向稳定状态判定方法，该方法包括如下步骤：

S1：采集表征车辆横向稳定性的特征属性值，获得车辆横向属性数据集；