[发明专利]一种基于数据驱动的路感模拟方法

说明书

本发明公开了基于数据驱动的路感模拟方法，包括以下步骤：采集试验数据，采集的试验数据包括车速、车辆侧向加速度、车辆横摆角速度、车辆垂向载荷、驾驶员方向盘转角、方向盘角速度和方向盘力矩；处理试验数据；使用聚类算法对归一化试验数据进行聚类，聚类后将归一化试验数据分成多个数据类，并将聚类后的试验数据分别划分为聚类后训练数据集和聚类后测试数据集；训练基于数据驱动的模型；测试基于数据驱动的模型；根据所得的基于数据驱动的路感模拟模型进行路感模拟。本发明使用真实车辆采集试验数据，采用基于数据驱动的建模方法进行路感模拟模型建模，数据采集便捷，计算速度快，且相较于现有技术具有明显的高精度和实时性的优势。

技术领域

本发明涉及汽车技术领域，具体涉及一种基于数据驱动的路感模拟方法。

背景技术

转向路感，又称转向力感、方向盘反馈力矩，是指驾驶员通过方向盘反馈力矩感受到的反向阻力矩。这种路感可向驾驶员传递相关路面状况和车辆实时运动情况，从而让驾驶员做出与相关路况和车况对应的决策。随着线控转向系统的不断普及，越来越多的车辆，尤其是智能驾驶车辆开始采用线控转向系统作为其转向系统。在智能驾驶领域，驾驶模拟器已经被广泛用于进行智能驾驶算法的开发、测试。为了提高驾驶模拟器的真实度，应当为驾驶员提供较为真实的转向路感。因此路感模拟对驾驶模拟器的开发有着不可忽略的重要性。然而，由于线控转向系统不能像传统转向系统那样将环境信息传达给驾驶员，使驾驶员难以通过方向盘力矩感知环境信息，因此有必要开发一种计算速度快、结构简单、获取难度较低的路感模型。

申请号为CN201110041786.8、名称为“汽车驾驶模拟器中方向盘自回中与力反馈的系统及方法”的中国专利，涉及一种方向盘反馈力的控制系统，其并不涉及方向盘力矩的目标值计算，也并不涉及相关建模方法。

论文《转向盘力矩反馈系统关键问题研究》(姜玉瑶，吉林大学，2018年)提及了一种使用机理建模方法建立路感模拟模型的方法，该方法实现的仿真精度不高，难以达到工程应用水平。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种计算速度快、建模成本较低的基于数据驱动的路感模拟方法，以实车试验数据和数据驱动算法建立路感模拟模型，解决传统机理建模存在的模型结构复杂、精度不高、应用过程中实时性难以保证等问题。

为了达到上述目的，本发明提供一种基于数据驱动的路感模拟方法，包括以下步骤：

步骤一、采集试验数据：驾驶员进行实车试验，车辆在试验道路中行驶，采集的试验数据包括车速、车辆侧向加速度、车辆横摆角速度、车辆垂向载荷、驾驶员方向盘转角、方向盘角速度和方向盘力矩；

步骤二、处理试验数据：对试验数据去除异常点后进行归一化处理，得到归一化试验数据集；

步骤三、进行归一化试验数据分类：使用聚类算法对归一化试验数据进行聚类，聚类后将归一化试验数据分成多个数据类，并将聚类后的试验数据划分为聚类后训练数据集和聚类后测试数据集；

步骤四、训练基于数据驱动的模型：使用聚类后训练数据集和数据驱动算法，训练得到与数据类数量相同的基于数据驱动的路感模拟模型，所述基于数据驱动的路感模拟模型的输入变量为车速、车辆侧向加速度、车辆横摆角速度、车辆垂向载荷、驾驶员方向盘转角、方向盘角速度，输出变量为方向盘力矩；

步骤五、测试基于数据驱动的模型；使用聚类后测试数据集测试得到的多个基于数据驱动的路感模拟模型，并判断是否需要重新进行试验；

步骤六、根据所得的基于数据驱动的路感模拟模型进行路感模拟。

进一步地，在步骤一的实车试验中：

试验道路类型包括城市道路、高速道路和郊区道路；

车辆行驶工况包括直行、倒车、转弯和原地转向工况，以及在不同道路路面行驶的工况。