电控汽车制动系统及制动方法

摘要

本发明公开了电控汽车制动系统，包括：采集模块，其用于采集汽车的行驶数据信息；控制单元，其接收所述采集模块的信号，并根据接收的行驶数据信息技术计算得到制动控制结果；执行机构，其电连接所述控制单元，用于执行所述控制单元的制动控制结果。本发明提供了电控汽车制动系统，能够实时监测并控制汽车的运行及制动情况，提高汽车的行驶安全性能。本发明还提供了电控汽车制动方法，其基于BP神经网络对电控汽车的制动系统进行控制，保证汽车的安全行驶。

权利要求

1.电控汽车制动方法，其特征在于，包括以下步骤

步骤一、按照采样周期，通过传感器测量汽车车速V、汽车轮速ω、汽车加速度a、制动踏板的位移s、道路的坡度β；

步骤二、依次将上述参数进行规格化，确定三层BP神经网络的输入层向量x＝{x1,x2,x3,x4,x5}；其中x1为汽车车速系数、x2为汽车轮速系数、x3为汽车加速度系数、x4为制动踏板的位移系数、x5为道路的坡度系数；

步骤三、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；

步骤四、得到输出层向量o＝{o1,o2,o3}；o1为第一电流放大器输出电流的调节系数、o2为第一电流放大器输出电流的调节系数；

步骤五、控制第一电流放大器输出电流和第二电流放大器输出电流，使其中， 分别为第i次采样周期输出层向量前两个个参数，Imax、I′max分别为第一电流放大器输出最大电流和第二电流放大器输出最大电流，Ii+1、I′i+1分别为第i+1个采样周期时第一电流放大器输出电流和第二电流放大器输出电流。

2.根据权利要求1所述的电控汽车制动方法，其特征在于，还所述中间层节点个数m满足： 其中n为输入层节点个数，q为输出层节点个数。

3.根据权利要求2所述的电控汽车制动方法，其特征在于，将汽车车速V、汽车轮速ω、汽车加速度a、制动踏板的位移s、道路的坡度β进行规格化的公式为：其中，xj为输入层向量中的参数，Xj分别为测量参数V、ω、a、s、β，j＝1,2,3,4,5；Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。

4.根据权利要求3所述的电控汽车制动方法，其特征在于，初始状态时，第一电流放大器输出电流I0满足：其中，λ1为第一校正系数，P为前轮平均胎压，T为前轮平均胎温，Imax为第一电流放大器输出最大电流。

5.根据权利要求4所述的电控汽车制动方法，其特征在于，初始状态时，第二电流放大器输出电流I′0满足：其中，λ2为第二校正系数，I′max为第二电流放大器输出最大电流。

6.根据权利要求3所述的电控汽车制动方法，其特征在于，第二电流放大器输出最大电流I′max和第一电流放大器输出最大电流Imax满足：

说明书

电控汽车制动系统及制动方法

技术领域

[0001] 本发明涉及安全驾驶技术领域，尤其涉及电控汽车制动系统及制动方法。

背景技术

[0002] 汽车目前已是人们生活中必不可少的交通工具之一，制动系统是汽车行车安全的重要组成部分。

[0003] 目前，机动车辆的制动系统，特别是中大型卡车的制动系统主要以气压制动为主，中大型卡车的制动系统中，气压制动系统是应用最为广泛、稳定、可靠的车辆制动系统，属人为机械控制系统。虽然有少量的高端车辆已经配备有电子制动接口的电子气压制动系统，但是可靠性仍然处于验证阶段，可靠性和普及度并不高。近年来随着汽车主动安全系统(AEB)、自适应巡航控制系统(ACC)等产品的发展，智能汽车(如自动驾驶和无人驾驶)的发展趋势更加迅猛，迫切需要一套可靠而且可以实现电控的车辆气压制动系统来满足机动车辆制动的实际需要。因此，对现有机动车辆原气压制动系统进行改造，使其具备人工和电子双路控制模式，以适应现代机动车辆电控化、智能化的需求，是非常有必要的。

[0004] 在汽车领域，汽车制动系统是汽车上用以使外界在汽车某些部位施加一定压力，从而对其进行一定程度的强制制动的一些列专门装置，制动系统的作用是使正在行驶的汽车安装驾驶员的要求进行强制减速甚至停止；使下坡行驶的汽车速度保持稳定。对汽车起着制动作用的势能是作用在汽车上且方向与汽车行驶方向相反的外力，而这些外力的大小是随机不可控的，因此汽车上必须安装一系列专门装置以实现上述功能。制动系统可分为行车制动系统、驻车制动系统、应急制动系统和辅助制动系统。而在现有的制动系统中，由于结构原因存在制动的效果差问题，影响了汽车的安全行驶。

发明内容

[0005] 本发明为解决目前的技术不足之处，提供了电控汽车制动系统，能够实时监测并控制汽车的运行及制动情况，提高汽车的行驶安全性能。

[0006] 本发明还提供了电控汽车制动方法，其基于BP神经网络对电控汽车的制动系统进行控制，保证汽车的安全行驶。

[0007] 本发明提供的技术方案为：电控汽车制动系统，包括：

[0008] 采集模块，其用于采集汽车的行驶数据信息；

[0009] 控制单元，其接收所述采集模块的信号，并根据接收的行驶数据信息技术计算得到制动控制结果；

[0010] 执行机构，其电连接所述控制单元，用于执行所述控制单元的制动控制结果。

[0011] 优选的是，所述采集模块包括：

[0012] 制动踏板位移传感器，其设置在制动踏板处，用于检测制动踏板的位移；

[0013] 胎压传感器，其设置在汽车车轮处，用于检测车轮胎压；

[0014] 温度传感器，其设置在汽车车轮处，用于检测车轮温度；

[0015] 轮速传感器，其设置在汽车车轮处，用于检测汽车的轮速；

[0016] 车速传感器，其设置在汽车车身，用于检测汽车的车速；

[0017] 红外传感器，其设置在汽车车头处，用于检测汽车行驶道路的坡度；

[0018] 加速度传感器，其设置在汽车车身，用于检测汽车的加速度。

[0019] 优选的是，所述执行机构还包括：

[0020] 两组电磁组件，其包括第一电磁组件和第二电磁组件，所述电磁组件与所述控制单元电连，用于接收所述控制单元发出的指示信号，输出电磁力；

[0021] 两组制动组件，其包括第一制动组件和第二制动组件，所述第一制动组件和所述第一电磁组件电连，所述第二制动组件和所述第二电磁组件电连，分别对汽车前轮和后轮制动；

[0022] 电流放大器，其包括第一电流放大器和第二电路放大器，分别与所述控制单元电连，所述第一电流放大器电连所述第一电磁组件电连，所述第二电流放大器电连所述第二电磁组件电连，所述电流放大器输出电流产生电磁力控制所述制动组件；

[0023] 四个制动卡钳，其包括两个第一制动卡钳和两个第二制动卡钳，两个所述第一制动卡钳分别安装在汽车的前轮，两个所述第二制动卡钳分别安装在汽车的后轮处；

[0024] 制动轮缸，其包括两组第一制动轮缸和两组第二制动轮缸，所述第一制动轮缸连接所述第一制动组件和所述第一制动卡钳，所述第二制动轮缸连接所述第二制动组件和所述第二制动卡钳。

[0025] 电控汽车制动方法，包括以下步骤

[0026] 步骤一、按照采样周期，通过传感器测量汽车车速V、汽车轮速ω、汽车加速度a、制动踏板的位移s、道路的坡度β；

[0027] 步骤二、依次将上述参数进行规格化，确定三层BP神经网络的输入层向量x＝{x1,x2,x3,x4,x5}；其中x1为汽车车速系数、x2为汽车轮速系数、x3为汽车加速度系数、x4为制动踏板的位移系数、x5为道路的坡度系数；

[0028] 步骤三、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；

[0029] 步骤四、得到输出层向量o＝{o1,o2,o3}；o1为第一电流放大器输出电流的调节系数、o2为第一电流放大器输出电流的调节系数；

[0030] 步骤五、控制第一电流放大器输出电流和第二电流放大器输出电流，使

[0031]

[0032]

[0033] 其中， 分别为第i次采样周期输出层向量前两个个参数，Imax、I′max分别为第一电流放大器输出最大电流和第二电流放大器输出最大电流，Ii+1、I′i+1分别为第i+1个采样周期时第一电流放大器输出电流和第二电流放大器输出电流。

[0034] 优选的是，所述中间层节点个数m满足： 其中n为输入层节点个数，q为输出层节点个数。

[0035] 优选的是，将汽车车速V、汽车轮速ω、汽车加速度a、制动踏板的位移s、道路的坡度β进行规格化的公式为：

[0036]

[0037] 其中，xj为输入层向量中的参数，Xj分别为测量参数V、ω、a、s、β，j＝1,2,3,4,5；Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。

[0038] 优选的是，初始状态时，第一电流放大器输出电流I0满足：

[0039]

[0040] 其中，λ1为第一校正系数，P为前轮平均胎压，T为前轮平均胎温，Imax为第一电流放大器输出最大电流。

[0041] 优选的是，初始状态时，第二电流放大器输出电流I′0满足：

[0042]

[0043] 其中，λ2为第二校正系数，I′max为第二电流放大器输出最大电流。

[0044] 优选的是，第二电流放大器输出最大电流I′max和第一电流放大器输出最大电流Imax满足：

[0045]

[0046] 本发明所述的有益效果：提供了电控汽车制动系统，能够实时监测并控制汽车的运行及制动情况，提高汽车的行驶安全性能。本发明还提供了电控汽车制动方法，其基于BP神经网络对电控汽车的制动系统进行控制，保证汽车的安全行驶。

具体实施方式

[0047] 下面对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

[0048] 本发明的电控汽车制动系统包括：采集模块用于采集汽车的行驶数据信息；控制单元接收所述采集模块的信号，并根据接收的行驶数据信息技术计算得到制动控制结果；执行机构电连接所述控制单元，用于执行所述控制单元的制动控制结果。

[0049] 采集模块包括：制动踏板位移传感器设置在制动踏板处，用于检测制动踏板的位移；胎压传感器设置在汽车车轮处，用于检测车轮胎压；温度传感器设置在汽车车轮处，用于检测车轮温度；轮速传感器设置在汽车车轮处，用于检测汽车的轮速；车速传感器设置在汽车车身，用于检测汽车的车速；红外传感器设置在汽车车头处，用于检测汽车行驶道路的坡度；加速度传感器设置在汽车车身，用于检测汽车的加速度。

[0050] 所述执行机构还包括：两组电磁组件包括第一电磁组件和第二电磁组件，所述电磁组件与所述控制单元电连，用于接收所述控制单元发出的指示信号，输出电磁力；两组制动组件电连所述电磁组件，包括第一制动组件和第二制动组件，所述第一制动组件和所述第一电磁组件电连，所述第二制动组件和所述第二电磁组件电连，分别对汽车前轮和后轮制动；

[0051] 电流放大器包括第一电流放大器和第二电路放大器，分别与所述控制单元电连，所述第一电流放大器电连所述第一电磁组件电连，所述第二电流放大器电连所述第二电磁组件电连，所述电流放大器输出电流产生电磁力控制所述制动组件；四个制动卡钳包括两个第一制动卡钳和两个第二制动卡钳，第一制动卡钳分别安装在汽车的前轮，第二制动卡钳分别安装在汽车的后轮处；制动轮缸包括两组第一制动轮缸和两组第二制动轮缸，所述第一制动轮缸连接所述第一制动组件和所述第一制动卡钳，所述第二制动轮缸连接所述第二制动组件和所述第二制动卡钳。

[0052] 电磁组件与电流放大器电连接，更加电流放大器输出的电流产生电磁力来控制制动组件对前后轮实现制动。

[0053] 本发明提供一种基于驻车使用的投影装置的控制方法，包括以下步骤：

[0054] 步骤一S110：建立BP神经网络模型。

[0055] 本发明采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示n个输入参数，些信号参数由数据预处理模块给出。第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共q个节点，由系统实际需要输出的响应确定。

[0056] 该网络的数学模型为：

[0057] 输入向量：x＝(x1,x2,...,xn)T

[0058] 中间层向量：y＝(y1,y2,...,ym)T

[0059] 输出向量：o＝(o1,o2,...,oq)T

[0060] 本发明中，输入层节点数为n＝5，输出层节点数为q＝2。隐藏层节点数m由下式估算得出：

[0061]

[0062] 输入信号5个参数分别表示为：x1为汽车车速系数、x2为汽车轮速系数、x3为汽车加速度系数、x4为制动踏板的位移系数、x5为道路的坡度系数。

[0063] 由于传感器获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。

[0064] 具体而言，对于汽车车速V，进行规格化后，得到汽车车速系数x1：

[0065]

[0066] 其中，Vmax和Vmin分别为汽车的最大车速和最小车速。

[0067] 同样的，对于汽车轮速ω，进行规格化后，得到汽车轮速系数x2：

[0068]

[0069] 其中，ωmax和ωmin分别为汽车最大轮速和最小轮速。

[0070] 同样的，对汽车加速度a，进行规格化后，得到汽车加速度系数x3：

[0071]

[0072] 其中，amax和amin分别为汽车最大加速度和最小加速度。

[0073] 同样的，对于制动踏板的位移s，进行规格化后，得到制动踏板的位移系数x4：

[0074]

[0075] 其中，smax和smin分别为制动踏板的最大位移和最小位移。

[0076] 同样的，对于道路的坡度β，进行规格化后，得到道路的坡度系数x5：

[0077]

[0078] 其中，βmax和βmin分别为制动踏板的最大位移和最小位移。

[0079] 第一电流放大器输出电流的调节系数o1表示下一个采样周期时第一电流放大器输出电流与第一电流放大器设定的最大输出电流之比，即在第i个采样周期获取输入参数，通过BP神经网络输出第i个采样周期的第一电流放大器输出电流调节系数 后，控制第i+1个采样周期中的第一电流放大器输出电流Ii+1，使其满足：

[0080]

[0081] 其中，Imax为第一电流放大器输出最大电流。

[0082] 第二电流放大器输出电流的调节系数o2表示下一个采样周期时第二电流放大器输出电流与第二电流放大器设定的最大输出电流之比，即在第i个采样周期获取输入参数，通过BP神经网络输出第i个采样周期的第二电流放大器输出电流调节系数 后，控制第i+1个采样周期中的第二电流放大器输出电流I′i+1，使其满足：

[0083]

[0084] 其中，I′max为第二电流放大器输出最大电流。

[0085] 步骤二S120、进行BP神经网络的训练。

[0086] 建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值wij，隐层节点j和输出层节点k之间的连接权值wjk，隐层节点j的阈值θj，输出层节点k的阈值θk、wij、wjk、θj、θk均为-1到1之间的随机数。

[0087] 在训练过程中，不断修正wij和wjk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

[0088] 如表1所示，给定了一组训练样本以及训练过程中各节点的值。

[0089] 表1训练过程各节点值

[0090]

[0091]

[0092] 步骤三S130、采集输入参数，得到输出参数，并对电流放大器进行控制。

[0093] 步骤三S130具体包括如下分步骤：

[0094] S131：按照采样周期，获取第i个采样周期时汽车车速V、汽车轮速ω、汽车加速度a、制动踏板的位移s、道路的坡度β；

[0095] S132：依次将上述5个参数进行规格化，得到第i个采样周期时三层BP神经网络的输入层向量x＝{x1,x2,x3,x4,x5}。

[0096] S133：所述输入层向量映射到中间层，得到第i个采样周期时中间层向量y＝{y1,y2,y3,y4}。

[0097] S134：所述中间层向输出层映射，得到第i个采样周期时得到输出层向量o＝{o1,o2}。

[0098] S135：控制第一电流放大器输出电流和第二电流放大器输出电流，使

[0099]

[0100]

[0101] 其中， 分别为第i次采样周期输出层向量前两个个参数，Imax、I′max分别为第一电流放大器输出最大电流和第二电流放大器输出最大电流，Ii+1、I′i+1分别为第i+1个采样周期时第一电流放大器输出电流和第二电流放大器输出电流。

[0102] 初始状态时，第一电流放大器输出电流I0满足：

[0103]

[0104] 其中，λ1为第一校正系数，P为前轮平均胎压，单位Pa；T为前轮平均胎温，单位℃；Imax为第一电流放大器输出最大电流，单位A；V汽车车速，单位m/s；ω汽车轮速，单位r/s；a汽车加速度，单位m/s2；s制动踏板的位移，单位cm；β道路的坡度，单位°；

[0105] 初始状态时，第二电流放大器输出电流I′0满足：

[0106]

[0107] 其中，λ2为第二校正系数，I′max为第二电流放大器输出最大电流。

[0108] 第二电流放大器输出最大电流I′max和第一电流放大器输出最大电流Imax满足：

[0109]

[0110] 在具体的实施例中，制动踏板位移传感器与制动踏板连接，当驾驶员踩下制动踏板时，采集模块采集到制动踏板的位移信号以及其他传感器的检测数据信号(汽车的行驶数据)，并发送给控制单元，控制单元根据接收到的采集汽车的行驶数据信息，计算制动控制结构，并根据该制动控制结构控制输入电流放大器的电流大小，电磁组件中的衔铁在电磁线圈与铁芯组件产生的电磁引力作用下，进而带动汽车制动组件的活塞下移，以使得制动组件中的阻力油缸和制动主缸的油液快速流入制动轮缸，从而实现汽车的制动。

[0111] 尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。