半挂汽车列车的制动控制方法、装置、设备及存储介质

摘要

本发明公开了一种半挂汽车列车的制动控制方法、装置、设备及存储介质，所述方法通过获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度以及本半挂汽车列车的本车车速；计算预估碰撞时间；基于BP神经网络结合本车车速获得预设报警时间阈值和预设碰撞时间阈值，将预估碰撞时间分别与预设报警时间阈值和预设碰撞时间阈值比较，根据比较结果确定是否触发所述本半挂汽车列车的报警信号和紧急制动信号；能够对半挂汽车列车进行预测性紧急制动控制，提高了半挂汽车列车的行驶安全性，改善了紧急制动时的舒适性及驾乘体验，降低了事故发生率，提升了驾驶员的驾驶体验。

权利要求

1.一种半挂汽车列车的制动控制方法，其特征在于，所述半挂汽车列车的制动控制方法，包括：

获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度；

根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间；

基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述本半挂汽车列车的报警信号和紧急制动信号；

其中，所述根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间，包括：

将所述相对距离、所述相对速度及所述相对加速度代入至下述预设碰撞时间计算公式中计算，获得预估碰撞时间：

其中，tTTC(s)为预估碰撞时间；Dr为本半挂汽车列车与前方车辆的相对距离，Vr为本半挂汽车列车与前方车辆的相对速度，ar为本半挂汽车列车与前方车辆的相对加速度。

2.如权利要求1所述的半挂汽车列车的制动控制方法，其特征在于，所述获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度，包括：通过激光传感器获得本半挂汽车列车与前方车辆的相对距离、相对速度及相对加速度；

通过车速传感器获得所述本半挂汽车列车的本车车速。

3.如权利要求1所述的半挂汽车列车的制动控制方法，其特征在于，所述基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述本半挂汽车列车的报警信号和紧急制动信号，包括：

将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入，输出预设报警时间阈值和预设碰撞时间阈值；

将所述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，并生成比较结果，其中，所述预设报警时间阈值大于所述预设碰撞时间阈值；

在所述比较结果为所述预估碰撞时间不超过所述预设报警时间阈值时，触发报警信号；

在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度，通过制动力分配对所述本半挂汽车列车进行制动。

4.如权利要求3所述的半挂汽车列车的制动控制方法，其特征在于，所述在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度，通过制动力分配对所述本半挂汽车列车进行制动，并根据所述制动力对本半挂汽车列车进行制动，包括：在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度；

获得所述本半挂汽车列车的牵引车对应的牵引车信息，根据所述牵引车信息获得最终制动力，根据所述最终制动力对本半挂汽车列车进行制动。

5.如权利要求4所述的半挂汽车列车的制动控制方法，其特征在于，所述在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度，包括：在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，激活紧急制动控制系统，通过模糊控制算法结合所述相对速度、所述相对加速度及所述相对距离输出所述本半挂汽车列车所需的制动减速度。

6.如权利要求4所述的半挂汽车列车的制动控制方法，其特征在于，所述获得所述本半挂汽车列车的牵引车对应的牵引车信息，根据所述牵引车信息获得最终制动力，根据所述最终制动力对本半挂汽车列车进行制动，包括：获得所述本半挂汽车列车的牵引车对应的牵引车信息，从所述牵引车信息中获得牵引车重量、半挂车重量、牵引车轴距、牵引车质心到前轴的纵向距离、牵引车后轴到铰接点的纵向距离、牵引车质心到地面的垂向距离、半挂车车轴到铰接点的纵向距离、半挂车质心到铰接点的纵向距离及半挂车质心到地面的垂向距离；

将所述牵引车重量、所述半挂车重量、所述牵引车轴距、所述牵引车质心到前轴的纵向距离、所述牵引车后轴到铰接点的纵向距离、所述牵引车质心到地面的垂向距离、所述半挂车车轴到铰接点的纵向距离、所述半挂车质心到铰接点的纵向距离及所述半挂车质心到地面的垂向距离利用预设制动力公式获得所述半挂汽车列车的各车轮期望的制动力；

获得各车轮滑移率和车轮制动力增量，根据各车轮滑移率和所述车轮制动力增量结合各车轮期望的制动力，获得最终制动力，根据所述最终制动力对本半挂汽车列车进行制动。

7.一种半挂汽车列车的制动控制装置，其特征在于，所述半挂汽车列车的制动控制装置包括：

参数获取模块，用于获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度；

计算模块，用于根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间；

制动模块，用于基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述本半挂汽车列车的报警信号和紧急制动信号；

所述计算模块，还用于将所述相对距离、所述相对速度及所述相对加速度代入至下述预设碰撞时间计算公式中计算，获得预估碰撞时间：其中，tTTC(s)为预估碰撞时间；Dr为本半挂汽车列车与前方车辆的相对距离，Vr为本半挂汽车列车与前方车辆的相对速度，ar为本半挂汽车列车与前方车辆的相对加速度。

8.一种半挂汽车列车的制动控制设备，其特征在于，所述半挂汽车列车的制动控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的半挂汽车列车的制动控制程序，所述半挂汽车列车的制动控制程序配置为实现如权利要求1至6中任一项所述的半挂汽车列车的制动控制方法的步骤。

9.一种存储介质，其特征在于，所述存储介质上存储有半挂汽车列车的制动控制程序，所述半挂汽车列车的制动控制程序被处理器执行时实现如权利要求1至6中任一项所述的半挂汽车列车的制动控制方法的步骤。

说明书

半挂汽车列车的制动控制方法、装置、设备及存储介质

技术领域

[0001] 本发明涉及半挂汽车列车行驶安全技术领域，尤其涉及一种半挂汽车列车的制动控制方法、装置、设备及存储介质。

背景技术

[0002] 现有国内外对汽车紧急制动系统的研究较多，并已成熟应用，但鲜有针对半挂汽车列车的紧急制动系统的研究；由于半挂汽车列车具有质心高、惯性大、制动距离长和车轮
易抱死等特点，且与乘用车的底盘结构有很大差别，故很难直接采用乘用车的自动制动系
统(Autonomous Emergency Braking，AEB)控制策略。

发明内容

[0003] 本发明的主要目的在于提供一种半挂汽车列车的制动控制方法、装置、设备及存储介质，旨在解决现有技术中紧急制动控制策略多数适用于乘用车而不适用于重型商用车
及半挂汽车列车的技术问题。

[0004] 第一方面，本发明提供一种半挂汽车列车的制动控制方法，所述半挂汽车列车的制动控制方法包括以下步骤：

[0005] 获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度；

[0006] 根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间；

[0007] 基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别与所述预
设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述本半挂汽
车列车的报警信号和紧急制动信号。

[0008] 可选地，所述获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度，包括：

[0009] 通过激光传感器获得本半挂汽车列车与前方车辆的相对距离、相对速度及相对加速度；

[0010] 通过车速传感器获得所述本半挂汽车列车的本车车速。

[0011] 可选地，所述根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间，包括：

[0012] 将所述相对距离、所述相对速度及所述相对加速度代入至下述预设碰撞时间计算公式中计算，获得预估碰撞时间：

[0013]

[0014] 其中，tTTC(s)为预估碰撞时间；Dr为本半挂汽车列车与前方车辆的相对距离，Vr为本半挂汽车列车与前方车辆的相对速度，ar为本半挂汽车列车与前方车辆的相对加速度。

[0015] 可选地，所述基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分
别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所
述本半挂汽车列车的报警信号和紧急制动信号，包括：

[0016] 将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入，输出预设报警时间阈值和预设碰撞时间阈值；

[0017] 将所述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，并生成比较结果，其中，预设报警时间阈值预设碰撞时间阈值所述预设报警时间阈值大
于所述预设碰撞时间阈值；

[0018] 在所述比较结果为所述预估碰撞时间不超过所述预设报警时间阈值时，触发报警信号；

[0019] 在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度，通过制动力分配对
所述本半挂汽车列车进行制动，并根据所述制动力对本半挂汽车列车进行制动。

[0020] 可选地，所述将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入，输出预设报警时间阈值和预设碰撞时间阈值，包括：

[0021] 将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入；

[0022] 获取所述相对距离、所述相对速度、所述相对加速度以及所述本车车速的基本论域和语言变量；

[0023] 根据所述基本论域和所述语言变量对所述相对距离、所述相对速度、所述相对加速度以及所述本车车速进行高斯分布，根据高斯分布结果选取期望值，并根据所述期望值
计算出预设报警时间阈值和预设碰撞时间阈值。

[0024] 可选地，所述在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度，通过制
动力分配对所述本半挂汽车列车进行制动，并根据所述制动力对本半挂汽车列车进行制
动，包括：

[0025] 在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，获得所述本半挂汽车列车的牵引车对应的牵引车信息；

[0026] 获得所述本半挂汽车列车的牵引车对应的牵引车信息，根据所述牵引车信息获得最终制动力，根据所述最终制动力对本半挂汽车列车进行制动。

[0027] 可选地，所述根据所述牵引车信息获得制动力，根据所述制动力对本半挂汽车列车进行制动，包括：

[0028] 从所述牵引车信息中获得牵引车重量、半挂车重量、牵引车轴距、牵引车质心到前轴的纵向距离、牵引车后轴到铰接点的纵向距离、牵引车后轴到铰接点的纵向距离、牵引车
质心到地面的垂向距离、半挂车车轴到铰接点的纵向距离、半挂车质心到铰接点的纵向距
离及半挂车质心到地面的垂向距离；

[0029] 将所述牵引车重量、所述半挂车重量、所述牵引车轴距、所述牵引车质心到前轴的纵向距离、所述牵引车后轴到铰接点的纵向距离、所述牵引车后轴到铰接点的纵向距离、所
述牵引车质心到地面的垂向距离、所述半挂车车轴到铰接点的纵向距离、所述半挂车质心
到铰接点的纵向距离及所述半挂车质心到地面的垂向距离利用预设制动力公式获得所述
半挂汽车列车的各车轮期望的制动力；

[0030] 获得各车轮滑移率和车轮制动力增量，根据各车轮滑移率和所述车轮制动力增量结合各车轮期望的制动力，获得最终制动力，根据所述最终制动力对本半挂汽车列车进行
制动。

[0031] 第二方面，为实现上述目的，本发明还提出一种半挂汽车列车的制动控制装置，所述半挂汽车列车的制动控制装置包括：

[0032] 参数获取模块，用于获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度；

[0033] 计算模块，用于根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间；

[0034] 制动模块，用于基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间
分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发
所述本半挂汽车列车的报警信号和紧急制动信号。

[0035] 第三方面，为实现上述目的，本发明还提出一种半挂汽车列车的制动控制设备，所述半挂汽车列车的制动控制设备包括：存储器、处理器及存储在所述存储器上并可在所述
处理器上运行的半挂汽车列车的制动控制程序，所述半挂汽车列车的制动控制程序配置为
实现如权利要求上文所述的半挂汽车列车的制动控制方法的步骤。

[0036] 第四方面，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有半挂汽车列车的制动控制程序，所述半挂汽车列车的制动控制程序被处理器执行时实现如
上文所述的半挂汽车列车的制动控制方法的步骤。

[0037] 本发明提出的半挂汽车列车的制动控制方法，通过获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的
前车车速以及前车减速度；根据所述相对距离、所述相对速度及所述相对加速度利用预设
碰撞时间计算公式计算预估碰撞时间；基于BP神经网络算法结合所述本车车速、所述前车
车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所
述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结
果确定是否触发所述本半挂汽车列车的报警信号和紧急制动信号；能够对半挂汽车列车进
行预测性紧急制动控制，提高了半挂汽车列车的行驶安全性，达到高效制动，避免了驾驶员
因为紧张产生的误操作，通过合理选取碰撞时间报警阈值和碰撞阈值，改善了紧急制动时
的舒适性及驾乘体验，降低了事故发生率，提升了驾驶员的驾驶体验。

附图说明

[0038] 图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图；

[0039] 图2为本发明半挂汽车列车的制动控制方法第一实施例的流程示意图；

[0040] 图3为本发明半挂汽车列车的制动控制方法第二实施例的流程示意图；

[0041] 图4为本发明半挂汽车列车的制动控制方法第三实施例的流程示意图；

[0042] 图5为本发明半挂汽车列车的制动控制方法第四实施例的流程示意图；

[0043] 图6为本发明半挂汽车列车的制动控制方法第五实施例的流程示意图；

[0044] 图7为本发明半挂汽车列车的制动控制装置第一实施例的功能模块图。

[0045] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0046] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0047] 本发明实施例的解决方案主要是：通过获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以
及前车减速度；根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计
算公式计算预估碰撞时间；基于BP神经网络算法结合所述本车车速、所述前车车速、所述相
对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时
间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触
发所述本半挂汽车列车的报警信号和紧急制动信号；能够对半挂汽车列车进行预测性紧急
制动控制，提高了半挂汽车列车的行驶安全性，达到高效制动，避免了驾驶员因为紧张产生
的误操作，通过合理选取碰撞时间报警阈值和碰撞阈值，改善了紧急制动时的舒适性及驾
乘体验，降低了事故发生率，提升了驾驶员的驾驶体验，解决了现有技术中紧急制动控制策
略多数适用于乘用车而不适用于重型商用车及半挂汽车列车的技术问题。

[0048] 参照图1，图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。

[0049] 如图1所示，该设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。
用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口
1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接
口、无线接口(如Wi‑Fi接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器
(Non‑Volatile Memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器
1001的存储装置。

[0050] 本领域技术人员可以理解，图1中示出的设备结构并不构成对该设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

[0051] 如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及半挂汽车列车的制动控制程序。

[0052] 本发明设备通过处理器1001调用存储器1005中存储的半挂汽车列车的制动控制程序，并执行以下操作：

[0053] 获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度；

[0054] 根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间；

[0055] 基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别与所述预
设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述本半挂汽
车列车的报警信号和紧急制动信号。

[0056] 进一步地，处理器1001可以调用存储器1005中存储的半挂汽车列车的制动控制程序，还执行以下操作：

[0057] 通过激光传感器获得本半挂汽车列车与前方车辆的相对距离、相对速度及相对加速度；

[0058] 通过车速传感器获得所述本半挂汽车列车的本车车速。

[0059] 进一步地，处理器1001可以调用存储器1005中存储的半挂汽车列车的制动控制程序，还执行以下操作：

[0060] 将所述相对距离、所述相对速度及所述相对加速度代入至下述预设碰撞时间计算公式中计算，获得预估碰撞时间：

[0061]

[0062] 其中，tTTC(s)为预估碰撞时间；Dr为本半挂汽车列车与前方车辆的相对距离，Vr为本半挂汽车列车与前方车辆的相对速度，ar为本半挂汽车列车与前方车辆的相对加速度。

[0063] 进一步地，处理器1001可以调用存储器1005中存储的半挂汽车列车的制动控制程序，还执行以下操作：

[0064] 将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入，输出预设报警时间阈值和预设碰撞时间阈值；

[0065] 将所述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，并生成比较结果，其中，预设报警时间阈值所述预设报警时间阈值大于所述预设碰撞时
间阈值；

[0066] 在所述比较结果为所述预估碰撞时间不超过所述预设报警时间阈值时，触发报警信号；

[0067] 在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度，通过制动力分配对
所述本半挂汽车列车进行制动，并根据所述制动力对本半挂汽车列车进行制动。

[0068] 进一步地，处理器1001可以调用存储器1005中存储的半挂汽车列车的制动控制程序，还执行以下操作：

[0069] 将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入；

[0070] 获取所述相对距离、所述相对速度、所述相对加速度以及所述本车车速的基本论域和语言变量；

[0071] 根据所述基本论域和所述语言变量对所述相对距离、所述相对速度、所述相对加速度以及所述本车车速进行高斯分布，根据高斯分布结果选取期望值，并根据所述期望值
计算出预设报警时间阈值和预设碰撞时间阈值。

[0072] 进一步地，处理器1001可以调用存储器1005中存储的半挂汽车列车的制动控制程序，还执行以下操作：

[0073] 在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，获得所述本半挂汽车列车的牵引车对应的牵引车信息；

[0074] 获得所述本半挂汽车列车的牵引车对应的牵引车信息，根据所述牵引车信息获得最终制动力，根据所述最终制动力对本半挂汽车列车进行制动。

[0075] 进一步地，处理器1001可以调用存储器1005中存储的半挂汽车列车的制动控制程序，还执行以下操作：

[0076] 从所述牵引车信息中获得牵引车重量、半挂车重量、牵引车轴距、牵引车质心到前轴的纵向距离、牵引车后轴到铰接点的纵向距离、牵引车后轴到铰接点的纵向距离、牵引车
质心到地面的垂向距离、半挂车车轴到铰接点的纵向距离、半挂车质心到铰接点的纵向距
离及半挂车质心到地面的垂向距离；

[0077] 将所述牵引车重量、所述半挂车重量、所述牵引车轴距、所述牵引车质心到前轴的纵向距离、所述牵引车后轴到铰接点的纵向距离、所述牵引车后轴到铰接点的纵向距离、所
述牵引车质心到地面的垂向距离、所述半挂车车轴到铰接点的纵向距离、所述半挂车质心
到铰接点的纵向距离及所述半挂车质心到地面的垂向距离利用预设制动力公式获得所述
半挂汽车列车的各车轮期望的制动力；

[0078] 获得各车轮滑移率和车轮制动力增量，根据各车轮滑移率和所述车轮制动力增量结合各车轮期望的制动力，获得最终制动力，根据所述最终制动力对本半挂汽车列车进行
制动。

[0079] 本实施例通过上述方案，通过获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减
速度；根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计
算预估碰撞时间；基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及
所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别与
所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述本
半挂汽车列车的报警信号和紧急制动信号；能够对半挂汽车列车进行预测性紧急制动控
制，提高了半挂汽车列车的行驶安全性，达到高效制动，避免了驾驶员因为紧张产生的误操
作，通过合理选取碰撞时间报警阈值和碰撞阈值，改善了紧急制动时的舒适性及驾乘体验，
降低了事故发生率，提升了驾驶员的驾驶体验。

[0080] 基于上述硬件结构，提出本发明半挂汽车列车的制动控制方法实施例。

[0081] 参照图2，图2为本发明半挂汽车列车的制动控制方法第一实施例的流程示意图。

[0082] 在第一实施例中，所述半挂汽车列车的制动控制方法包括以下步骤：

[0083] 步骤S10、获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度。

[0084] 需要说明的是，所述相对距离为本半挂汽车列车在行驶过程中与前方车辆的运动相对距离，前方车辆可以为半挂汽车列车，也可以为商务车或货车，本实施例对此不加以限
制；所述相对速度为所述本半挂汽车列车的当前车速与所述前方车辆的当前车速之间相对
的速度，所述相对加速度为所述本半挂汽车列车的行驶加速度与所述前方车辆的行驶加速
度之间相对的加速度，所述本车车速为所述本半挂汽车列车的当前行驶车速。

[0085] 步骤S20、根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间。

[0086] 需要说明的是，所述预设碰撞时间计算公式为预先设置的依据当前行驶数据计算车辆发生碰撞的预估时间计算公式，通过所述相对距离、所述相对速度及所述相对加速度
结合所述设碰撞时间计算公式可以计算出预估的车辆碰撞时间。

[0087] 进一步的，所述步骤S20具体包括以下步骤：

[0088] 将所述相对距离、所述相对速度及所述相对加速度代入至下述预设碰撞时间计算公式中计算，获得预估碰撞时间：

[0089]

[0090] 其中，tTTC(s)为预估碰撞时间；Dr为本半挂汽车列车与前方车辆的相对距离，Vr为本半挂汽车列车与前方车辆的相对速度，ar为本半挂汽车列车与前方车辆的相对加速度。

[0091] 应当理解的是，通过上述预设碰撞时间计算公式将所述相对距离、所述相对速度及所述相对加速度进行代入运算，能够获得预估碰撞时间，当然也可以通过该计算公式的
变形结合所述相对距离、所述相对速度及所述相对加速度来获得预估碰撞时间。

[0092] 步骤S30、基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别
与所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述
本半挂汽车列车的报警信号和紧急制动信号。

[0093] 应当理解的是，基于反向传播(Back Propagation，BP)神经网络能够结合半挂汽车列车的车况进行紧急制动控制，即基于BP神经网络算法结合所述本车车速、所述前车车
速、所述相对距离及所述前车减速度能够获得预设报警时间阈值和预设碰撞时间阈值，所
述预设报警时间阈值为预先设置的触发报警信号的时间阈值，所述预设碰撞时间阈值为预
先设置的触发制动信号的时间阈值，通过将所述预估碰撞时间分别与所述预设报警时间阈
值和所述预设碰撞时间阈值比较，能够根据不同的比较结果确定是否根据制动力对本半挂
汽车列车进行制动，所述制动力为用于进行整车制动控制的制动力，一般可以结合当前车
况计算获得。

[0094] 本实施例通过上述方案，通过获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减
速度；根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计
算预估碰撞时间；基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及
所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别与
所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述本
半挂汽车列车的报警信号和紧急制动信号；能够对半挂汽车列车进行预测性紧急制动控
制，提高了半挂汽车列车的行驶安全性，达到高效制动，避免了驾驶员因为紧张产生的误操
作，通过合理选取碰撞时间报警阈值和碰撞阈值，改善了紧急制动时的舒适性及驾乘体验，
降低了事故发生率，提升了驾驶员的驾驶体验。

[0095] 进一步地，图3为本发明半挂汽车列车的制动控制方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明半挂汽车列车的制动控制方法第二实施例，在本实
施例中，所述步骤S10具体包括以下步骤：

[0096] 步骤S11、通过激光传感器获得本半挂汽车列车与前方车辆的相对距离、相对速度及相对加速度。

[0097] 需要说明的是，通过激光传感器可以采集到本半挂汽车列车与前方车辆的相对距离、相对速度及相对加速度，当然也可以通过其他传感器获得所述相对距离、相对速度及相
对加速度，例如，雷达传感器等可以探测车辆之间相对距离的传感器，结合车辆总线反馈的
车身数据能够获得所述相对距离、相对速度及相对加速度。

[0098] 步骤S12、通过车速传感器获得所述本半挂汽车列车的本车车速。

[0099] 可以理解的是，通过所述车速传感器可以采集所述本半挂汽车列车的当前行驶车速，即本车车速，当然也可以通过其他车速获取单元或传感器采集所述本半挂汽车列车的
本车车速，例如全球定位系统(Global Positioning System，GPS)导航仪获得车辆行驶车
速等，本实施例对此不加以限制。

[0100] 本实施例通过上述方案，通过激光传感器获得本半挂汽车列车与前方车辆的相对距离、相对速度及相对加速度；通过车速传感器获得所述本半挂汽车列车的本车车速；能够
及时准确的获得车辆行驶的相关数据，对半挂汽车列车进行预测性紧急制动控制，提高了
半挂汽车列车的行驶安全性，达到了高效制动的目的。

[0101] 进一步地，图4为本发明半挂汽车列车的制动控制方法第三实施例的流程示意图，如图4所示，基于第一实施例提出本发明半挂汽车列车的制动控制方法第三实施例，在本实
施例中，所述步骤S30具体包括以下步骤：

[0102] 步骤S31、将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入，输出预设报警时间阈值和预设碰撞时间阈值。

[0103] 需要说明的是，可以通过BP神经网络算法构建预测碰撞时间决策模块，即基于预先设定的BP神经网络结构，以本车和前车的所述相对距离、所述相对速度、所述相对加速度
以及所述本车车速作为BP神经网络的输入，进而输出预设报警时间阈值和预设碰撞时间阈
值。

[0104] 步骤S32、将所述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，并生成比较结果，其中，预设报警时间阈值预设碰撞时间阈值所述预设报警时
间阈值大于所述预设碰撞时间阈值。

[0105] 可以理解的是，所述预设预估碰撞时间与所述预设报警时间阈值进行比较，并根据所述预估碰撞时间与所述预设碰撞时间阈值比较，从而生成比较结果，预设报警时间阈
值预设碰撞时间阈值所述预设报警时间阈值大于所述预设碰撞时间阈值。

[0106] 步骤S33、在所述比较结果为所述预估碰撞时间不超过所述预设报警时间阈值时，触发报警信号。

[0107] 应当理解的是，在所述比较结果为所述预估碰撞时间不超过所述预设报警时间阈值时，会触发预先设置的报警信号，从而提醒用户注意安全，当前车辆具有碰撞的可能性。

[0108] 步骤S34、在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度，通过制动
力分配对所述本半挂汽车列车进行制动，并根据所述制动力对本半挂汽车列车进行制动。

[0109] 需要说明的是，在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，可以获得此时的车辆制动的各车轮制动力，从而根据所述制动力对本半挂汽车列车
进行制动。

[0110] 本实施例通过上述方案，通过将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入，输出预设报警时间阈值和预设碰撞时间阈值；将所
述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，并生成比较
结果，其中，预设报警时间阈值预设碰撞时间阈值所述预设报警时间阈值大于所述预设碰
撞时间阈值；在所述比较结果为所述预估碰撞时间不超过所述预设报警时间阈值时，触发
报警信号；在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧
急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度，通过制动力分配
对所述本半挂汽车列车进行制动，并根据所述制动力对本半挂汽车列车进行制动；能够对
半挂汽车列车进行预测性紧急制动控制，提高了半挂汽车列车的行驶安全性，达到高效制
动。

[0111] 进一步地，图5为本发明半挂汽车列车的制动控制方法第四实施例的流程示意图，如图5所示，基于第三实施例提出本发明半挂汽车列车的制动控制方法第四实施例，在本实
施例中，所述步骤S31具体包括以下步骤：

[0112] 步骤S311、将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入。

[0113] 应当理解的是，通过所述相对距离、所述相对速度、所述相对加速度以及所述本车车速作为BP神经网络的输入，即作为BP省级网络算法的输入，从而可以获得预设报警时间
阈值和预设碰撞时间阈值。

[0114] 步骤S312、获取所述相对距离、所述相对速度、所述相对加速度以及所述本车车速的基本论域和语言变量。

[0115] 可以理解的是，所述基本论域为预先设置的区间范围，所述语言变量为预先设置的区分大小变量的文字，所述相对距离、所述相对速度、所述相对加速度以及所述本车车速
对应有不同的基本论域和语言变量。

[0116] 步骤S313、根据所述基本论域和所述语言变量对所述相对距离、所述相对速度、所述相对加速度以及所述本车车速进行高斯分布，根据高斯分布结果选取期望值，并根据所
述期望值计算出预设报警时间阈值和预设碰撞时间阈值。

[0117] 应当理解的是，通过对所述基本论域和所述语言变量对所述相对距离、所述相对速度、所述相对加速度以及所述本车车速进行高斯分布，能够获得模糊控制规则。

[0118] 在具体实现中，可以基于BP神经网络确定预测时间阈值，一般是通过所述相对距离、所述相对速度及所述相对加速度通过预设碰撞时间计算公式计算预估碰撞时间，以BP
神经网络算法采用4‑15‑2三层网络结构为例，以本车与前车相对距离Dr、相对速度Vr、相对
加速度ar、本车的车速Vx为BP神经网络算法的输入；BP神经网络算法的输出为TTC预警时间
tTTC_warn和制动的时间tTTC_brake；BP神经网络预测所需数据可通过大量紧急制动试验获得；

[0119] 需要说明的是，使用BP神经网络算法的前提是，先有大量紧急制动的碰撞数据(每次碰撞试验的本车车速、前车车速、相对距离、前车减速度、预设报警时间阈值和预设碰撞
时间阈值)，并且需要筛选数据，剔除已经发生碰撞的数据，只保留最终前方车辆和本车停
止时，相对距离3m(相对距离的值可根据实际需要进行设定，本实施例对此不加以限制)以
上的数据；通过筛选后的数据，经过下文公式计算方法，训练得到一个完整的BP前馈神经网
络算法的模型；这样才可以通过4个输入值，利用BP神经网络算法模型，得到两个输出时间
阈值。

[0120] 隐含层第j个神经元的输出值hj：

[0121]

[0122] 式中，n表示输入层神经元个数，n＝4；wji为输入层第i个神经元到隐含层第j个神经元的连接权值；θj为隐含层第j个神经元阈值。

[0123] 输出层第k个神经元的输出值yk：

[0124]

[0125] 式中，s表示隐含层神经元个数，s＝15；vkj为隐含层第j个神经元到输出层第k个神经元的连接权值； 为输出层第k个神经元的阈值。

[0126] BP神经网络算法损失函数E(θ)：

[0127]

[0128] 式中，m表示输出层神经元个数，m＝2；θ表示参数集合；yk表示真实值；Ok表示预测T
值；O＝(O1，O2，…，Om) 为网络期望输出。

[0129] 激活函数ft：

[0130]

[0131] 式中，a为函数斜率参数。

[0132] 误差修正公式ΔVki：

[0133] ΔVkj＝‑η(Ok‑yk)yk(1‑yk)hj

[0134] 式中，η为学习系数，0＜η＜1。

[0135] 所述期望减速度模糊控制决策模块，以本车与前车的相对距离Dr、相对速度Vr、相对加速度ar为输入，以半挂汽车列车的期望减速度adesire为输出；其中，相对距离Dr的基本论
域为[5，150]，语言变量分为NB(负大)、NM(负中)、NS(负小)、ZO(零)、PS(正小)、PM(正中)、
PB(正大)；相对速度Vr的基本论域为[0，70]，语言变量分为NB(负大)、NM(负中)、NS(负小)、
ZO(零)、PS(正小)、PM(正中)、PB(正大)；相对加速度ar的基本论域为[0，7]，语言变量分为
NB(负大)、ZO(零)、PB(正大)；所述Dr、Vr、ar、adesire服从高斯分布；模糊控制规则见表1所示。

[0136] 表1模糊控制规则

[0137]

[0138]

[0139]

[0140]

[0141]

[0142]

[0143]

[0144]

[0145] 本实施例通过上述方案，通过将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入；获取所述相对距离、所述相对速度、所述相对加速度
以及所述本车车速的基本论域和语言变量；根据所述基本论域和所述语言变量对所述相对
距离、所述相对速度、所述相对加速度以及所述本车车速进行高斯分布，根据高斯分布结果
选取期望值，并根据所述期望值计算出预设报警时间阈值和预设碰撞时间阈值；能够对半
挂汽车列车进行预测性紧急制动控制，提高了半挂汽车列车的行驶安全性，达到高效制动，
避免了驾驶员因为紧张产生的误操作，通过合理选取碰撞时间报警阈值和碰撞阈值，改善
了紧急制动时的舒适性及驾乘体验，降低了事故发生率，提升了驾驶员的驾驶体验。

[0146] 进一步地，图6为本发明半挂汽车列车的制动控制方法第五实施例的流程示意图，如图6所示，基于第三实施例提出本发明半挂汽车列车的制动控制方法第五实施例，在本实
施例中，所述步骤S34具体包括以下步骤：

[0147] 步骤S341、在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，获得所述本半挂汽车列车的牵引车对应的牵引车信息。

[0148] 需要说明的是，在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，可以获得所述本半挂汽车列车的牵引车对应的牵引车信息，所述牵引车信息为牵引
车和半挂车的重量、牵引车轴距、牵引车质心到前轴的纵向距离、牵引车后轴到铰接点的纵
向距离、牵引车质心到地面的垂向距离、半挂车车轴到铰接点的纵向距离、半挂车质心到铰
接点的纵向距离及半挂车质心到地面的垂向距离等。

[0149] 步骤S342、获得所述本半挂汽车列车的牵引车对应的牵引车信息，根据所述牵引车信息获得最终制动力，根据所述最终制动力对本半挂汽车列车进行制动。

[0150] 可以理解的是，通过对所述牵引车信息进行分析运算，能够获得最终的车辆各车轮制动力，即最终制动力，从而可以根据所述最终制动力对本半挂汽车列车进行制动。

[0151] 进一步的，所述步骤S342包括以下步骤：

[0152] 从所述牵引车信息中获得牵引车重量、半挂车重量、牵引车轴距、牵引车质心到前轴的纵向距离、牵引车后轴到铰接点的纵向距离、牵引车后轴到铰接点的纵向距离、牵引车
质心到地面的垂向距离、半挂车车轴到铰接点的纵向距离、半挂车质心到铰接点的纵向距
离及半挂车质心到地面的垂向距离；

[0153] 将所述牵引车重量、所述半挂车重量、所述牵引车轴距、所述牵引车质心到前轴的纵向距离、所述牵引车后轴到铰接点的纵向距离、所述牵引车后轴到铰接点的纵向距离、所
述牵引车质心到地面的垂向距离、所述半挂车车轴到铰接点的纵向距离、所述半挂车质心
到铰接点的纵向距离及所述半挂车质心到地面的垂向距离利用预设制动力公式获得所述
半挂汽车列车的各车轮期望的制动力；

[0154] 获得各车轮滑移率和车轮制动力增量，根据各车轮滑移率和所述车轮制动力增量结合各车轮期望的制动力，获得最终制动力，根据所述最终制动力对本半挂汽车列车进行
制动。

[0155] 在具体实现中，通过把半挂汽车列车的牵引车的2个后轴简化为1个轴，半挂车的3个轴简化为1个轴来进行各轴制动力的计算分配；可得到以下三个轴的纵向制动力：

[0156]

[0157]

[0158]

[0159] 式中： 为第i轴期望前馈纵向制动力；Fx4为车辆铰接处的纵向力；Z为由上层控制器输出的期望减速度adesire转化得到车轮期望的制动强度Z＝adesire/g；W1、W2
分别为牵引车和半挂车的重量；l1为牵引车轴距；c1为牵引车质心到前轴的纵向距离；b为牵
引车后轴到铰接点的纵向距离；hs为牵引车质心到地面的垂向距离；l2为半挂车车轴到铰接
点的纵向距离；c2为半挂车质心到铰接点的纵向距离；h2为半挂车质心到地面的垂向距离。

[0160] 最终可得半挂汽车列车各车轮期望的制动力：

[0161] Fi desire＝Fx1 desire/2，(i＝1，2)

[0162] Fi desire＝Fx2 desire/4，(i＝3，4，5，6)

[0163] Fi desire＝Fx3 desire/6，(i＝7，8，9，10，11，12)

[0164] 所述PID反馈调节决策模块，以本车期望的减速度adesire与实际减速度ax的偏差eα为输入，通过PID反馈调节，得到车轮的制动力增量：

[0165]

[0166] 式中：ΔFi(i＝1，2，…，12)为各车轮制动力增量；Kpi(i＝1，2，…，12)为各车轮比例参数；KIi(i＝1，2，…，12)为各车轮积分参数；KDi(i＝1，2，…，12)为各车轮微分参数。

[0167] 所述滑移率计算模块，可得各车轮滑移率：

[0168]

[0169] 式中：λi(i＝1，2，…，12)为各车轮滑移率；wi(i＝1，2，…，12)为各车轮转速。

[0170] 所述最佳滑移率滑模控制决策模块，由各车轮实时滑移率与期望滑移率λdesire的偏差ei为输入，通过最佳滑移率滑模控制决策模块得到各车轮的制动力，以达到防止车轮
抱死的目的；偏差ei为：

[0171] ei＝λi‑λdesire

[0172] 式中：ei(1＝1，2，…，12)为各车轮偏差。

[0173] 定义滑模变结构控制的切换函数s为：

[0174]

[0175] 滑膜控制器采用冥次趋近律：

[0176]

[0177] 滑模控制器单个车轮的控制律为：

[0178]

[0179] 式中：Fbi(i＝1，2，…，12)为单个车轮的制动力，；ε为切换增益，k为系数，均大于零；最后把上述各轮胎制动力由整车控制器(Vehicle Controller，VCU)通过控制器局域网
络(Controller Area Network，CAN)总线传递至整车制动执行器，实现对牵引车和半挂车
的制动；从而解决了半挂汽车列车在城市、城际工况行驶中，由于驾驶员疲劳、或前方出现
碰撞危险目标(人、车)时本车未及时制动，所导致本车与前车发生碰撞的交通事故；从而有
效的减少了事故发生的概率，提高了商用车的安全性和可靠性。

[0180] 本实施例通过上述方案，通过在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，获得所述本半挂汽车列车的牵引车对应的牵引车信息；获得所述本半
挂汽车列车的牵引车对应的牵引车信息，根据所述牵引车信息获得最终制动力，根据所述
最终制动力对本半挂汽车列车进行制动；能够解决了半挂汽车列车在城市、城际工况行驶
中由于驾驶员疲劳、或前方出现碰撞危险目标(人、车)时本车未及时制动，所导致本车与前
车发生碰撞的交通事故；从而有效的减少了事故发生的概率，提高了商用车的安全性和可
靠性；对半挂汽车列车进行预测性紧急制动控制，提高了半挂汽车列车的行驶安全性，达到
高效制动，避免了驾驶员因为紧张产生的误操作，通过合理选取碰撞时间报警阈值和碰撞
阈值，改善了紧急制动时的舒适性及驾乘体验，降低了事故发生率，提升了驾驶员的驾驶体
验。

[0181] 相应地，本发明进一步提供一种半挂汽车列车的制动控制装置。

[0182] 参照图7，图7为本发明半挂汽车列车的制动控制装置第一实施例的功能模块图。

[0183] 本发明半挂汽车列车的制动控制装置第一实施例中，该半挂汽车列车的制动控制装置包括：

[0184] 参数获取模块10，用于获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度。

[0185] 计算模块20，用于根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间。

[0186] 制动模块30，用于基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时
间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触
发所述本半挂汽车列车的报警信号和紧急制动信号。

[0187] 在具体实现中，所述半挂汽车列车的制动控制装置包括信号测量模块和载有AEB紧急制动控制系统的整车控制器VCU；所述信号测量模块包括激光传感器、各车轮霍尔式轮
速传感器、车速传感器及各车轴载荷压力传感器，所述测量模块的信号均通过CAN总线传输
到整车控制器VCU；所述载有AEB紧急制动控制系统的整车控制器VCU，包括上层BP预测模糊
控制模块，包括下层制动力优化分配模块；所述上层BP预测模糊控制模块，包括碰撞时间
TTC计算模块，包括BP神经网络预测TTC阈值的决策模块，包括期望减速度模糊控制决策模
块；所述下层制动力优化分配模块，包括前馈制动力分配模块，包括比例积分微分
(Proportional Integral Differential，PID)反馈调节决策模块，包括滑移率计算模块，
包括最佳滑移率滑模控制决策模块；由信号测量模块把激光传感器、各车轮霍尔式轮速传
感器、车速传感器、各车轴载荷压力传感器的实时信号通过CAN总线传输至VCU整车控制器；
在紧急制动控制系统决策模块中，由激光传感器信号得到的本车与前车相对距离Dr、相对
速度Vr、相对加速度ar，以及车速传感器信号得到本车的车速Vx，利用上述信号通过BP神经
网络预测TTC阈值决策模块得到TTC预警和制动的时间tTTC_warn、tTTC_brake；并由激光传感器信
号得到的本车与前车相对距离Dr、相对速度Vr、相对加速度ar，通过碰撞时间TTC计算模块实
时计算TTC；当TTC≤tTTC_warn时，触发报警信号Swarn，当TTC≤tTTC_brake时，触发紧急制动信号
Sbrake；当触发紧急制动信号Sbrake时，激活期望减速度模糊控制决策模块，并计算出本车紧
急制动所需的期望减速度adesire；利用期望减速度adesire通过前馈制动力分配模块计算得到
各车轮的制动压力；对上述各车轮的制动压力，利用期望减速度adesire和本车车速传感器得
到的本车减速度ax的偏差ea通过PID反馈调节决策模块计算得到更新后的各车轮的制动压
力；由各车轮霍尔式轮速传感器输出的信号w1、w2、w3、w4、w5、w6、w7、w8、w9、w10、w11、w12和车速
传感器信号Vx通过滑移率计算模块得到各车轮滑移率s1、s2、s3、s4、s5、s6、s7、s8、s9、s10、s11、
s12；由各车轴载荷压力传感器输出的信号FZ1、FZ2、FZ3、FZ4、FZ5、FZ6、FZ7、FZ8、FZ9、FZ10、FZ11、FZ12
和更新后的各车轮的制动压力以及各车轮滑移率，通过最佳滑移率滑模控制决策模块计算
得到各车轮最终响制动力F1、F2、F3、F4、F5、F6、F7、F8、F9、F10、F11、F12；最后由VCU整车控制器将
上述制动压力通过CAN总线传递至制动系统执行器实现制动。

[0188] 其中，半挂汽车列车的制动控制装置的各个功能模块实现的步骤可参照本发明半挂汽车列车的制动控制方法的各个实施例，此处不再赘述。

[0189] 此外，本发明实施例还提出一种存储介质，所述存储介质上存储有半挂汽车列车的制动控制程序，所述半挂汽车列车的制动控制程序被处理器执行时实现如下操作：

[0190] 获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减速度；

[0191] 根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计算预估碰撞时间；

[0192] 基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别与所述预
设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述本半挂汽
车列车的报警信号和紧急制动信号。

[0193] 进一步地，所述半挂汽车列车的制动控制程序被处理器执行时还实现如下操作：

[0194] 通过激光传感器获得本半挂汽车列车与前方车辆的相对距离、相对速度及相对加速度；

[0195] 通过车速传感器获得所述本半挂汽车列车的本车车速。

[0196] 进一步地，所述半挂汽车列车的制动控制程序被处理器执行时还实现如下操作：

[0197] 将所述相对距离、所述相对速度及所述相对加速度代入至下述预设碰撞时间计算公式中计算，获得预估碰撞时间：

[0198]

[0199] 其中，tTTC(s)为预估碰撞时间；Dr为本半挂汽车列车与前方车辆的相对距离，Vr为本半挂汽车列车与前方车辆的相对速度，ar为本半挂汽车列车与前方车辆的相对加速度。

[0200] 进一步地，所述半挂汽车列车的制动控制程序被处理器执行时还实现如下操作：

[0201] 将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入，输出预设报警时间阈值和预设碰撞时间阈值；

[0202] 将所述预估碰撞时间分别与所述预设报警时间阈值和所述预设碰撞时间阈值比较，并生成比较结果，其中，预设报警时间阈值预设碰撞时间阈值所述预设报警时间阈值大
于所述预设碰撞时间阈值；

[0203] 在所述比较结果为所述预估碰撞时间不超过所述预设报警时间阈值时，触发报警信号；

[0204] 在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，触发紧急制动信号，通过模糊控制获取所述本半挂汽车列车所需的制动减速度，通过制动力分配对
所述本半挂汽车列车进行制动，并根据所述制动力对本半挂汽车列车进行制动。

[0205] 进一步地，所述半挂汽车列车的制动控制程序被处理器执行时还实现如下操作：

[0206] 将所述本车车速、所述前车车速、所述相对距离及所述前车减速度作为BP神经网络的输入；

[0207] 获取所述相对距离、所述相对速度、所述相对加速度以及所述本车车速的基本论域和语言变量；

[0208] 根据所述基本论域和所述语言变量对所述相对距离、所述相对速度、所述相对加速度以及所述本车车速进行高斯分布，根据高斯分布结果选取期望值，并根据所述期望值
计算出预设报警时间阈值和预设碰撞时间阈值。

[0209] 进一步地，所述半挂汽车列车的制动控制程序被处理器执行时还实现如下操作：

[0210] 在所述比较结果为所述预设碰撞时间不超过所述预设碰撞时间阈值时，获得所述本半挂汽车列车的牵引车对应的牵引车信息；

[0211] 获得所述本半挂汽车列车的牵引车对应的牵引车信息，根据所述牵引车信息获得最终制动力，根据所述最终制动力对本半挂汽车列车进行制动。

[0212] 进一步地，所述半挂汽车列车的制动控制程序被处理器执行时还实现如下操作：

[0213] 从所述牵引车信息中获得牵引车重量、半挂车重量、牵引车轴距、牵引车质心到前轴的纵向距离、牵引车后轴到铰接点的纵向距离、牵引车后轴到铰接点的纵向距离、牵引车
质心到地面的垂向距离、半挂车车轴到铰接点的纵向距离、半挂车质心到铰接点的纵向距
离及半挂车质心到地面的垂向距离；

[0214] 将所述牵引车重量、所述半挂车重量、所述牵引车轴距、所述牵引车质心到前轴的纵向距离、所述牵引车后轴到铰接点的纵向距离、所述牵引车后轴到铰接点的纵向距离、所
述牵引车质心到地面的垂向距离、所述半挂车车轴到铰接点的纵向距离、所述半挂车质心
到铰接点的纵向距离及所述半挂车质心到地面的垂向距离利用预设制动力公式获得所述
半挂汽车列车的各车轮期望的制动力；

[0215] 获得各车轮滑移率和车轮制动力增量，根据各车轮滑移率和所述车轮制动力增量结合各车轮期望的制动力，获得最终制动力，根据所述最终制动力对本半挂汽车列车进行
制动。

[0216] 本实施例通过上述方案，通过获取本半挂汽车列车与前方车辆的相对距离、相对速度、相对加速度、所述本半挂汽车列车的本车车速、所述前方车辆的前车车速以及前车减
速度；根据所述相对距离、所述相对速度及所述相对加速度利用预设碰撞时间计算公式计
算预估碰撞时间；基于BP神经网络算法结合所述本车车速、所述前车车速、所述相对距离及
所述前车减速度获得预设报警时间阈值和预设碰撞时间阈值，将所述预估碰撞时间分别与
所述预设报警时间阈值和所述预设碰撞时间阈值比较，根据比较结果确定是否触发所述本
半挂汽车列车的报警信号和紧急制动信号；能够对半挂汽车列车进行预测性紧急制动控
制，提高了半挂汽车列车的行驶安全性，达到高效制动，避免了驾驶员因为紧张产生的误操
作，通过合理选取碰撞时间报警阈值和碰撞阈值，改善了紧急制动时的舒适性及驾乘体验，
降低了事故发生率，提升了驾驶员的驾驶体验。

[0217] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而
且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有
的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该
要素的过程、方法、物品或者系统中还存在另外的相同要素。

[0218] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

[0219] 以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技
术领域，均同理包括在本发明的专利保护范围内。