半挂汽车列车的制动控制方法、装置、设备及存储介质转让专利
申请号 : CN202110390353.7
文献号 : CN113044012B
文献日 : 2022-04-08
发明人 : 郭祥靖 , 刘勇 , 王天奇 , 陈子琦 , 刘壮 , 刘双平 , 张衡
申请人 : 东风商用车有限公司
摘要 :
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
背景技术
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
及半挂汽车列车的技术问题。
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。
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:
于所述预设碰撞时间阈值;
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。
计算出预设报警时间阈值和预设碰撞时间阈值。
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:
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;
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;
制动。
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。
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。
上文所述的半挂汽车列车的制动控制方法的步骤。
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
具体实施方式
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。
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。
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。
间阈值;
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。
计算出预设报警时间阈值和预设碰撞时间阈值。
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;
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;
制动。
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。
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。
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。
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。
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。
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。
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。
施例中,所述步骤S10具体包括以下步骤:
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。
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。
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。
施例中,所述步骤S30具体包括以下步骤:
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。
间阈值大于所述预设碰撞时间阈值。
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。
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。
进行制动。
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。
施例中,所述步骤S31具体包括以下步骤:
阈值和预设碰撞时间阈值。
对应有不同的基本论域和语言变量。
述期望值计算出预设报警时间阈值和预设碰撞时间阈值。
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;
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。
值;O=(O1,O2,…,Om) 为网络期望输出。
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。
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。
施例中,所述步骤S34具体包括以下步骤:
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。
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;
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;
制动。
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。
抱死的目的;偏差ei为:
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。
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。
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。
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。
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。
于所述预设碰撞时间阈值;
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。
计算出预设报警时间阈值和预设碰撞时间阈值。
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;
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;
制动。
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。
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。
术领域,均同理包括在本发明的专利保护范围内。