[发明专利]一种基于数据驱动的汽车方向盘力感建模方法

说明书

本发明公开了基于数据驱动的汽车方向盘力感建模方法，包括以下步骤：筛选影响汽车方向盘力感的主要因素，确定汽车方向盘力感模型的输入与输出参数；进行实车实验，采集真实车辆在多个不同驾驶场景下的驾驶数据，并构建实验数据库；以实验数据库为基础，选择数据驱动建模方法，对汽车方向盘力感模型进行训练，并利用实车数据对模型进行测试验证；针对多个不同驾驶场景，训练多个不同的基于数据驱动的汽车方向盘力感模型；设计切换不同场景所需汽车方向盘力感模型的控制策略。本发明使用真实车辆采集的实车数据，采用基于数据驱动的建模方法进行汽车方向盘力感模型建模，解决了传统机理建模的模型精度不高、应用过程中实时性难以保证等问题。

技术领域

本发明涉及汽车技术领域，具体涉及驾驶模拟器的汽车方向盘力感建模方法。

背景技术

在驾驶模拟器的转向系统中，由于取消了机械结构，驾驶员无法感受到方向盘的反馈力矩，这对驾驶行为来说不仅影响真实度且容易造成决策与操作的失误，因此需要对实车的汽车方向盘力感进行模拟，以保证驾驶模拟器操作的逼真度，让驾驶员获得真实的驾驶力感，使驾驶员在驾驶模拟器中更具沉浸感。

针对汽车方向盘力感的模拟方法大致可以分为机理建模方法与数据建模方法两类。

机理建模得到的模型中的一些关键参数(例如轮胎力与气胎拖距等)不易获取，因此无法达到较高的模型精度，且这类模型的结构复杂，计算量大，应用过程中实时性难以保证。

数据建模无需探究轮胎与转向系统内部复杂的非线性影响因素，如轮胎力与气胎拖距等，只需采集大量丰富的实验数据就能够得到结构简单且具有较高模型精度的汽车方向盘反馈力矩模型。

因此，有必要采取一种训练效率高、精度好的基于数据驱动的汽车方向盘力感建模方法，并设计一种覆盖场景更丰富的分段训练模式，以提高驾驶模拟器转向系统的逼真度。

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基于数据驱动的汽车方向盘力感建模方法，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汽车方向盘力感建模方法，包括以下步骤：

步骤一：筛选影响汽车方向盘力感的主要因素，确定汽车方向盘力感模型的输入与输出参数；

步骤二：进行实车实验，采集真实车辆在多个不同驾驶场景下的驾驶数据，并构建用于汽车方向盘力感建模的实验数据库；

步骤三：以实验数据库为基础，选择适用于汽车方向盘力感建模的数据驱动建模方法，对汽车方向盘力感模型进行训练，并利用实车数据对模型进行测试验证；

步骤四：针对多个不同驾驶场景，训练多个不同的基于数据驱动的汽车方向盘力感模型；

步骤五：设计切换不同场景所需汽车方向盘力感模型的控制策略。

进一步地，在步骤一中，所述汽车方向盘力感模型的输入参数为方向盘转角、纵向车速、横摆角速度、侧向加速度，输出参数为方向盘的反馈力矩。

进一步地，在步骤二中，采集真实车辆在多个不同驾驶场景下的驾驶数据时，采集车在以下场景中正常驾驶：高速公路、城市郊区道路、市区道路、泊车区域与原地转向道路。不同类型的真实车辆在丰富驾驶场景下的驾驶数据能够保证所采集数据的多样性与可靠性，能够用于基于数据建模的方向盘力感模型训练，并能够解决传统机理建模的模型精度不高、应用过程中实时性难以保证等问题。

进一步地，在步骤三中，采用NARX动态神经网络用于汽车方向盘力感建模的数据驱动建模方法。

进一步地，训练内容包括原地转向模型和行驶模型的训练。

进一步地，在步骤五中，所述控制策略具体为根据车速切换不同驾驶场景所述汽车方向盘力感模型。