(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111210700.X (22)申请日 2021.10.18 (71)申请人 瑞立集团瑞安汽车零部件 有限公司 地址 325200 浙江省温州市瑞安经济开发 区开发区大道 2666号 申请人 浙江大学 (72)发明人 李传武　潘银斌　陈积明　张宗煜　 胡婧　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 代理人 刘静 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06N 3/08(2006.01)G06N 3/04(2006.01) B60W 30/09(2012.01) G06F 111/10(2020.01) G06F 119/14(2020.01) (54)发明名称 一种重型挂车制动过程自适应学习方法 (57)摘要 本发明公开了一种重型挂车制动过程自适 应学习方法， 首先采用子空间模 型辨识方法建立 重型挂车的分布式状态空间模型， 然后利用行程 传感器、 速度传感器等采集行程信号和速度信 号， 并绘制出制动曲线； 其次将采集或计算出的 反应距离、 车速、 制动距离、 制动曲线方差和平均 值数据和计算出的制动力信号进行离线的BP神 经网络模型的训练。 利用训练好的模 型对当前制 动过程进行制动距离的预测， 当不在安全范围内 时， 进行提示和警告， 辅助驾驶员进行制动行为 的优化。 本发明基于挂车常见的传感器模块， 并 结合挂车实际的分布式特点， 利用预测精度较高 的神经网络模型进行离线训练， 在线预测， 对制 动行为进行优化， 从而提高制动安全性。 权利要求书3页 说明书7页 附图2页 CN 114154227 A 2022.03.08 CN 114154227 A 1.一种重型挂车制动过程自适应学习方法， 其特 征在于， 包括以下步骤： (1)重型挂车由牵引车和若干拖车组成的动力单元耦合构成， 基于挂车制动曲线和实 际运行数据， 采用子空间模型辨识方法建立一个重型挂车 的分布式状态空间模型； 其中单 个拖车动力单 元的动力学模型如下： 其中， t＝1， 2， ...， r， r为拖车动力单元数， 和 分别为第t个动力单元受到的空气 阻力和机械阻力， ut代表第t个动力单元的制动力， st、 和 分别代表第t个动力单元的位 移、 速度和加速度， mt为第t个动力单元的质量， 代表动力单元之间的弹簧系数， b表示相邻 动力单元间阻尼器的阻尼系数， 和 为第t个动力单元受到相邻动力单元耦合作用的影响， c0、 cv、 ca是阻力系数， 代表空气阻力； 单元动力学模型的非线性状态空间模型如下： 其中， k为离散时刻； 输出标量yt(k)∈R， 表示第t个动力单元的输出速度； 状态向量xt (k)∈Rn， 与拖车动力单元、 轮胎的结构和材料参数有关， n为xt(k)的维度； 和θ (·)∈R是非线性向量函数； qt(k)∈Rn和dt(k)∈R分别是不可观测的噪声序列； 输入向量ut (k)表示第t个动力单元受到自身的制动力和相邻动力单元的牵引力的耦合影响， ut(k)的 维度为l； 在实际运行 过程中， 可近似为： 其中， At∈Rn×n， Bt∈Rn×l， Ct∈R1×n， Dt∈R1×l分别为第t个动力单元的系统矩阵， wt(k)∈权　利　要　求　书 1/3 页 2 CN 114154227 A 2Rn×l和vt(k)∈R1×l分别为第t个动力单 元的过程噪声和输出噪声； 基于拖车动力单元的输入输出数据， 可以辨识出各单元子空间模型， 集成各单元子空 间模型得到重型挂车分布式状态空间模型如下： 其中， 模型的状态 矩阵如下： 状态矩阵中的参数包括： 位移、 速度、 加速度、 单元质量、 相邻单元的阻尼系数、 弹簧系 数、 牵引/制动力； 其中， 单元质量和相邻 单元的阻尼系数、 弹簧系数是固定的， 位移、 速度、 加速度和牵引/制动力通过传感器采集； (2)利用挂车的行程传感器采集驾驶员制动过程中的行程信号， 绘制横坐标为时间d， 纵坐标为行程的制动曲线， 计算出其制动距离L1， 并衡量制动曲线的平滑程度； 利用速度传 感器采集当前车速v； 利用反应时间检测仪采集制动反应时间d0， 并计算反应距离L0＝v× d0； (3)利用步骤(2)中的方法采 集并计算足够多的制动过程数据， 包括自身输入数据ut、 前 一个相邻单元的输入数据ut‑1、 后一个相邻单元的输入数据ut+1以及自身输出数据yt， 根据 步骤(1)中得到的重型挂车分布式状态空间模型， 计算出 所需的制动力f0； 将牵引车和各拖车动力单元的制动数据， 包括反应距离L0、 车速v、 制动距离L1， 以及计 算出的相应制动力f0传输到中央ECU进行自适应学习， 离线训练一个针对重型挂车制动过 程的神经网络模型； (4)利用离线训练好的神经 网络模型进行制动 距离L1的预测； 如果制动距离L1超过安全 范围， 给予驾驶员警告， 提 示当前制动加速度较小， 加大制动力， 确保驾驶 安全。 2.根据权利要求1所述的一种重型挂车制动过程自适应学习方法， 其特征在于， 所述步 骤(2)中， 根据制动曲线的行程信号X(d)计算出X(d)的方差σ2和平均值μ， 用来作为衡量曲 线平滑程度的标准。 3.根据权利要求1或2所述的一种重型挂车制动过程自适应学习方法， 其特征在于， 所 述针对重型挂车制动过程的神经网络模型的结构具体如下： 第1层为输入层， 输入数据记为x(i)， 类型序号i＝1， 2， ...， 5， 对应第i个节点， 输入数 据的类型包括反应距离L0， 车速v， 制动曲线方差σ2和平均值 μ， 制动力f0； 第2层为中间层， 包括隐含层1和隐含层2， 隐含层1和隐含层2分别有16个节点； 第3层为结果输出层， 输出制动距离L1； 首先离线训练神经网络， 离线训练的训练集为采集的本车司机的行程数据； 训练好后 进行实时制动距离预测。 4.根据权利要求3所述的一种重型挂车制动过程自适应学习方法， 其特征在于， 神经网 络的离线训练和预测过程具体包 含以下步骤： (1)初始化神经 网络输入层节点i和中间层节点j之间的权重wij， 以及中间层节点j和输权　利　要　求　书 2/3 页 3 CN 114154227 A 3