【技術實現步驟摘要】
本專利技術涉及汽車制動，具體為一種基于剎車數據實時分析方法及系統。
技術介紹
1、隨著汽車工業的迅猛發展，車輛制動系統的性能直接影響到行車安全。傳統的制動系統雖然已經具備一定的功能，但在數據采集的實時性、處理速度及精度等方面仍存在諸多不足。尤其在復雜的駕駛環境中，如何確保制動系統的高效響應成為了一個亟待解決的問題。
2、近年來，隨著傳感器技術的進步和數據處理能力的提升，對制動數據進行實時分析成為可能。然而，現有的解決方案往往受限于數據采集的準確性、處理效率低下等因素，難以完全滿足現代車輛尤其是智能網聯汽車對于制動系統高性能的需求。
3、公開號為cn114169083a的中國專利技術專利，涉及一種自動緊急剎車系統數據分析方法、裝置、設備、介質，其方法包括對相同數據格式的硬件在環測試數據和實車測試數據進行標簽化處理；模擬車輛自動緊急剎車系統的觸發和制動過程，并獲得車輛停止時與障礙物的距離；判斷距離與預設的制動停止時與障礙物的理想距離的大小；當車輛停止時與障礙物的距離小于制動停止時與障礙物的理想距離時，計算制動停止時與障礙物的理想距離與車輛停止時與障礙物的距離的差值，并求解差值與制動停止時與障礙物的理想距離的比值的百分比。解決了硬件在環測試數據及實車驗證測試數據分析時的后滯性和低效率問題。該申請具有改善后滯性和提高效率的效果。
4、上述及類似的剎車系統數據分析方法在實際操作的過程中，不同的駕駛員在駕駛同一車輛時，其駕駛行為習慣是不相同的。同時由于不同車輛之間剎車組件的制動效果、調配效果、硬件參數等的
技術實現思路
1、本專利技術的目的在于提供一種基于剎車數據實時分析方法及系統，以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，本專利技術提供如下技術方案：一種基于剎車數據實時分析方法，所述分析方法包括有：
3、模式確定：獲取車輛制動系統的實時運行數據，識別并確定駕駛員的剎車行為模式；
4、模式匹配：設置多個預定義的制動系統響應模型，并將所述駕駛員的剎車行為模式與制動系統響應模型進行自動匹配；
5、交互調整：將匹配到的制動系統響應模型與模擬制動模型進行交互，同時通過顯示界面顯示模擬制動模型的模擬結果，并根據所述模擬結果調整車輛制動系統，具體為：
6、當所述模擬結果與駕駛員的預設駕駛結果相同時，則根據所述模擬制動模型對應的制動參數，調整所述車輛制動系統；
7、當所述模擬結果與駕駛員的預設駕駛結果不相同時，則所述制動系統響應模型進行自適應參數調整，并將自適應調整后的制動系統響應模型與模擬制動模型進行交互，直至所述模擬結果與駕駛員的預設駕駛結果相同。
8、更進一步地，識別并確定所述駕駛員的剎車行為模式，包括有：
9、獲取車輛制動系統的實時運行數據，并從所述實時運行數據中提取出統計特征、時域特征和頻域特征；
10、將所述統計特征、時域特征和頻域特征通過識別算法進行分類，確定出所述駕駛員的剎車行為模式：輕踩、重踩和連續踩。
11、更進一步地，所述制動系統響應模型的設置，包括有：
12、通過從車輛制動系統的實時運行數據中提取出的統計特征、時域特征和頻域特征，確定出駕駛員剎車行為模式下對應的實際特征向量；
13、獲取每個預定義制動系統響應模型中的模型特征向量，并確定出所述實際特征向量與每個模型特征向量之間的向量距離；
14、將所有向量距離進行比較，確定出最小數值的向量距離，所述最小數值的向量距離對應的預定義制動系統響應模型，即為所述駕駛員的剎車行為模式下對應的制動系統響應模型。
15、更進一步地，所述實際特征向量與每個模型特征向量之間的向量距離，具體為：
16、
17、其中：為向量距離，為實際特征向量中第i個元素，為模型特征向量中第i個元素，為向量中元素的索引號，為向量中元素的數量，為實際特征向量，為模型特征向量。
18、更進一步地，所述制動系統響應模型進行自適應參數調整時，根據駕駛員的駕駛狀態進行調整，具體為：
19、當所述駕駛員處于行駛狀態時：
20、所述制動系統響應模型按剎車距離、剎車時間和剎車平穩性進行有序調整；
21、當所述駕駛員未處于行使狀態時：
22、所述駕駛員通過交互界面在預設的剎車參數調整范圍內，調整剎車距離、剎車時間和剎車平穩性。
23、更進一步地，所述制動系統響應模型按剎車距離、剎車時間和剎車平穩性進行有序調整，具體為：
24、當所述剎車距離有誤時，調整所述剎車距離，所述剎車時間和剎車平穩性不進行調整；
25、當所述剎車距離無誤但剎車時間有誤時，調整所述剎車時間，所述剎車距離和剎車平穩性不進行調整；
26、當所述剎車距離和剎車時間均無誤但剎車平穩性有誤時，調整所述剎車平穩性，所述剎車距離和剎車時間不進行調整。
27、更進一步地，根據所述模擬結果調整車輛制動系統，還包括有：
28、根據車輛制動系統的實時運行數據，確定駕駛員的行駛偏好行為；
29、將所述模擬制動模型的模擬結果與行駛偏好行為進行匹配，確定出所述模擬結果對應的行駛偏好行為，并根據所述行駛偏好行為對應的偏好數據，自適應調整所述車輛制動系統。
30、更進一步地，所述駕駛員的行駛偏好行為的確定，包括有：
31、對車輛制動系統的運行數據進行預處理，并根據預處理后的運行數據，確定出數據分布和駕駛員的駕駛行為之間的聯系，具體為：
32、通過制動壓力和制動時間的分布，獲取所述運行數據的集中趨勢和離散程度，確定出駕駛員的制動習慣；
33、通過制動數據之間的關聯關系，確定出駕駛員行駛偏好的影響因素；
34、通過制動數據之間的聚類分析，確定出不同的行駛偏好群體；
35、將所述駕駛員的制動習慣、行駛偏好的影響因素和行駛偏好群體進行綜合設置，獲取綜合特征數據，同時將所述綜合特征數據作為機器學習模型的輸入，輸出獲取駕駛員的行駛偏好行為。
36、一種基于剎車數據實時分析系統，使用了上述任意一項所述的一種基于剎車數據實時分析方法。
37、與現有技術相比，本專利技術的有益效果是：
38、其一：本專利技術通過實時分析駕駛員的剎車行為模式，并自動調整制動系統響應模型，使得車輛的制動性能更加符合當前的駕駛狀況，從而提高行車的安全性；
39、其二：本專利技術使得駕駛員可以根據自己的駕駛習慣和偏好，通過交互界面調整剎車參數，同時還可以根據調整的剎車參數，自動匹配相應的制動系統響應模型本文檔來自技高網...
【技術保護點】
1.一種基于剎車數據實時分析方法，其特征在于，所述分析方法包括有：
2.根據權利要求1所述的一種基于剎車數據實時分析方法，其特征在于，識別并確定所述駕駛員的剎車行為模式，包括有：
3.根據權利要求1所述的一種基于剎車數據實時分析方法，其特征在于，所述制動系統響應模型的設置，包括有：
4.根據權利要求3所述的一種基于剎車數據實時分析方法，其特征在于，所述實際特征向量與每個模型特征向量之間的向量距離，具體為：
5.根據權利要求1所述的一種基于剎車數據實時分析方法，其特征在于，所述制動系統響應模型進行自適應參數調整時，根據駕駛員的駕駛狀態進行調整，具體為：
6.根據權利要求5所述的一種基于剎車數據實時分析方法，其特征在于，所述制動系統響應模型按剎車距離、剎車時間和剎車平穩性進行有序調整，具體為：
7.根據權利要求1所述的一種基于剎車數據實時分析方法，其特征在于，根據所述模擬結果調整車輛制動系統，還包括有：
8.根據權利要求7所述的一種基于剎車數據實時分析方法，其特征在于，所述駕駛員的行駛偏好行為的確定，
9.一種基于剎車數據實時分析系統，其特征在于，使用了權利要求1-8任意一項所述的一種基于剎車數據實時分析方法。
...【技術特征摘要】
1.一種基于剎車數據實時分析方法，其特征在于，所述分析方法包括有：
2.根據權利要求1所述的一種基于剎車數據實時分析方法，其特征在于，識別并確定所述駕駛員的剎車行為模式，包括有：
3.根據權利要求1所述的一種基于剎車數據實時分析方法，其特征在于，所述制動系統響應模型的設置，包括有：
4.根據權利要求3所述的一種基于剎車數據實時分析方法，其特征在于，所述實際特征向量與每個模型特征向量之間的向量距離，具體為：
5.根據權利要求1所述的一種基于剎車數據實時分析方法，其特征在于，所述制動系統響應模型進行自適應參數調整時...
【專利技術屬性】
技術研發人員：鄭加彬，高持錄，劉雪，杜金朋，崔玉龍，黃茂福，丁榮波，
申請(專利權)人：臨沂天一電子有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。