发明内容

本发明主要解决原有的技术方案增设硬件增加额外成本，由于转向系统零部件差异性影响检测可靠性和及时性的技术问题，提供一种智能车辆的驾驶员脱手检测方法，基于转向系统的数学模型，设计卡尔曼滤波器，来预测方向盘扭矩和扭杆力矩，采集车辆脱手和非脱手状态下数据集，训练得到系统状态参数，根据预测出来驾驶员手力距和扭杆力距的差值，就那些个脱手的判断，无需增设传感器和摄像头等额外硬件，降低成本且脱手检测及时可靠。

本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：

S1构建转向系统的数学模型；

S2设计卡尔曼滤波器以预测方向盘扭矩和扭杆力矩；

S3采集车辆脱手和非脱手状态下数据集，训练得到系统状态参数；

S4根据预测出来驾驶员手力距和扭杆力距的差值，进行脱手状态检测；

S5根据脱手状态检测结果发出通知。

EPS在汽车转向过程中所受的力主要有驾驶员的转向力矩、助力电机提供的助力矩、克服地面作用于转向轮上的阻力及由于转向结构引起的各种阻力。阻力矩影响的因素较多，主要包括2个方面：第一，由于系统各机械部件之间的摩擦而产生的“转向摩擦力矩”；第二，转向时地面作用于轮胎上的“绕主销阻力矩”。

汽车在行驶过程中，驾驶员转动方向盘给输入轴一个转角，扭杠会因上、下轴转角差而产生扭矩。扭矩传感器将检测到的扭矩信号，车速传感器将检测到的车速信号，共同输入到EPS ECU中，EPS ECU根据输入的信号来判断转向系统是否需要助力。若需要助力，ECU将根据集成在内的助力特性确定助力电流值，电动机根据电流值产生助力转矩。助力转矩经过减速机构减速增矩后施加给前轮转向机构，从而完成助力转向。

作为优选，所述的步骤S1汽车在行驶过程中，驾驶员转动方向盘给输入轴一个转角，扭杠因上、下轴转角差而产生扭矩，输入扭矩信号和车速信号来判断转向系统是否需要助力，转向系统的数学模型具体包括：

转向柱：

扭矩：T_tb＝K_h(θ_sw-θ_e)

阻力距：

其中，J_h：方向盘转动惯量，B_h：方向盘阻尼系数，K_h：刚度系数，θ_sw：方向盘转角，θ_e：小齿轮转角，T_d：方向盘力矩，T_tb：扭杠力矩，方向盘转角速度，方向盘转角加速度，T_f：阻力距。

作为优选，所述的步骤S2具体包括：根据上述转向柱数学模型，如下所示：

T_tb＝K(θ_sw-θ_e)

假设方向盘是匀速转动，即无控制量输入，则EPS系统的状态空间表达式如下：

y＝C_cx

其中，x为系统状态变量，

y为输出量，

A_c为状态转移矩阵，

C_c为输出矩阵，

为了实现Kalman滤波，需要离散化，对上述一阶微分方程，即系统状态空间方程求解，得如下

令

式中

A_c为状态转移矩阵，

F_k为状态转移矩阵变形，

T为离散化时间间隔，

x_k为当前时刻系统状态估计值，

x_k-1为上一时刻系统状态值，

所以Kalman滤波写成如下形式，用于估计各个系统状态值，

系统状态值更新方程：

x_k＝F_k·x_k-1+K′·(z-H_k·x_k-1)

系统状态协方差更新方程：

P′_k＝(1-K′H_k)P_k

其中，K′为卡尔曼增益矩阵，

H_k为观测矩阵，是状态变量到测量的转换矩阵，

z为测量值,包括方向盘转角和方向盘手力距，

P_k为当前时刻状态之间的协方差组成的矩阵，对角线元素是各个状态的方差，其余元素是相应元素的协方差，

P_k-1为上一时刻状态之间协方差矩阵，

R_k为测量噪声协方差的来源是传感器误差，即传感器的不准确性，

Q_k是过程激励噪声协方差，即系统过程的协方差。

作为优选，所述的步骤S3采集车辆脱手和非脱手状态下数据集，数据集信号包括方向盘转角、方向盘扭矩、辨识系统状态参数以及卡尔曼噪音模型参数值，所述方向盘转角和方向盘扭矩基于以下方程的最小值为优化目标：

(T_{tb_est}–T_tb)^2

(θ_{e_est}–θ_e)^2

(T_d)^2(脱手场景)

其中，T_tb：扭杠力矩，T_{tb_est}:估计扭杆力距，θ_e：小齿轮转角，θ_{e_est}：小齿轮转角估计值，T_d：驾驶员手力距；

所述辨识系统状态参数列表如下：方向盘转动惯量J_h，方向盘阻尼系数B_h，方向盘阻尼系数B₁，刚度系数K_h，卡尔曼噪音模型参数值。

作为优选，所述的步骤S4具体包括：

S4.1判断ADAS横向控制功能是否激活；

S4.2若激活，则计算最近5个周期累加结果

S4.3判断横向控制时间是否大于最小估算时间；

S4.4若大于，则判断Metric是否大于设定的脱手状态阈值；

S4.5若大于，则输出脱手状态检测结果并开始脱手状态计时；

S4.6进行脱手状态计时的同时判断是否转化成非脱手状态。

在转向系统中，有两个力矩，一个是扭矩传感器读取的扭杠力矩，另外一个是方向盘上驾驶员作用的力矩。在方向盘转动的过程中，由于存在阻尼和转动惯量，这个两个力矩会存在一定的差值，可以从公式 中可以看出，Hands-Off的检测就依赖于这个差值。

当ADAS横向功能介入时，且驾驶员的手脱离方向盘时，为了平衡横向作用的力矩，摩擦力和惯性力会增大，且估计的驾驶员力矩(T_{d_est})和扭杠力矩(T_{tb_est})存在差异，所以可以利用该特性去做Hands-Off检测。但是在某些应该被判定为Hands-Off的情况下，驾驶员力矩和扭杠力矩在单个周期内差异却不大，会检测不出来，比如驾驶员虽然手放置于方向盘上，但是过于轻，不足以控制车辆。

为了增强鲁棒性，需要统计一段时间内的两者力矩的差异。不能单纯使用力矩之差作为判断依据，因为在Hands-On的情况下，在转动方向盘是，两者力矩也是有差值，所以需要使用归一化后的力矩差值。

作为优选，所述的步骤S4.2中T_{d_est}为驾驶员力矩，T_{tb_est}为扭杠力矩，通过统计一段时间内的两者力矩的差异，增强鲁棒性，得到归一化后的力矩差值即

将归一化后的力矩差值与设定的脱手状态阈值比较，实现脱手状态判断。

作为优选，所述的步骤S4.6非脱手状态判断具体包括：设定非脱手状态判断阈值，通过扭矩传感器测的扭杠力矩大于非脱手状态判断阈值，并持续一定时间，计数器加1，当计满50个周期，判定为非脱手状态，当出现力矩小于非脱手状态判断阈值的情况时，只要在一个周期内重新检测到力矩恢复至大于非脱手状态判断阈值的情况，计数器继续计数，否则计数器减1。当计满50个周期，按照0.02s一个周期计算，则计满1秒钟，判定为Hands On状态。由于在驾驶过程中，驾驶员的手可能会出现抖动的情况，不能保证每个周期都大于0.4Nm。当出现力矩小于0.4Nm的情况时，只要在0.125s内重新检测到力矩恢复至大于0.4Nm的情况，计数器继续计数，否则计数器减1。

作为优选，所述的步骤S5若脱手状态计时过程中转化成非脱手状态，则脱手状态计时停止；若脱手状态计时超过10S，则发出一级告警；若脱手状态计时超过20S，则发出二级告警。

本发明的有益效果是：基于转向系统的数学模型，设计卡尔曼滤波器，来预测方向盘扭矩和扭杆力矩，采集车辆脱手和非脱手状态下数据集，训练得到系统状态参数，根据预测出来驾驶员手力距和扭杆力距的差值，就那些个脱手的判断，无需增设传感器和摄像头等额外硬件，降低成本且脱手检测及时可靠。