本技术涉及车辆智能控制领域,旨在提供一种适应多场景的车辆控制技术、系统、设备及存储介质。该技术通过实时监测目标车辆的多个关键状态参数,智能分析并确定这些参数在不同工况下的最佳控制策略,以实现车辆的高效、安全运行。
背景技术
在科技的创新与发展中,人们除对汽车智能化的热衷追求外,还注重汽车的安全性能,且车辆稳定性作为智能汽车开发中的重要部分,备受各大企业的关注。虽各类车辆辅助系统和先进技术促进了车辆稳定性的发展,但其在高车速、低附着路面等极限工况下仍易因轮胎非线性动力学特性而出现失稳现象,威胁驾乘人员的安全。从汽车的稳定性和安全性能角度来看,如果能准确有效地提前获取车辆稳定性状态并加以干预,将有效提高车辆的操纵稳定性和主动安全性。
在车辆稳定性控制方面,模型预测控制(Model Predictive Control,MPC)具有多步预测、滚动优化等特点,其预测能力可以准确的解决非线性系统中具有多约束和多输出的问题,它不仅能对当前的状态进行控制,而且可以对系统若干周期之后的状态进行预测,使整个系统控制的稳定性得到大幅度的提高,因此其成为解决车辆稳定性问题的有利保障,但是系统必然具有稳定状态和非稳定状态,若全程使用MPC控制,一方面会增加系统的在线计算量,降低实时性,另一方面,MPC在不同工况下泛化性较差,不同工况状态下可能存在MPC的工况匹配不准确,导致对车辆的控制出现问题。
因此,在现有技术中,对于车辆的稳定性控制仍存在安全隐患。
实现思路