一种新能源车辆的防侧翻方法及装置与流程

1.本发明实施例涉及车辆控制领域，特别涉及一种新能源车辆的防侧翻方法及装置。


背景技术：

2.随着社会的进步时代的发展，新能源车辆逐渐普及，而且车辆的普及使得交通事故频发，其中，车辆发生侧翻造成的伤害与损失是非常巨大，大车急转弯导致车辆侧翻，压倒旁边的人或车辆的例子更是不计其数。因此，车辆急转状况下车辆防侧翻的问题亟待解决。


技术实现要素：

3.本发明实施方式的目的在于提供一种新能源车辆的防侧翻方法及装置，其目的在于解决车辆急转状况下车辆防侧翻的问题。
4.为解决上述技术问题，本发明的实施方式提供了一种新能源车辆的防侧翻方法，所述方法包括：
5.利用预设的车辆载重、速度信息及车头与车身的夹角信息，对预构建的三维车辆建模模型进行转弯测试，得到的样本数据集；
6.利用所述样本数据集对待训练的车辆防侧翻模型进行训练，得到训练完成的车辆防侧翻模型；
7.实时获取目标车辆的包括载重限度、车辆速度及车头与车身的夹角数据的数据包，并利用所述车辆防侧翻模型对所述数据包进行分析计算，得到所述目标车辆的侧翻预测结果；
8.根据所述预测结果，控制预构建的车身与车底盘之间的第一错位器及车轴与车轮间的第二错位器，改变所述车身的重心位置及下方车轮与地面的夹角。
9.可选的，所述利用预设的车辆载重、速度信息及车头与车身的夹角信息，对预构建的三维车辆建模模型进行转弯测试，得到的样本数据集，包括：
10.步骤a、获取预构建的三维车辆建模模型，对所述三维车辆建模模型的速度信息、车身载重信息及车头与车身的夹角信息进行变量控制，得到所述三维车辆建模模型在各个车辆载重情况下根据所述速度信息与夹角信息计算得到的第一侧翻极限惯量；
11.步骤b、根据预设偏移量按照预设的策略修改所述车身的重心位置及所述车轮与地面的夹角后，重新执行所述步骤a，得到第二侧翻极限惯量，直到所述偏移量达到预设的最大阈值时，汇集得到的第一侧翻极限惯量以及所有第二侧翻极限惯量，得到侧翻极限惯量集；
12.步骤c、将各个速度信息、载重信息、夹角信息，及对应的侧翻极限惯量集通过表格输出，得到样本数据集。
13.可选的，所述利用所述样本数据集对待训练的车辆防侧翻模型进行训练，得到训
练完成的车辆防侧翻模型，包括：
14.步骤i、构建包含特征提取网络、多层线性激活层及运算网络的车辆防侧翻模型；
15.步骤ii、利用所述车辆防侧翻模型的特征提取网络对所述训练样本集进行特征提取，得到特征序列训练集；
16.步骤iii、利用所述车辆防侧翻模型的多层线性激活层对所述特征序列训练集执行激活操作，得到预测惯量集；
17.步骤iv、利用所述车辆防侧翻模型的运算网络计算所述预测惯量集与所述侧翻极限惯量集之间的误差均值，并判断所述误差均值与预设的误差阈值的大小关系；
18.步骤v：若所述误差均值大于所述误差阈值，调整所述待训练车辆防侧翻模型的内部参数，并返回步骤ii；
19.步骤vi：若所述误差均值小于或等于所述误差阈值，得到所述车辆防侧翻模型。
20.可选的，所述利用所述车辆防侧翻模型对所述数据包进行分析计算，得到所述目标车辆的侧翻预测结果，包括：
21.利用所述车辆防侧翻模型对所述数据包中各载重限度、车辆速度、夹角度数进行函数计算，得到转弯惯量，并判断所述转弯惯量是否大于所述第一侧翻极限惯量；
22.当所述转弯惯量小于所述第一侧翻极限惯量时，得到车辆不会侧翻的第一侧翻预测结果；
23.当所述转弯惯量侧翻极大于或等于所述第一侧翻极限惯量时，查询能够保持车辆不会侧翻的最小车身重心偏移量及最小车轮与地面夹角偏移量，生成包括所述最小车身重心偏移量及最小车轮与地面夹角偏移量的第二侧翻预测结果。
24.可选的，所述根据所述预测结果，控制预构建的车身与车底盘之间的第一错位器及车轴与车轮间的第二错位器，改变所述车身的重心位置及下方车轮与地面的夹角，包括：
25.根据所述第二侧翻预测结果生成启动命令，将所述车辆进入防侧翻状态，启动位于车身与车底盘之间的第一错位器及车轴与车轮之间上的第二错位器；
26.根据所述第二侧翻预测结果中的最小车身重心偏移量及最小车轮与地面夹角偏移量，对所述第一错位器及所述第二错位器中的液压杆进行长度控制，改变车身的重心位置及车轮与地面的夹角。
27.可选的，所述根据所述预测结果，控制预构建的车身与车底盘之间的第一错位器及车轴与车轮间的第二错位器，改变所述车身的重心位置及下方车轮与地面的夹角之前，所述方法还包括：
28.利用预构建的液压杠作为一个对角线进行矩形活端连接，构建所述错位器，并将所述错位器安装于所述车身与车地盘之间和车轴与车轮之间上。
29.此外，本发明还提供一种新能源车辆的防侧翻装置，所述装置包括：
30.样本获取模块，用于利用预设的车辆载重、速度信息及车头与车身的夹角信息，对预构建的三维车辆建模模型进行转弯测试，得到的样本数据集；
31.模型获取模块，用于利用所述样本数据集对待训练的车辆防侧翻模型进行训练，得到训练完成的车辆防侧翻模型；
32.车辆状态分析模块，用于实时获取目标车辆的包括载重限度、车辆速度及车头与车身的夹角数据的数据包，并利用所述车辆防侧翻模型对所述数据包进行分析计算，得到
所述目标车辆的侧翻预测结果；
33.形态转换模块，用于根据所述预测结果，控制预构建的车身与车底盘之间的第一错位器及车轴与车轮间的第二错位器，改变所述车身的重心位置及下方车轮与地面的夹角。
34.可选地，所述样本获取模块具体用于执行：
35.步骤a、获取预构建的三维车辆建模模型，对所述三维车辆建模模型的速度信息、车身载重信息及车头与车身的夹角信息进行变量控制，得到所述三维车辆建模模型在各个车辆载重情况下根据所述速度信息与夹角信息计算得到的第一侧翻极限惯量；
36.步骤b、根据预设偏移量按照预设的策略修改所述车身的重心位置及所述车轮与地面的夹角后，重新执行所述步骤a，得到第二侧翻极限惯量，直到所述偏移量达到预设的最大阈值时，汇集得到的第一侧翻极限惯量以及所有第二侧翻极限惯量，得到侧翻极限惯量集；
37.步骤c、将各个速度信息、载重信息、夹角信息，及对应的侧翻极限惯量集通过表格输出，得到样本数据集。
38.可选的，所述模型获取模块具体用于执行：
39.步骤i、构建包含特征提取网络、多层线性激活层及运算网络的车辆防侧翻模型；
40.步骤ii、利用所述车辆防侧翻模型的特征提取网络对所述训练样本集进行特征提取，得到特征序列训练集；
41.步骤iii、利用所述车辆防侧翻模型的多层线性激活层对所述特征序列训练集执行激活操作，得到预测惯量集；
42.步骤iv、利用所述车辆防侧翻模型的运算网络计算所述预测惯量集与所述侧翻极限惯量集之间的误差均值，并判断所述误差均值与预设的误差阈值的大小关系；
43.步骤v：若所述误差均值大于所述误差阈值，调整所述待训练车辆防侧翻模型的内部参数，并返回步骤ii；
44.步骤vi：若所述误差均值小于或等于所述误差阈值，得到所述车辆防侧翻模型。
45.可选的，所述车辆状态分析模块具体用于：
46.利用所述车辆防侧翻模型对所述数据包中各载重限度、车辆速度、夹夹角数进行函数计算，得到转弯惯量，并判断所述转弯惯量是否大于所述第一侧翻极限惯量；
47.当所述转弯惯量小于所述第一侧翻极限惯量时，得到车辆不会侧翻的第一侧翻预测结果；
48.当所述转弯惯量侧翻极大于或等于所述第一侧翻极限惯量时，查询能够保持车辆不会侧翻的最小车身重心偏移量及最小车轮与地面夹角偏移量，生成包括所述最小车身重心偏移量及最小车轮与地面夹角偏移量的第二侧翻预测结果。
49.本发明实施例利用三维车辆建模模型，根据不同速度、车重、转角的空值变量方法，获取车辆正常及重心转移时，急转弯情况下的侧向惯量极限，为车辆防侧翻模型的训练提供大量数据，通过训练完成的车辆防侧翻模型，根据实时采集车辆运行情况，分析得到所述目标车辆的侧翻预测结果，并根据所述侧翻预测结果利用构建的错位器，在车辆急转弯时改变车辆重心，保证车辆不会发生侧翻。
附图说明
50.图1为本发明一实施例提供的车辆防侧翻的流程示意图；
51.图2为本发明一实施例提供的错位器结构示意图；
52.图3为本发明一实施例提供的新能源车辆的防侧翻装置的模块示意图；
53.图4为本发明一实施例提供的新能源车辆的防侧翻方法的电子设备的结构示意图。
54.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
55.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
56.本发明提供一种车辆防侧翻的方法。参照图1所示，为本发明一实施例提供的新能源车辆防侧翻的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
57.在本实施例中，所述新能源车辆的防侧翻方法包括：
58.s1、利用预设的车辆载重、速度信息及车头与车身的夹角信息，对预构建的三维车辆建模模型进行转弯测试，得到的样本数据集。
59.详细地，本发明实施例中，所述s1，包括：
60.步骤a、获取预构建的三维车辆建模模型，对所述三维车辆建模模型的速度信息、车身载重信息及车头与车身的夹角信息进行变量控制，得到所述三维车辆建模模型在各个车辆载重情况下根据所述速度信息与夹角信息计算得到的第一侧翻极限惯量；
61.步骤b、根据预设偏移量按照预设的策略修改所述车身的重心位置及所述车轮与地面的夹角后，重新执行所述步骤a，得到第二侧翻极限惯量，直到所述偏移量达到预设的最大阈值时，汇集得到的第一侧翻极限惯量以及所有第二侧翻极限惯量，得到侧翻极限惯量集；
62.步骤c、将各个速度信息、载重信息、夹角信息，及对应的侧翻极限惯量集通过表格输出，得到样本数据集。
63.本发明实施例利用unity3d构建三维车辆建模模型，并设置车辆载重、速度、转角等参数，其中，所述unity3d为一种实时3d互动内容创作和运营平台。本发明实施例根据已公开车辆参数，构建三维车辆建模模后，首先利用控制变量法，先保持车辆满额载重，再实验不同车辆速度下，车头多大拐角才能使得车辆发生侧翻；接着，通过在车厢及底盘之间安装第一错位器，在车轴与车轮之间安装第二错位器，根据所述的控制变量法的变量条件下，在转弯时控制所述第一错位器及所述第二错位器的大小，得到不同重心位置，能够保持车辆不侧翻的极限速度及转角；最终将各个速度信息、载重信息、夹角信息，及重心位移及不进行位移各对应的侧翻极限惯量集通过表格输出，得到所述样本数据集。
64.其中，如图2所示，所述错位器的安装原理为将四根刚性材料围成一个矩形，并在连接处用活性连接，而矩形的对角线利用液压杆进行支撑，将错位器安装至车底盘及车厢之间/或车轴与车轮之间时，当液压杆增大时，矩形将变为菱形，上下杆会进行错位，而左右杆会发生倾斜，从而实现车厢的重心位移或车轮与地面夹角变化。
65.s2、利用所述样本数据集对待训练的车辆防侧翻模型进行训练，得到训练完成的
车辆防侧翻模型。
66.本发明实施例中，所述车辆防侧翻模型是一种实时获取车辆速度信息及车头转角信息而保证车辆能及时进行重心转移避免车辆侧翻的模型。
67.详细地，本发明实施例中，所述s2包括：
68.步骤i、构建包含特征提取网络、多层线性激活层及运算网络的车辆防侧翻模型。
69.所述特征提取网络为一种自动从所述样本数据集中获取数据的神经网络，能够对所述样本数据集进行参数划分，从而输入利用预构建的transform模型进行构建的所述车辆防侧翻模型。其中，所述transform模型是一种可实现分类或拟合的深度学习模型。
70.此外，本发明构建线性激活层帮助待训练的车辆防侧翻模型进行模型训练，其中所述线性激活层包括归一化和激活函数，所述激活函数可使用高斯分布函数。
71.步骤ii、利用所述车辆防侧翻模型的特征提取网络对所述训练样本集进行特征提取，得到特征序列训练集。
72.本发明实施例利用所述特征提取网络将提取得到{[车重8吨，车速80km/h，转角5
°
，不侧翻]，
……
，[车重8吨，车速100km/h，转角10
°
，侧翻]
……
}的所述特征序列训练集。
[0073]
步骤iii、利用所述车辆防侧翻模型的多层线性激活层对所述特征序列训练集执行激活操作，得到预测惯量集。
[0074]
本发明实施例利用预设数量的车速信息、载重信息、转交信息获取侧翻极限惯量，根据所述特征序列训练集，完善速度、质量、夹角与侧向惯量的关系，根据多层线性激活层进行激活，得到侧翻概率为[65％，
……
，120％，
……
]的所述预测惯量集。
[0075]
步骤iv、利用所述车辆防侧翻模型的运算网络计算所述预测惯量集与所述侧翻极限惯量集之间的误差均值，并判断所述误差均值与预设的误差阈值的大小关系；
[0076]
步骤v：若所述误差均值大于所述误差阈值，调整所述待训练车辆防侧翻模型的内部参数，并返回步骤ii；
[0077]
步骤vi：若所述误差均值小于或等于所述误差阈值，得到所述车辆防侧翻模型。
[0078]
本发明实施例，筛选所述特征序列训练集极限状态下参数对应的预测惯量集预设值为[100％，100％，100％，
……
]，但实际所述预测惯量集为[80％，88％，90％，85％
……
]，设置误差阈值为(95％，105％)，当误差均值为89％，不在所述误差阈值范围内，需重新进行训练过程，当误差均值为97％，在所述误差阈值范围内，得到所述车辆防侧翻模型。
[0079]
s3、实时获取目标车辆的包括载重限度、车辆速度及车头与车身的夹角数据的数据包，并利用所述车辆防侧翻模型对所述数据包进行分析计算，得到所述目标车辆的侧翻预测结果。
[0080]
本发明实施例，将所述车辆防侧翻模型嵌入车载电脑中，可以实时接收包括车辆的速度信息及转弯信息的数据包。
[0081]
详细地，本发明实施例中，所述利用所述车辆防侧翻模型对所述数据包进行分析计算，得到所述目标车辆的侧翻预测结果，包括：
[0082]
利用所述车辆防侧翻模型对所述数据包中各载重限度、车辆速度、夹角度数进行函数计算，得到转弯惯量，并判断所述转弯惯量是否大于所述第一侧翻极限惯量；当所述转弯惯量小于所述第一侧翻极限惯量时，得到车辆不会侧翻的第一侧翻预测结果；当所述转弯惯量侧翻极大于或等于所述第一侧翻极限惯量时，查询能够保持车辆不会侧翻的最小车
身重心偏移量及最小车轮与地面夹角偏移量，生成包括所述最小车身重心偏移量及最小车轮与地面夹角偏移量的第二侧翻预测结果。
[0083]
本发明较佳实施例中，将车辆吨位等信息导入所述车辆防侧翻模型进行初始化设置，得到本车侧翻极限惯量。利用所述车辆防侧翻模型实时接收车辆速度与转角信息，进行侧向惯量实时测试，得到实时结果，当实时结果大于所述本车侧翻极限惯量时，所述车辆进入防侧翻状态，启动所述第一错位器及所述第二错位器，利用所述车辆防侧翻模型，推测所述车辆不会发生侧翻的重心及车轮夹角的偏移量。
[0084]
本发明实施例中，所述预测结果分为两部分：车辆是否会发生侧翻及车辆如何控制重心偏移。
[0085]
s4、根据所述预测结果，控制预构建的车身与车底盘之间的第一错位器及车轴与车轮间的第二错位器，改变所述车身的重心位置及下方车轮与地面的夹角。
[0086]
根据所述预测结果中的偏移量，对所述第一错位器及所述第二错位器上的液压杆进行调控，从而改变所述车身的重心位置及下方车轮与地面的夹角。
[0087]
本发明实施例利用三维车辆建模模型，根据不同速度、车重、转角的空值变量方法，获取车辆正常及重心转移时，急转弯情况下的侧向惯量极限，为车辆防侧翻模型的训练提供大量数据，通过训练完成的车辆防侧翻模型，根据实时采集车辆运行情况，分析得到所述目标车辆的侧翻预测结果，并根据所述侧翻预测结果利用构建的错位器，在车辆急转弯时改变车辆重心，保证车辆不会发生侧翻。
[0088]
如图3所示，是本发明新能源车辆的防侧翻装置的模块示意图。
[0089]
本发明所述新能源车辆的防侧翻装置100可以安装于电子设备中。根据实现的功能，所述新能源车辆的防侧翻装置100可以包括样本获取模块101、模型获取模块102、车辆状态分析模块103及形态转换模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0090]
在本实施例中，关于各模块/单元的功能如下：
[0091]
所述样本获取模块101，用于利用预设的车辆载重、速度信息及车头与车身的夹角信息，对预构建的三维车辆建模模型进行转弯测试，得到的样本数据集。
[0092]
详细地，本发明实施例中，所述样本获取模块101具体用于：
[0093]
步骤a、获取预构建的三维车辆建模模型，对所述三维车辆建模模型的速度信息、车身载重信息及车头与车身的夹角信息进行变量控制，得到所述三维车辆建模模型在各个车辆载重情况下根据所述速度信息与夹角信息计算得到的第一侧翻极限惯量；
[0094]
步骤b、根据预设偏移量按照预设的策略修改所述车身的重心位置及所述车轮与地面的夹角后，重新执行所述步骤a，得到第二侧翻极限惯量，直到所述偏移量达到预设的最大阈值时，汇集得到的第一侧翻极限惯量以及所有第二侧翻极限惯量，得到侧翻极限惯量集；
[0095]
步骤c、将各个速度信息、载重信息、夹角信息，及对应的侧翻极限惯量集通过表格输出，得到样本数据集。
[0096]
本发明实施例利用unity3d构建三维车辆建模模型，并设置车辆载重、速度、转角等参数，其中，所述unity3d为一种实时3d互动内容创作和运营平台，目前已应用游戏开发、
建筑、汽车等领域。本发明实施例根据已公开车辆参数，构建三维车辆建模模后，首先利用控制变量法，先保持车辆满额载重，再实验不同车辆速度下，车头多大拐角才能使得车辆发生侧翻；接着，通过在车厢及底盘之间安装第一错位器，在车轴与车轮之间安装第二错位器，根据第一阶段的变量条件下，控制转弯时控制所述第一错位器及所述第二错位器的大小，得到不同重心位置，能够保持车辆不侧翻的极限速度及转角；最终将各个速度信息、载重信息、夹角信息，及重心位移及不进行位移各对应的侧翻极限惯量集通过表格输出，得到所述样本数据集。
[0097]
其中，如图2所示，所述错位器的安装原理为将四根刚性材料围成一个矩形，并在连接处用活性连接，而矩形的对角线利用液压杆进行支撑，将错位器安装至车底盘及车厢之间/或车轴与车轮之间时，当液压杆增大时，矩形将变为菱形，上下杆会进行错位，而左右杆会发生倾斜，从而实现车厢的重心位移或车轮与地面夹角变化。
[0098]
所述模型获取模块102，用于利用所述样本数据集对待训练的车辆防侧翻模型进行训练，得到训练完成的车辆防侧翻模型。
[0099]
本发明实施例中，所述车辆防侧翻模型是一种实时获取车辆速度信息及车头转角信息而保证车辆能及时进行重心转移避免车辆侧翻的模型。
[0100]
详细地，本发明实施例中，所述模型获取模块102具体用于执行：
[0101]
步骤i、构建包含特征提取网络、多层线性激活层及运算网络的车辆防侧翻模型。
[0102]
所述特征提取网络为一种自动从所述样本数据集中获取数据的神经网络，能够对所述样本数据集进行参数划分，从而输入利用预构建的transform模型进行构建的所述车辆防侧翻模型。其中，所述transform模型是一种可实现分类或拟合的深度学习模型。
[0103]
此外，本发明构建线性激活层帮助待训练的车辆防侧翻模型进行模型训练，其中所述线性激活层包括归一化和激活函数，所述激活函数可使用高斯分布函数。
[0104]
步骤ii、利用所述车辆防侧翻模型的特征提取网络对所述训练样本集进行特征提取，得到特征序列训练集。
[0105]
本发明实施例利用所述特征提取网络将提取得到{[车重8吨，车速80km/h，转角5
°
，不侧翻]，
……
，[车重8吨，车速100km/h，转角10
°
，侧翻]
……
}的所述特征序列训练集。
[0106]
步骤iii、利用所述车辆防侧翻模型的多层线性激活层对所述特征序列训练集执行激活操作，得到预测惯量集。
[0107]
本发明实施例利用预设数量的车速信息、载重信息、转交信息获取侧翻极限惯量，根据所述特征序列训练集，完善速度、质量、夹角与侧向惯量的关系，根据多层线性激活层进行激活，得到侧翻概率为[65％，
……
，120％，
……
]的所述预测惯量集。
[0108]
步骤iv、利用所述车辆防侧翻模型的运算网络计算所述预测惯量集与所述侧翻极限惯量集之间的误差均值，并判断所述误差均值与预设的误差阈值的大小关系；
[0109]
步骤v：若所述误差均值大于所述误差阈值，调整所述待训练车辆防侧翻模型的内部参数，并返回步骤ii；
[0110]
步骤vi：若所述误差均值小于或等于所述误差阈值，得到所述车辆防侧翻模型。
[0111]
本发明实施例，筛选所述特征序列训练集极限状态下参数对应的预测惯量集预设值为[100％，100％，100％，
……
]，但实际所述预测惯量集为[80％，88％，90％，85％
……
]，设置误差阈值为(95％，105％)，当误差均值为89％，不在所述误差阈值范围内，需重新进行
训练过程，当误差均值为97％，在所述误差阈值范围内，得到所述车辆防侧翻模型。
[0112]
所述车辆状态分析模块103，用于实时获取目标车辆的包括载重限度、车辆速度及车头与车身的夹角数据的数据包，并利用所述车辆防侧翻模型对所述数据包进行分析计算，得到所述目标车辆的侧翻预测结果。
[0113]
本发明实施例，将所述车辆防侧翻模型嵌入车载电脑中，可以实时接收包括车辆的速度信息及转弯信息的数据包。
[0114]
详细地，本发明实施例中，所述利用所述车辆防侧翻模型对所述数据包进行分析计算，得到所述目标车辆的侧翻预测结果，包括：
[0115]
利用所述车辆防侧翻模型对所述数据包中各载重限度、车辆速度、夹角度数进行函数计算，得到转弯惯量，并判断所述转弯惯量是否大于所述第一侧翻极限惯量；当所述转弯惯量小于所述第一侧翻极限惯量时，得到车辆不会侧翻的第一侧翻预测结果；当所述转弯惯量侧翻极大于或等于所述第一侧翻极限惯量时，查询能够保持车辆不会侧翻的最小车身重心偏移量及最小车轮与地面夹角偏移量，生成包括所述最小车身重心偏移量及最小车轮与地面夹角偏移量的第二侧翻预测结果。
[0116]
本发明较佳实施例中，将车辆吨位等信息导入所述车辆防侧翻模型进行初始化设置，得到本车侧翻极限惯量。利用所述车辆防侧翻模型实时接收车辆速度与转角信息，进行侧向惯量实时测试，得到实时结果，当实时结果大于所述本车侧翻极限惯量时，所述车辆进入防侧翻状态，启动所述第一错位器及所述第二错位器，利用所述车辆防侧翻模型，推测所述车辆不会发生侧翻的重心及车轮夹角的偏移量。
[0117]
本发明实施例中，所述预测结果分为两部分：车辆是否会发生侧翻及车辆如何控制重心偏移。
[0118]
所述形态转换模块104，用于根据所述预测结果，控制预构建的车身与车底盘之间的第一错位器及车轴与车轮间的第二错位器，改变所述车身的重心位置及下方车轮与地面的夹角。
[0119]
根据所述预测结果中的偏移量，对所述第一错位器及所述第二错位器上的液压杆进行调控，从而改变所述车身的重心位置及下方车轮与地面的夹角。
[0120]
如图4所示，是本发明实现新能源车辆的防侧翻方法的电子设备的结构示意图。
[0121]
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如车辆防侧翻程序12。
[0122]
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如车辆防侧翻程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0123]
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成
电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行车辆防侧翻程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
[0124]
所述总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0125]
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0126]
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi
‑
fi模块等，在此不再赘述。
[0127]
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi
‑
fi接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
[0128]
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light
‑
emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
[0129]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0130]
所述电子设备1中的所述存储器11存储的车辆防侧翻程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
[0131]
利用预设的车辆载重、速度信息及车头与车身的夹角信息，对预构建的三维车辆建模模型进行转弯测试，得到的样本数据集；
[0132]
利用所述样本数据集对待训练的车辆防侧翻模型进行训练，得到训练完成的车辆防侧翻模型；
[0133]
实时获取目标车辆的包括载重限度、车辆速度及车头与车身的夹角数据的数据包，并利用所述车辆防侧翻模型对所述数据包进行分析计算，得到所述目标车辆的侧翻预测结果；
[0134]
根据所述预测结果，控制预构建的车身与车底盘之间的第一错位器及车轴与车轮
间的第二错位器，改变所述车身的重心位置及下方车轮与地面的夹角。
[0135]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)。
[0136]
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
[0137]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0138]
利用预设的车辆载重、速度信息及车头与车身的夹角信息，对预构建的三维车辆建模模型进行转弯测试，得到的样本数据集；
[0139]
利用所述样本数据集对待训练的车辆防侧翻模型进行训练，得到训练完成的车辆防侧翻模型；
[0140]
实时获取目标车辆的包括载重限度、车辆速度及车头与车身的夹角数据的数据包，并利用所述车辆防侧翻模型对所述数据包进行分析计算，得到所述目标车辆的侧翻预测结果；
[0141]
根据所述预测结果，控制预构建的车身与车底盘之间的第一错位器及车轴与车轮间的第二错位器，改变所述车身的重心位置及下方车轮与地面的夹角。
[0142]
在本发明所提供的几个实施例中，应该理解到，所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0143]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0144]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0145]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
[0146]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0147]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用
来表示名称，而并不表示任何特定的顺序。
[0148]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。