车速控制方法、装置、介质、设备以及车辆与流程

1.本公开涉及自动驾驶车辆技术领域，尤其涉及一种车速控制方法、装置、介质、设备以及车辆。


背景技术：

2.随着电动汽车行业的迅速发展，以及用户对电动汽车功能需求的提升，车辆自动驾驶系统越来越多地被应用到纯电动车辆中，用以减轻驾驶人员的驾驶强度，提高驾驶的舒适性、多样性和实用性。
3.目前，应用于电动车辆的控制方法中，车速控制方法通常基于当前车速和期望车速以及其他预先设定的参量值确定目标扭矩并实现车速调节控制，由此导致无法根据实际的车况、路况等条件进行车速控制，导致车速控制的响应速度慢，跟随性差。


技术实现要素：

4.为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种车速控制方法、装置、介质、设备以及车辆。
5.本公开提供了一种自动驾驶车辆的车速控制方法，包括：
6.获取车辆的实时状态数据；所述实时状态数据包括实时估算质量、当前车速、期望车速以及路况信息；所述路况信息包括：当前道路坡度、道路附着系数以及道路滚动阻力系数；
7.基于所述实时状态数据，确定目标扭矩；
8.所述目标扭矩用于使车辆由所述当前车速调整至所述期望车速。
9.可选地，获取所述期望车速，包括：
10.获取域控制器基于当前行驶需求输出的待处理期望车速；
11.对所述待处理期望车速进行限制及滤波处理，获取所述期望车速。
12.可选地，获取所述当前车速，包括：
13.获取电机转速、车轮半径以及车辆速比；
14.基于所述电机转速、所述车轮半径以及所述车辆速比，获取待处理当前车速；
15.对所述待处理当前车速进行滤波处理，获取所述当前车速。
16.可选地，获取所述实时估算质量，包括：
17.获取车辆的行驶状态数据；所述行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、所述当前车速以及电机的当前驱动扭矩；
18.基于所述行驶状态数据，判定满足所述质量估算触发条件时，继续获取道路滚动阻力系数；
19.基于所述当前车速、所述当前加速度、所述当前道路坡度、所述道路滚动阻力系数以及所述当前驱动扭矩，确定所述实时估算质量。
20.可选地，获取所述当前道路坡度，包括：获取域控制器确定的当前道路坡度；其中，
所述域控制器基于车辆当前所处位置及先验的道路坡道地图信息，确定车辆当前所处位置的当前道路坡度；和/或，所述域控制器基于车辆装载的坡度传感器采集到的坡度信息确定所述当前道路坡度；
21.获取所述道路附着系数和所述道路滚动阻力系数，包括：获取域控制器确定的道路附着系数和道路滚动阻力系数；其中，所述域控制器基于图像采集传感器识别当前道路的材质和路面的干湿程度，并匹配对应的道路附着系数和道路滚动阻力系数。
22.可选地，基于所述实时状态数据，确定目标扭矩，包括：
23.基于所述当前车速和所述期望车速，利用车速差处理及pid控制，生成加减速度控制参数；
24.基于所述加减速度控制参数、所述期望车速、所述当前车速、所述实时估算质量、所述当前道路坡度以及所述道路滚动阻力系数，利用车辆动力学方程，获取电机需求扭矩；
25.对所述电机需求扭矩进行限制及滤波处理，获取所述目标扭矩。可选地，基于所述当前车速和所述期望车速，利用车速差处理及pid控制，生成加减速度控制参数，包括：
26.基于所述当前车速和所述期望车速，并结合车辆运行模式和车速差阈值，确定实时车速差；
27.在满足pid控制的积分清零条件时，生成对应的积分清零指令；
28.基于四部分因素，进行pid控制的参数调整优化，获取目标比例参数、目标积分参数以及目标微分参数；所述四部分因素包括：期望车速与实时车速差，实时估算质量，当前道路坡度，及道路附着系数；
29.基于至少所述实时车速差、所述积分清零指令、所述目标比例参数、所述目标积分参数以及所述目标微分参数，利用pid控制算法，生成所述加减速度控制参数。
30.可选地，所述进行pid控制的参数调整优化之前，所述方法还包括：
31.在所述期望车速与所述实际车速满足修正条件时，对pid控制中的比例参数进行修正。
32.可选地，所述修正条件包括：
33.期望车速大于车速阈值；且
34.当前车速小于期望车速，且低于所述车速阈值的累计时长大于预设时长。
35.可选地，所述基于所述当前车速和所述期望车速，并结合车辆运行模式和车速差阈值，确定实时车速差，包括：
36.在所述车辆运行模式为转速运行模式、非自动驾驶运行模式或自动驾驶模式下的速度控制非准备状态时，所述实时车速差为0；
37.在车辆处于自动驾驶模式下的速度控制准备状态时，若车辆当前车速方向与期望车速的方向相同，则所述实时车速差等于期望车速减去当前车速，若车辆当前车速方向与期望车速的方向相反，则所述实时车速差等于期望车速加上当前车速；且均满足所述实时车速差小于或等于车速差阈值。
38.可选地，所述积分清零条件，包括下述条件中的至少一个：
39.条件1：车辆处于自动模式和手动模式切换时；
40.条件2：实时车速差大于零，且加减速度控制参数小于零；或者实时车速差小于零，且加减速度控制参数大于零；
41.条件3：制动压力命令发生；
42.条件4：档位命令切换；
43.条件5：电机工作模式切换；
44.条件6：车辆准备状态变化。
45.可选地，所述参数调整优化，包括比例参数调整优化、积分参数调整优化及微分参数调整优化；
46.所述比例参数调整优化，包括：
47.基于期望车速与实时车速差的比例参数调整优化；其中，比例参数与期望车速呈正比，且比例参数与实时车速差呈正比；
48.基于实时估算质量的比例参数调整优化；其中，比例参数与实时估算质量呈正比；
49.基于当前道路坡度的比例参数调整优化；其中，比例参数与当前道路坡度呈正比；
50.以及基于道路附着系数的比例参数调整优化；其中，比例参数与道路附着系数呈反比；
51.所述积分参数调整优化，包括：
52.基于期望车速与实时车速差的积分参数调整优化；
53.基于实时估算质量的积分参数调整优化；
54.基于当前道路坡度的积分参数调整优化；
55.以及基于道路附着系数的积分参数调整优化；
56.所述微分参数调整优化，包括：
57.基于期望车速与实时车速差的微分参数调整优化；
58.基于实时估算质量的微分参数调整优化；
59.基于当前道路坡度的微分参数调整优化；
60.以及基于道路附着系数的微分参数调整优化。
61.可选地，所述利用车辆动力学方程，获取电机需求扭矩，包括：
62.利用下式，计算电机需求扭矩：
[0063][0064]
其中，t代表电机需求扭矩，ρ代表空气密度，a代表迎风面积，cd代表空气阻力系数，v代表当前车速，f代表道路滚动阻力系数，m代表实时估算质量，g代表重力系数，i代表当前道路坡度，δ代表计入旋转质量惯性力矩后的汽车旋转质量换算系数，a代表加减速度控制参数，r代表车辆的轮胎的有效半径，k代表车辆速比，η代表传动机械效率。
[0065]
可选地，对所述电机需求扭矩进行限制及滤波处理，获取所述目标扭矩，包括：
[0066]
基于车辆的最大可用扭矩，对所述电机需求扭矩进行限制；所述最大可用扭矩基于车辆中动力电池的荷电状态、动力电池可允许的充放电功率、电机的外特性扭矩、电机的驱动及回馈扭矩限制、整车的故障情况确定；
[0067]
对限制后得到的所述电机需求扭矩进行滤波处理，获取所述目标扭矩。
[0068]
可选地，该方法还包括：
[0069]
将所述目标扭矩传输至受控组件，基于所述受控组件使车辆由所述当前车速调整至所述期望车速。
[0070]
本公开还提供了一种自动驾驶车辆的车速控制装置，包括：
[0071]
获取模块，用于获取车辆的实时状态数据；所述实时状态数据包括实时估算质量、当前车速、期望车速以及路况信息；所述路况信息包括：当前道路坡度、道路附着系数以及道路滚动阻力系数；
[0072]
确定模块，用于基于所述实时状态数据，确定目标扭矩；
[0073]
所述目标扭矩用于使车辆由所述当前车速调整至所述期望车速。
[0074]
本公开还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于执行上述任一种方法的步骤。
[0075]
本公开还提供了一种车用设备，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现上述任一种方法的步骤。
[0076]
本公开还提供了一种车辆，包括上述任一种车用设备。
[0077]
本公开提供的技术方案与现有技术相比具有如下优点：
[0078]
本公开提供的车速控制方法包括获取车辆的实时状态数据；实时状态数据包括实时估算质量、当前车速、期望车速以及路况信息；路况信息包括：当前道路坡度、道路附着系数以及道路滚动阻力系数；基于实时状态数据，确定目标扭矩；目标扭矩用于使车辆由当前车速调整至期望车速。本公开的技术方案中，结合车辆的实时估算质量、当前车速、期望车速以及路况信息，如当前道路坡度、道路附着系数以及道路滚动阻力系数等实时状态数据确定进行车速控制对应的目标扭矩，能够针对不同的车况路况进行车速的及时准确控制，即响应速度较快，且跟随性较好。
附图说明
[0079]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0080]
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0081]
图1为本公开实施例提供的一种车辆的结构示意图；
[0082]
图2为本公开实施例提供的一种车速控制方法的流程示意图；
[0083]
图3为本公开实施例提供的另一种车速控制方法的流程示意图；
[0084]
图4为本公开实施例提供车速控制方法中，一种车辆加减速控制参数的生成流程示意图；
[0085]
图5为本公开实施例提供的一种车速控制装置的结构示意图；
[0086]
图6为本公开实施例提供的另一种车速控制装置的结构示意图。
具体实施方式
[0087]
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
[0088]
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
[0089]
本公开实施例提供的自动驾驶车辆的车速控制方法可应用于纯电动车辆的整车控制技术领域，例如实现对纯电动自动驾驶牵引车的纵向车速控制。其中，自动驾驶车辆的车速控制一般分为横向控制和纵向控制；横向控制可包括识别弯度和转弯控制，纵向控制可包括对行进时的车速进行控制。其中，自动驾驶的域控制器，通过感知、规划及决策，能够传输给整车控制器一个期望车速；整车控制器结合期望车速、当前速度、实时估算质量以及路况信息，确定对应于车速调节的目标扭矩；车辆执行端，例如电机控制器基于目标扭矩、通过动力控制，实现车速的闭环跟随控制。其中，考量了车辆的实时估算质量、车况以及路况变化对车速控制的影响，使得车速控制的跟随性好，实现适用于不同场景的较稳定的跟随，且响应快，提升能量利用率。
[0090]
在一些实施例中，还基于上述实时估算质量、车况以及路况信息，对车速控制中的pid控制的参数进行修正和调整优化，从而能够实现车速跟随稳定、超调较小，从而行进平稳，即不会突然加速，也不会突然减速，行进的平顺性较好。示例性地，针对外部扰动，例如通过减速带或者压到石子等，能够及时地进行针对性调整，使当前车速快速跟上期望车速，跟随及时。
[0091]
示例性地，图1为本公开实施例提供的一种车辆的结构示意图，示出了电动无人自动牵引车的系统架构。参照图1，该车辆01可包括：驱动电机、减速器、差速器、驱动车轮、动力电池、高压配电盒、dcdc、铅酸电池、整车控制器(vehicle control unit，vcu)、电池管理系统(bms)、电机控制器(motor control unit，mcu)、自动驾驶域控制器(domain control unit，dcu)系统、电动助力转向系统(eps)、电子驻车制动系统(epb)、电子液压制动系统(ehb)、车身控制系统(bcm)、轮胎压力监测系统(tpms)、组合仪表系统(icm)、牵引栓、牵引栓控制器(atb)以及拖斗等；上述结构之间采用机械连接(图中以加粗实线示出)、电气连接(图中以虚线示出)或总线连接(图中以细实线示出)。
[0092]
本公开实施例提供的技术方案主要基于整车控制器、电机控制器和自动驾驶域控制器实现。示例性地，可参考图2示出的s11、s12和s13：自动驾驶域控制器通过感知、规划与决策确定车辆的期望行驶速度(即期望车速)、当前道路坡度、道路附着系数以及道路滚动阻力系数，并传输至整车控制器；整车控制器结合速度(包括当前车速和期望车速)识别处理、加减速度控制、实时质量估算、扭矩计算、限制以及滤波处理等，通过实时参数调节的速度闭环控制输出目标扭矩给电机控制器；电机控制器接收目标扭矩，并基于此驱动电机，使车辆跟踪期望车速，且快速、稳定、有效地响应跟踪期望车速。
[0093]
本公开实施例提供的控制方法主要为整车控制器所执行的步骤，例如包括实时参数的获取、识别与处理，以及目标扭矩的输出。
[0094]
下面结合附图，对本公开实施例提供的车速控制方法、装置、介质、设备及车辆进行示例性说明。
[0095]
示例性地，图3为本公开实施例提供的另一种车速控制方法的流程示意图，可由整车控制器执行。参照图3，该方法可包括如下步骤：
[0096]
s110、获取车辆的实时状态数据。
[0097]
本公开实施例中，实时状态数据为用于表征实时车况和路况的相关数据，可包括实时估算质量、当前车速、期望车速以及路况信息；路况信息包括：当前道路坡度、道路附着系数以及道路滚动阻力系数。
[0098]
其中，实时估算质量为基于车辆当前的实时状态估算得到的质量，基于车况和路况的实际情况确定，而非预先设置的固定常数值。基于此，将该实时估算质量应用于车速控制方法中，有利于实现车速的准确及时跟随。
[0099]
其中，当前车速为车辆当前行进状态下的实际车速，期望车速为基于车辆控制需求而确定的目标车速，车速控制的目的即为使实际车速跟随期望车速。
[0100]
其中，路况信息为车辆在当前场景下的实际道路的情况信息，可包括当前道路坡度、道路附着系数以及道路滚动阻力系数等影响车速控制的信息，以便实现对目标扭矩的精准计算，进而实现对车速跟随的及时准确控制。
[0101]
后文中示例性地说明各实时状态数据的获取方式。
[0102]
s120、基于实时状态数据，确定目标扭矩。
[0103]
其中，目标扭矩用于使车辆由当前车速调整至期望车速，以实现车速跟随。
[0104]
本公开实施例中，目标扭矩基于车况、路况相关的实时状态数据确定，准确性较高，从而能够针对不同的车况路况进行车速的及时准确控制，即响应速度较快，且跟随性较好，进而车速超调较小，运行平缓，平顺性好。
[0105]
在一些实施例中，获取期望车速，具体可包括：
[0106]
获取域控制器基于当前行驶需求输出的待处理期望车速；
[0107]
对待处理期望车速进行限制及滤波处理，获取期望车速。
[0108]
本公开实施例中，当前行驶需求可与用户设置、路况等数据关联，路况例如可包括是否畅通、是否存在障碍物等情况；域控制器基于当前行驶需求进行规划控制，并通过智能驾驶can总线向整车控制器输出待处理期望车速；对应地，整车控制器接收待处理期望车速，并进行限制及滤波处理，得到期望车速。能够理解的是，待处理期望车速可为在域控制器中进行限制和滤波处理后的期望车速，被传输至整车控制器后，进行二次限制及滤波处理，以排除不合理的数据，以及确保车速在预设范围内连续变化，以确保行进平顺性。
[0109]
在一些实施例中，获取当前车速，具体可包括：
[0110]
获取电机转速、车轮半径以及车辆速比；
[0111]
基于电机转速、车轮半径以及车辆速比，获取待处理当前车速；
[0112]
对待处理当前车速进行滤波处理，获取当前车速。
[0113]
本公开实施例中，当前车速对应于车轮的线速度。整车控制器基于获取到的电机转速、车轮半径以及车辆速比(即传动比)，确定待处理当前车速，在进行滤波处理，排除不准确的数据，得到准确性较高的当前车速。
[0114]
在其他实施方式中，还可基于车辆的位置信息变化和时间变化，确定当前车速；或采用其他方式确定当前车速，在此不限定。
[0115]
在一些实施例中，获取实时估算质量，具体可包括：
[0116]
获取车辆的行驶状态数据；行驶状态数据具体可包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩；
[0117]
基于行驶状态数据，判定满足质量估算触发条件时，继续获取道路滚动阻力系数；
[0118]
基于当前车速、当前加速度、当前道路坡度、道路滚动阻力系数以及当前驱动扭矩，确定实时估算质量。
[0119]
本公开实施例中，基于程序算法实现对车辆的实时质量的估算，得到实时估算质量，从而可无需增加额外的传感器，从而无需占用车辆的空间，不会增大车辆的投入成本，便于推广使用；同时，能够结合车辆和道路的实际情况进行质量估算，质量估算的准确性较高，有利于实现车速及时跟随。
[0120]
示例性地，参考图2，该步骤可由整车控制器中的车辆质量估算模块执行，具体可结合车况路况识别、车辆纵向动力学模型计算、计算质量限制处理、结合控制器存储记忆质量和限制质量的更新和均值处理、平均质量卡尔曼滤波等处理过程的相融合，实现车辆实时质量的估算，从而能够较为精准地估算车辆的质量，提高车辆质量估算的精准度，尤其有利于实现针对质量变化较大的电动无人自动牵引车的质量的精准估算，为精准车速控制提供参数调整的必要条件，进而利于实现车速及时跟随。
[0121]
在一些实施例中，获取当前道路坡度，具体可包括：获取域控制器确定的当前道路坡度。
[0122]
其中，域控制器基于车辆当前所处位置及先验的道路坡道地图信息，确定车辆当前所处位置的当前道路坡度；和/或，域控制器基于车辆装载的坡度传感器采集到的坡度信息确定当前道路坡度。
[0123]
本公开实施例中，基于域控制器实现对当前道路坡度(本文中以i代表当前道路坡度)的采集、识别与处理，并传输至整车控制器。
[0124]
具体地，域控制器可基于车辆当前所处位置以及事先测量好(即先验)的道路坡道地图信息，得出车辆当前所在位置的坡度信息，即得出当前道路坡度；该当前道路坡度由域控制器通过智能驾驶can总线发送给整车控制器；对应地，整车控制器获取当前道路坡度。
[0125]
或者，车辆装载坡度传感器，由坡度传感器对当前道路的坡度信息进行采集，并传输给域控制器；域控制器基于接收到的当前道路的坡度信息，确定当前道路坡度，并通过智能驾驶can总线发送给整车控制器；对应的，整车控制器获取当前道路坡度。
[0126]
如此设置，能够便捷准确地获取当前道路坡度，利于对车辆质量的精准估算。
[0127]
在一些实施例中，获取道路附着系数和道路滚动阻力系数，具体可包括：获取域控制器确定的道路附着系数和道路滚动阻力系数。
[0128]
其中，域控制器基于图像采集传感器识别当前道路的材质和路面的干湿程度，并匹配对应的道路附着系数和道路滚动阻力系数。
[0129]
本公开实施例中，域控制器实现对道路附着系数和道路滚动阻力系数的识别与处理，并传输至整车控制器。
[0130]
具体地，域控制器可通过图像采集组件，例如摄像头识别道路路况，例如应用图像识别处理技术，识别出当前道路的材质和路面的干湿程度，匹配对应的道路附着系数和道路滚动阻力系数；示例性地，当前道路的材质可包括沥青路面、混凝土路面、砂石路面、冰雪路面等等，道路附着系数和道路滚动阻力系数与材质以及干湿程度之间的匹配对应关系可基于试验测得并存储，以供在该步骤中调用以确定。该道路附着系数和道路滚动阻力系数可由域控制器通过智能驾驶can总线发送给整车控制器，以便应用到车速控制中，实现针对不同路况场景的车速及时有效控制。
[0131]
在一些实施例中，参考图2，整车控制器还可设置车速识别处理模块、车辆加减速度控制模块、自动驾驶扭矩计算模块、自动驾驶扭矩限制模块以及自动驾驶扭矩滤波模块；其中，车速识别处理模块用于识别处理当前车速和期望车速(详见上文)，车辆加减速度控制模块用于生成加减速度控制参数，自动驾驶扭矩计算模块用于生成电机需求扭矩，自动驾驶扭矩限制模块以及自动驾驶扭矩滤波模块用于综合对电机需求扭矩进行限制及滤波处理，得到目标扭矩。下面进行示例性说明。
[0132]
在一些实施例中，基于实时状态数据，确定目标扭矩，包括：
[0133]
基于当前车速和期望车速，利用车速差处理及pid控制，生成加减速度控制参数；
[0134]
基于加减速度控制参数、期望车速、当前车速、实时估算质量、当前道路坡度以及道路滚动阻力系数，利用车辆动力学方程，获取电机需求扭矩；
[0135]
对电机需求扭矩进行限制及滤波处理，获取目标扭矩。
[0136]
本公开实施例中，在获取到表征车辆当前状态的实时状态数据的基础上，首先利用车速差处理和pid控制，生成加减速度控制参数，即得到由当前车速向期望车速调节的运动参数；然后结合期望车速、当前车速、实时估算质量、当前道路坡度以及道路滚动阻力系数，即将用来表征当前车况路况的参数结合到车辆动力学方程中，得到电机需求扭矩；最后对电机需求扭矩进行限制和滤波处理，确保得到的目标扭矩为使得车速平滑变化的合理范围内的扭矩。由此，将车况路况对应的实时参数结合到车速控制中，能够实现车速的有效跟随，且超调较小，平顺性好。
[0137]
在一些实施例中，图4为本公开实施例提供车速控制方法中，一种车辆加减速控制参数的生成流程示意图，可由图2中示出的车辆加减速度控制模块执行。结合图2和图4，车辆加减速度控制模块生成加减速度控制参数具体可包括：车速差处理、积分控制清零、比例基数修正、pid参数调整优化、pid控制以及pid控制输出限制。
[0138]
示例性地，车辆加减速度控制模块能够根据车速闭环的pid控制方法输出车辆的加减速度控制参数、pid参数(包括比例参数kp、积分参数ki、微分参数kd)。具体地，pid参数可基于期望车速、实时车速差(即期望车速减去当前车速的差)、实时估算质量、当前道路坡度以及道路附着系数等参数查表得出，以实现针对不同车况路况的实时灵活调整。
[0139]
在一些实施例中，基于当前车速和期望车速，利用车速差处理及pid控制，生成加减速度控制参数，包括：
[0140]
基于当前车速和期望车速，并结合车辆运行模式和车速差阈值，确定实时车速差；
[0141]
在满足pid控制的积分清零条件时，生成对应的积分清零指令；
[0142]
基于四部分因素，进行pid控制的参数调整优化，获取目标比例参数、目标积分参数以及目标微分参数；四部分因素包括：期望车速与实时车速差，实时估算质量，当前道路坡度，及道路附着系数；
[0143]
基于至少实时车速差、积分清零指令、目标比例参数、目标积分参数以及目标微分参数，利用pid控制算法，生成加减速度控制参数。
[0144]
本公开实施例中，首先确定实时车速差以及pid控制的相关参数，其后利用pid控制算法，以实时车速差、积分清零指令以及pid参数(包括目标比例参数、目标积分参数以及目标微分参数，还包括pid控制的其他常规参数，在此不赘述)作为输入，通过pid控制算法实现控制输出，即得到加减速度控制参数(即加减速度指令)。
[0145]
示例性地，pid控制算法可表示为：
[0146][0147]
其中，k
p
为比例系数，即目标比例参数；ki为积分系数，即目标积分参数；kd为微分系数，即目标微分参数；e(k)为第k次采样的实时车速差，单位可为km/h；a(k)为第k次采样的输出量，单位m/s2，其为负值时对应减速指令，其为正值时对应加速指令。
[0148]
在一些实施例中，pid控制输出限制具体包括：
[0149]
一、pid输出的控制命令不应超出设计的最大加减速度限值范围；
[0150]
二、当车辆处于非ready状态时，限制控制输出为0；
[0151]
三、当车辆处于非驱动挡时，限制控制输出为0；
[0152]
四、当电子手刹epb处于非释放状态时，限制控制输出为0。
[0153]
本公开实施例中，通过pid控制输出限制，使得加减速度控制参数在最大可用加减速度限值的合理范围内，且符合车辆当前的实时状态，从而利于实现对车速的有效控制。
[0154]
示例性地，图4中，以a0示出pid控制生成的加减速度控制参数，以a示出pid控制输出限制后的加减速度控制参数；当不进行pid控制输出限制时，a0作为a输出。
[0155]
在一些实施例中，进行pid控制的参数调整优化之前，该方法还可包括：
[0156]
在期望车速与实际车速满足修正条件时，对pid控制中的比例参数进行修正。
[0157]
本公开实施例中，通过对pid控制中的比例参数进行修正，可使得pid控制保持在适当的误差控制范围内，从而有利于实现对车速的跟随控制，响应及时，有效性好。
[0158]
在一些实施例中，修正条件包括：
[0159]
期望车速大于车速阈值；且当前车速小于期望车速，且低于车速阈值的累计时长大于预设时长。
[0160]
本公开实施例中，车速阈值为表明车速过快的一个车速阈值，预设时长为表明持续时长过长的一个时长阈值。基于此，当期望车速大于该车速阈值，即当前车速追踪不上期望车速且累计时长超出了预设时长时，通过pid控制算法的输出参数对比例参数进行修正调整。
[0161]
示例性地，这种情况一般出现在车辆起步，且车辆载重变大时，通过参数修正，可使车辆快速起步，改善车辆起步过慢的问题。
[0162]
在一些实施例中，基于当前车速和期望车速，并结合车辆运行模式和车速差阈值，确定实时车速差，包括：
[0163]
在车辆运行模式为转速运行模式、非自动驾驶运行模式或自动驾驶模式下的速度控制非准备状态时，实时车速差为0；
[0164]
在车辆处于自动驾驶模式下的速度控制准备状态时，若车辆当前车速方向与期望车速的方向相同，则实时车速差等于期望车速减去当前车速，若车辆当前车速方向与期望车速的方向相反，则实时车速差等于期望车速加上当前车速；且均满足实时车速差小于或等于车速差阈值。
[0165]
本公开实施例中，进行车速差处理，即利用期望车速与当前车速(即实际车速)作差处理。具体地，一般实时车速差(以ve表示)等于期望车速(以vd表示)减掉当前车速(以v表示)，即：
[0166]
ve＝v
d-v(带方向对应的正负号计算)
[0167]
且能够理解的是，该实时车速差不超过正负门限值，即其保持在车速控制的合理范围内。
[0168]
其中，当车辆实际的行驶方向和驱动命令方向保持一致时，即当前车速的方向与期望车速的方向保持一致时，实时车速差为：
[0169]
ve＝v
d-v(不带方向，仅数值计算)
[0170]
以及，当车辆实际的行驶方向和驱动命令方向不一致时，即当前车速的方向与期望车速的方向不一致时，实时车速差为：
[0171]
ve＝vd+v(不带方向，仅数值计算)
[0172]
此外，当车辆处于转速运行模式时，不启用该车速控制方法，实时车速差置为0，即ve＝0；当车辆处于非自动驾驶运行模式时，不进行车速自动控制，即不启用该车速控制方法，同样ve＝0；以及当车辆处于非ready时，ve＝0。
[0173]
由此，针对各种不同的情况，针对性地得到了对应的实时车速差。
[0174]
在一些实施例中，pid积分控制所用车速差v
eki
与实时车速差ve满足如下关系：
[0175]
当pid控制输出的加减速度控制参数(未经pid限制输出前的加减速度控制参数)大于最大可允许加速度(即最大可用加减速度限值范围对应的正值)，且实时车速差ve大于0时，积分控制所用车速差v
eki
＝0，否则v
eki
＝ve。
[0176]
当pid控制输出的加减速度控制参数小于最小可允许加速度(即最大可用加减速度限值范围对应的负值)，且车速差ve小于0时，积分控制所用车速差v
eki
＝0，否则v
eki
＝ve。
[0177]
如此，实现pid积分控制所用车速差的取值限定，满足车速安全控制需求。
[0178]
在一些实施例中，进行积分清零，能够使当前循环对应的车速控制重新开始，避免上一循环对此循环的车速控制的影响。示例性地，积分清零条件，包括下述条件中的至少一个：
[0179]
条件1：车辆处于自动模式和手动模式切换时；
[0180]
条件2：实时车速差大于零，且加减速度控制参数小于零；或者实时车速差小于零，且加减速度控制参数大于零；
[0181]
条件3：制动压力命令发生；
[0182]
条件4：档位命令切换；
[0183]
条件5：电机工作模式切换；
[0184]
条件6：车辆准备状态变化。
[0185]
本公开实施例中，当上述任一个条件满足时，均表明切换至新的车速控制循环，在此时进行pid积分清零，如此在开始该新的车速控制循环时，重新从0开始进行积分，避免了上一循环对该循环下车速控制的影响，使车速控制准确性较高，从而确保及时响应，快速跟随。
[0186]
在一些实施例中，参数调整优化，具体可包括：比例参数调整优化、积分参数调整优化及微分参数调整优化。
[0187]
由此实现对pid控制中的比例参数、积分参数以及微分参数的调整优化，从而利于减小pid控制误差，实现车速精准控制。
[0188]
在一些实施例中，比例参数调整优化，包括通过四部分相关因素进行调整，综合输
出合理的目标比例参数。该步骤具体可包括：
[0189]
基于期望车速与实时车速差的比例参数调整优化；其中，比例参数与期望车速呈正比，且比例参数与实时车速差呈正比；
[0190]
基于实时估算质量的比例参数调整优化；其中，比例参数与实时估算质量呈正比；
[0191]
基于当前道路坡度的比例参数调整优化；其中，比例参数与当前道路坡度呈正比；
[0192]
以及基于道路附着系数的比例参数调整优化；其中，比例参数与道路附着系数呈反比。
[0193]
本实施例中，针对每部分相关因素，可通过查表得到对应的比例参数；然后结合四部分的权重系数进行计算，得到目标比例参数。
[0194]
示例性地，针对基于期望车速与实时车速差的比例参数调整优化：可以将期望车速与实时车速差作为二维表输入，输出该部分因素的比例参数。示例性地，可通过试验标定获得不同期望车速和实时车速差对应的比例参数。其中，期望车速越大，该比例参数越大；实时车速差越大，该比例参数越大，如此利于实现对车速的有效调控。
[0195]
示例性地，针对基于实时估算质量的比例参数调整优化：可以将实时估算质量作为一维表输入，输出该部分因素的比例参数。示例性地，可通过试验标定获得不同实时估算质量对应的比例参数。其中，实时估算质量越大，该比例参数越大，如此有利于实现对车速的有效调控。
[0196]
示例性地，针对基于当前道路坡度的比例参数调整优化：可以将当前道路坡度作为一维表输入，输出该部分因素的比例参数。示例性地，可通过试验标定获得不同当前道路坡度对应的比例参数。其中，当前道路坡度越大，该比例参数越大，如此有利于实现对车速的有效调控。
[0197]
示例性地，针对基于道路附着系数的比例参数调整优化：可以将道路附着系数作为一维表输入，输出该部分因素的比例参数。示例性地，可通过试验标定获得不同道路附着系数对应的比例参数。其中，道路附着系数越小，该比例参数越小，如此有利于实现对车速的有效调控。
[0198]
由此，结合车况路况信息进行比例参数调整优化，能够实现针对不同车况路况的pid控制，有利于减小车速控制误差，实现车速精准调控，及时跟随。
[0199]
在一些实施例中，积分参数调整优化，包括通过四部分相关因素进行调整，综合输出合理的目标积分参数，具体可包括：
[0200]
基于期望车速与实时车速差的积分参数调整优化；
[0201]
基于实时估算质量的积分参数调整优化；
[0202]
基于当前道路坡度的积分参数调整优化；
[0203]
以及基于道路附着系数的积分参数调整优化。
[0204]
本实施例中，针对每部分相关因素，可通过查表得到对应的比例参数；然后结合四部分的权重系数进行计算，得到目标积分参数。
[0205]
示例性地，针对基于期望车速与实时车速差的积分参数调整优化：可以将期望车速与实时车速差作为二维表输入，输出该部分因素的积分参数。示例性地，可通过试验标定获得不同期望车速与实时车速差对应的积分参数。
[0206]
示例性地，针对基于实时估算质量的积分参数调整优化：可以将实时估算质量作
为一维表输入，输出该部分因素的积分参数。示例性地，可通过试验标定获得不同实时估算质量对应的积分参数。
[0207]
示例性地，针对基于当前道路坡度的积分参数调整优化：可以将当前道路坡度作为一维表输入，输出该部分因素的积分参数。示例性地，可通过试验标定获得不同当前道路坡度对应的积分参数。
[0208]
示例性地，针对基于道路附着系数的积分参数调整优化：可以将道路附着系数作为一维表输入，输出该部分因素的积分参数。示例性地，可通过试验标定获得不同道路附着系数对应的积分参数。
[0209]
由此，结合车况路况信息进行积分参数调整优化，能够实现针对不同车况路况的pid控制，有利于减小车速控制误差，实现车速精准调控，及时跟随。
[0210]
在一些实施例中，微分参数调整优化，包括通过四部分相关因素进行调整，综合输出合理的目标微分参数，具体可包括：
[0211]
基于期望车速与实时车速差的微分参数调整优化；
[0212]
基于实时估算质量的微分参数调整优化；
[0213]
基于当前道路坡度的微分参数调整优化；
[0214]
以及基于道路附着系数的微分参数调整优化。
[0215]
本实施例中，针对每部分相关因素，可通过查表得到对应的微分参数；然后结合四部分的权重系数进行计算，得到目标积分参数。
[0216]
示例性地，针对基于期望车速与实时车速差的微分参数调整优化。以期望车速与实时车速差作为二维表输入，输出该部分因素的微分参数。示例性地，可通过试验标定获得不同期望车速与实时车速差对应的微分参数。
[0217]
示例性地，针对基于实时估算质量的微分参数调整优化。以实时估算质量作为一维表输入，输出该部分因素的微分参数。示例性地，可通过试验标定获得不同实时估算质量对应的微分参数。
[0218]
示例性地，针对基于当前道路坡度的微分参数调整优化。以当前道路坡度作为一维表输入，输出该部分因素的微分参数。示例性地，可通过试验标定获得不同当前道路坡度对应的微分参数。
[0219]
示例性地，针对基于道路附着系数的微分参数调整优化。以道路附着系数作为一维表输入，输出该部分因素的微分参数。示例性地，可通过试验标定获得不同道路附着系数对应的微分参数。
[0220]
由此，结合车况路况信息进行微分参数调整优化，能够实现针对不同车况路况的pid控制，有利于减小车速控制误差，实现车速精准调控，及时跟随。
[0221]
在一些实施例中，利用车辆动力学方程，获取电机需求扭矩，具体可包括：
[0222]
利用下式，计算电机需求扭矩：
[0223][0224]
其中，t代表电机需求扭矩，ρ代表空气密度，a代表迎风面积，cd代表空气阻力系数，v代表当前车速，f代表道路滚动阻力系数，m代表实时估算质量，g代表重力系数，i代表当前道路坡度，δ代表计入旋转质量惯性力矩后的汽车旋转质量换算系数，a代表加减速度
控制参数，r代表车辆的轮胎的有效半径，k代表车辆速比，η代表传动机械效率。
[0225]
本公开实施例中，可基于整车控制器中的自动驾驶扭矩计算模块，以期望车速vd、当前车速v、实时估算质量m、加减速度控制参数a、当前道路坡度i、道路滚动阻力系数f为输入，通过车辆动力学方程，计算得到电机需求扭矩(即电机的扭矩命令)。由此实现基于车况路况的电机需求扭矩计算，能够针对各种不同的场景提高扭矩计算精准性，从而利于提升车速控制的及时性和准确性，进而及时响应，有效跟随。
[0226]
具体地，结合车辆的受力分析，对上述计算电机需求扭矩的公式进行推导，如下：
[0227]
车辆所受的阻力有风阻fw、滚动阻力ff、坡度阻力fi以及加速阻力fj，车辆行驶平衡方程式为：
[0228]
f＝fw+ff+fi+fjꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0229]
其中，f代表地面作用于车轮驱动轮的切向反作用力，即驱动力。
[0230]
且，风阻fw采用下式计算：
[0231][0232]
其中：ρ代表空气密度，取值可为1.2258ns2m-4
；a为迎风面积，其物理单位可为平方米(m2)；cd代表空气阻力系数；v为空气相对车辆的运动速度，数值上等于当前车速。
[0233]
滚动阻力ff采用下式计算：
[0234]ff
＝f
·
mfg
·
cos(θ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0235]
其中：f代表道路滚动阻力对应的阻力系数，对应于dcu利用图像采集组件针对路面进行识别分析的结果；mf代表实时估算质量，其物理单位可为千克(kg)，最终由vcu计算得到；g代表重力加速度，其物理单位可为米每平方米(m/s2)；θ代表道路角度，其物理单位为弧度(rad)，且与当前道路坡度i之间的关系为θ＝arctan(i)；基于此，(3)式可变化为：
[0236]ff
＝f
·
mfg
·
cos(arctan(i))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0237]
示例地，在当前车速为0时，滚动阻力ff为0。
[0238]
坡度阻力fi采用下式计算：
[0239]fi
＝mfg
·
sin(θ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0240]
结合上文中的道路角度与当前道路坡度的转换，(5)式可变换为：
[0241]fi
＝mfg
·
sin(arctan(i))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0242]
加速阻力fj采用下式计算：
[0243]fj
＝δm
faꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0244]
其中：a代表车速闭环控制输出的当前加速度；δ代表计入旋转质量惯性力矩后的汽车旋转质量换算系数。
[0245]
对以上(1)、(2)、(4)、(6)及(7)式进行代入整理，所得车辆行驶平衡方程式为：
[0246][0247]
同时，所要实现定速巡航对应的电机需求扭矩的计算公式为：
[0248]
[0249]
其中，t代表电机需求扭矩，r代表轮胎有效半径，其物理单位可为米(m)；k代表传动比；η代表传动系机械效率。
[0250]
综合(8)式和(9)式，可得到最终的电机需求扭矩计算公式：
[0251][0252]
在一些实施例中，对电机需求扭矩进行限制及滤波处理，获取目标扭矩，包括：
[0253]
基于车辆的最大可用扭矩(包括驱动对应的最大可用扭矩和回馈对应的最大可用扭矩)，对电机需求扭矩进行限制；最大可用扭矩基于车辆中动力电池的荷电状态(state of charge，soc)、动力电池可允许的充放电功率、电机的外特性扭矩(包括峰值扭矩和持续扭矩)、电机的驱动及回馈扭矩限制、整车的故障情况确定；
[0254]
对限制后得到的电机需求扭矩进行滤波处理，获取目标扭矩。
[0255]
本公开实施例中，通过对电机需求扭矩进行限制处理，能够将其限制在合理的范围内，且充分利用动力电池的可用功率，在有效控制车速的同时提高能量利用效率；进一步地，通过对限制后的电机需求扭矩进行滤波处理，可避免阶跃变化，使得目标扭矩平滑变化，从而车速控制平顺性较好。
[0256]
在一些实施例中，该方法还包括：
[0257]
将目标扭矩传输至受控组件，基于受控组件使车辆由当前车速调整至期望车速。
[0258]
本公开实施例中，受控组件可为电机控制器。整车控制器将目标扭矩发送至电机控制器；对应的，电机控制器接收该目标扭矩，并控制电机运行，以使车辆由当前车速受控变速至期望车速运行。
[0259]
本公开实施例提供的车速控制方法，结合车况路况相关实时状态数据，实现对车速控制，超调较小，针对各种不同的场景均能够稳定、有效、快速地响应期望车速，减速时可通过电机制动能量回馈(电制动)回收能量，提高车辆能量的利用率，增加续驶里程；且控制逻辑清晰明了，可缓解坡度变化以及负载变化对车辆自动行驶的影响，使车辆的车速响应较快、跟随性提高，运行平缓，平顺性好，提高了车辆的可操纵性、舒适性和安全性。
[0260]
在上述实施方式的基础上，本公开实施例还提供了一种自动驾驶车辆的车速控制装置，该装置能够执行上述任一种方法的步骤，实现对应的有益效果。
[0261]
示例性地，图5为本公开实施例提供的一种车速控制装置的结构示意图。参照图5，该装置40包括：获取模块41，用于获取车辆的实时状态数据；实时状态数据包括实时估算质量、当前车速、期望车速以及路况信息；路况信息包括：当前道路坡度、道路附着系数以及道路滚动阻力系数；确定模块42，用于基于实时状态数据，确定目标扭矩；目标扭矩用于使车辆由当前车速调整至期望车速。
[0262]
在一些实施例中，获取模块41用于获取期望车速，包括：获取域控制器基于当前行驶需求输出的待处理期望车速；对待处理期望车速进行限制及滤波处理，获取期望车速。
[0263]
在一些实施例中，获取模块41用于获取当前车速，包括：获取电机转速、车轮半径以及车辆速比；基于电机转速、车轮半径以及车辆速比，获取待处理当前车速；对待处理当前车速进行滤波处理，获取当前车速。
[0264]
在一些实施例中，获取模块41用于获取实时估算质量，包括：获取车辆的行驶状态数据；行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的
当前驱动扭矩；基于行驶状态数据，判定满足质量估算触发条件时，继续获取道路滚动阻力系数；基于当前车速、当前加速度、当前道路坡度、道路滚动阻力系数以及当前驱动扭矩，确定估算质量。
[0265]
在一些实施例中，获取模块41用于获取当前道路坡度，包括：获取域控制器确定的当前道路坡度；其中，域控制器基于车辆当前所处位置及先验的道路坡道地图信息，确定车辆当前所处位置的当前道路坡度；和/或，域控制器基于车辆装载的坡度传感器采集到的坡度信息确定当前道路坡度。
[0266]
在一些实施例中，获取模块41用于获取道路附着系数和道路滚动阻力系数，包括：获取域控制器确定的道路附着系数和道路滚动阻力系数；其中，域控制器基于图像采集传感器识别当前道路的材质和路面的干湿程度，并匹配对应的道路附着系数和道路滚动阻力系数。
[0267]
在一些实施例中，确定模块42用于基于实时状态数据，确定目标扭矩，包括：基于当前车速和期望车速，利用车速差处理及pid控制，生成加减速度控制参数；基于加减速度控制参数、期望车速、当前车速、实时估算质量、当前道路坡度以及道路滚动阻力系数，利用车辆动力学方程，获取电机需求扭矩；对电机需求扭矩进行限制及滤波处理，获取目标扭矩。
[0268]
在一些实施例中，确定模块42用于基于当前车速和期望车速，利用车速差处理及pid控制，生成加减速度控制参数，包括：基于当前车速和期望车速，并结合车辆运行模式和车速差阈值，确定实时车速差；在满足pid控制的积分清零条件时，生成对应的积分清零指令；基于四部分因素，进行pid控制的参数调整优化，获取目标比例参数、目标积分参数以及目标微分参数；四部分因素包括：期望车速与实时车速差，实时估算质量，当前道路坡度，及道路附着系数；基于至少实时车速差、积分清零指令、目标比例参数、目标积分参数以及目标微分参数，利用pid控制算法，生成加减速度控制参数。
[0269]
在一些实施例中，确定模块42用于在进行pid控制的参数调整优化之前，还在期望车速与实际车速满足修正条件时，对pid控制中的比例参数进行修正。
[0270]
在一些实施例中，修正条件包括：期望车速大于车速阈值；且当前车速小于期望车速，且低于车速阈值的累计时长大于预设时长。
[0271]
在一些实施例中，确定模块42用于基于当前车速和期望车速，并结合车辆运行模式和车速差阈值，确定实时车速差，包括：在车辆运行模式为转速运行模式、非自动驾驶运行模式或自动驾驶模式下的速度控制非准备状态时，实时车速差为0；在车辆处于自动驾驶模式下的速度控制准备状态时，若车辆当前车速方向与期望车速的方向相同，则实时车速差等于期望车速减去当前车速，若车辆当前车速方向与期望车速的方向相反，则实时车速差等于期望车速加上当前车速；且均满足实时车速差小于或等于车速差阈值。
[0272]
在一些实施例中，积分清零条件，包括下述条件中的至少一个：条件1：车辆处于自动模式和手动模式切换时；条件2：实时车速差大于零，且加减速度控制参数小于零；或者实时车速差小于零，且加减速度控制参数大于零；条件3：制动压力命令发生；条件4：档位命令切换；条件5：电机工作模式切换；条件6：车辆准备状态变化。
[0273]
在一些实施例中，确定模块42用于进行参数调整优化，包括比例参数调整优化、积分参数调整优化及微分参数调整优化。
[0274]
在一些实施例中，确定模块42用于进行比例参数调整优化，包括：基于期望车速与实时车速差的比例参数调整优化；其中，比例参数与期望车速呈正比，且比例参数与实时车速差呈正比；基于实时估算质量的比例参数调整优化；其中，比例参数与实时估算质量呈正比；基于当前道路坡度的比例参数调整优化；其中，比例参数与当前道路坡度呈正比；以及基于道路附着系数的比例参数调整优化；其中，比例参数与道路附着系数呈反比。
[0275]
在一些实施例中，确定模块42用于进行积分参数调整优化，包括：基于期望车速与实时车速差的积分参数调整优化；基于实时估算质量的积分参数调整优化；基于当前道路坡度的积分参数调整优化；以及基于道路附着系数的积分参数调整优化。
[0276]
在一些实施例中，确定模块42用于进行微分参数调整优化，包括：基于期望车速与实时车速差的微分参数调整优化；基于实时估算质量的微分参数调整优化；基于当前道路坡度的微分参数调整优化；以及基于道路附着系数的微分参数调整优化。
[0277]
在一些实施例中，确定模块42用于进行利用车辆动力学方程，获取电机需求扭矩，包括：
[0278]
利用下式，计算电机需求扭矩：
[0279][0280]
其中，t代表电机需求扭矩，ρ代表空气密度，a代表迎风面积，cd代表空气阻力系数，v代表当前车速，f代表道路滚动阻力系数，m代表实时估算质量，g代表重力系数，i代表当前道路坡度，δ代表计入旋转质量惯性力矩后的汽车旋转质量换算系数，a代表加减速度控制参数，r代表车辆的轮胎的有效半径，k代表车辆速比，η代表传动机械效率。
[0281]
在一些实施例中，确定模块42用于对电机需求扭矩进行限制及滤波处理，获取目标扭矩，包括：基于车辆的最大可用扭矩，对电机需求扭矩进行限制；最大可用扭矩基于车辆中动力电池的荷电状态、动力电池可允许的充放电功率、电机的外特性扭矩、电机的驱动及回馈扭矩限制、整车的故障情况确定；对限制后得到的电机需求扭矩进行滤波处理，获取目标扭矩。
[0282]
在一些实施例中，该装置还包括：输出模块，用于将目标扭矩传输至受控组件，基于受控组件使车辆由当前车速调整至期望车速。
[0283]
需要说明的是，图5示出的装置能够执行上述实施方式提供的任一种方法的步骤，实现对应的有益效果。
[0284]
本公开实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序用于执行上述实施方式提供的任一种方法的步骤，具有对应的有益效果。
[0285]
本公开实施例还提供了一种车用设备。参考图6，该车用设备40包括：处理器420；用于存储处理器420可执行指令的存储器410；处理器420，用于从存储器410中读取可执行指令，并执行可执行指令以实现上述实施方式提供的任一种方法的步骤，具有对应的有益效果。
[0286]
本公开实施例还提供了一种车辆，包括上述实施方式提供的任一种车用设备，具有对应的有益效果。
[0287]
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一
个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0288]
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。