CN118056113A - 确定自动驾驶车辆遇到的机械健康和道路状况 - Google Patents

Abstract

公开了用于提高自动驾驶车辆的可靠性和安全性的方法、装置和计算机实现的方法。在一个方面，公开了一种用于确定自动驾驶车辆的环境暴露的方法。该方法包括从安装到自动驾驶车辆的一个或多个冲击或振动传感器获取传感器数据，并且基于所获取的传感器数据来确定自动驾驶车辆处的振动水平或冲击水平。该方法还包括将自动驾驶车辆的振动水平添加到自动驾驶车辆的累积振动水平，并且确定自动驾驶车辆的累积振动水平是否超过自动驾驶车辆的累积振动水平的预定阈值。

Description

确定自动驾驶车辆遇到的机械健康和道路状况

相关申请的交叉引用

本专利文件要求于2021年8月17日提交的题为“SYSTEMS AND METHODS FORMEASURING VIBRATIONS AND HARSH CONDITIONS ENCOUNTERED BY AUTONOMOUS VEHICLES”的第63/234,192号美国临时专利申请的优先权和权益。上述专利申请的全部内容通过引用并入作为本专利文件的公开的一部分。

技术领域

本文件涉及自动驾驶系统。特别地，本文中描述了用于测量道路状况和确定自动驾驶车辆健康状况的系统和方法。

背景技术

可以自动控制无人驾驶或自动驾驶车辆，使其沿着通往目的地的路径导航。自动驾驶通常需要传感器和处理系统，该传感器和处理系统感知自动驾驶车辆周围环境并且基于该感知做出决策，以确保自动驾驶车辆的安全可靠操作。安全的自动驾驶还需要确定自动驾驶车辆的机械组件是否在可接受的范围内操作。例如，自动驾驶车辆的传感器可以包括相机、使用光脉冲来测量到自动驾驶车辆周围的各种物体的距离的光检测和测距(LiDAR)传感器、以及机械传感器。

发明内容

本专利文件公开了一种用于提高自动驾驶车辆的可靠性和安全性的方法、装置和计算机实现的方法。在一个方面，公开了一种用于确定自动驾驶车辆的环境暴露的方法。该方法包括从安装到自动驾驶车辆的一个或多个冲击或振动传感器获取传感器数据，并且基于所获取的传感器数据来确定自动驾驶车辆处的振动水平或冲击水平。该方法还包括将自动驾驶车辆的振动水平添加到自动驾驶车辆的累积振动水平，并且确定自动驾驶车辆的累积振动水平是否超过自动驾驶车辆的累积振动水平的预定阈值。

以下特征可以以各种组合被包括。该方法还可以包括将振动水平与从一个或多个冲击或振动传感器所获取的基线数据进行比较，或者将振动水平与对应于正常运行的机械元件的已知的振动简档和对应于失效的机械元件的振动简档进行比较。该方法还可以包括从安装到自动驾驶车辆的一个或多个温度传感器获取温度数据，并且将温度数据与基线温度数据的一个或多个阈值进行比较。该方法还可以包括基于比较来确定所获取的温度数据是否指示机械故障或机械磨损。该方法还可以包括基于振动水平与基线数据的比较或者振动水平与已知振动简档的比较以及温度数据的比较来确定是否存在一个或多个异常，并且基于所确定的一个或多个异常来将异常的严重性评级为多个等级。多个等级可以包括表示在已知可接受的参数内工作的第一等级、表示在第一警告基线附近工作的第二等级、表示重复超过黄色的第三等级、以及表示需要立即关注车辆的第四等级。该方法还可以包括确定自动驾驶车辆的振动水平超过预定振动阈值。该方法还可以包括响应于确定自动驾驶车辆的累积振动水平超过自动驾驶车辆的累积振动水平的预定阈值，对自动驾驶车辆执行维护。将自动驾驶车辆的振动水平添加到自动驾驶车辆的累积振动水平可以响应于确定自动驾驶车辆的振动水平超过预定振动阈值来执行。振动水平可以包括振动的幅度。振动水平可以包括振动的持续时间。一个或多个冲击或振动传感器可以包括多个冲击传感器和多个振动传感器。多个振动传感器中的每个振动传感器可以是微机电系统(MEMS)类型的传感器。多个冲击传感器中的每个冲击传感器可以是微机电系统(MEMS)类型的传感器或压电类型的传感器。传感器故障是以下中的一项的发生：传感器产生警告代码，传感器产生错误代码，自动驾驶车辆中从传感器接收数据的设备得出由传感器产生的数据质量较低或具有一些意外或异常值的结论，或者设备在时间段内失去与传感器的连接。

在另一方面，公开了一种自动驾驶系统。该系统包括被配置为从安装到自动驾驶车辆的一个或多个冲击或振动传感器接收传感器数据的机械元件监测模块、以及被配置为从安装到自动驾驶车辆的一个或多个温度传感器接收温度数据的温度监测模块。该系统还包括被配置为经由安装到自动驾驶车辆的更多加速度计和/或陀螺仪接收自动驾驶车辆的道路粗糙度数据的粗糙度测量模块。

该系统可以以各种组合包括以下特征。自动驾驶车辆所经历的道路状况的粗糙度可以基于自动驾驶车辆所经历的振动、减速和机械冲击的幅度和持续时间从粗糙度数据来确定。温度监测模块还可以被配置为将温度数据与基线温度数据的一个或多个阈值进行比较，并且基于该比较来确定所接收的温度数据是否指示机械故障或机械磨损。机械元件监测模块还可以被配置为基于所获取的传感器数据来确定自动驾驶车辆处的振动水平或冲击水平，将自动驾驶车辆的振动水平添加到自动驾驶车辆的累积振动水平，并且确定自动驾驶车辆的累积振动水平是否超过自动驾驶车辆的累积振动水平的预定阈值。

在另一方面，公开了一种检测自动驾驶车辆中的传感器与处理单元之间的松动连接的方法。该方法记录传感器的故障的实例，并且将在时间长度内发生的传感器的故障的发生次数与自动驾驶车辆在该时间长度内暴露于过度冲击或振动的次数相关联。该方法还包括响应于确定传感器故障的发生次数与自动驾驶车辆暴露于过度冲击或振动的次数之间的水平或相关性高于阈值，确定与传感器的连接是松动的。可以使用自动驾驶车辆中的一个或多个加速度计来确定自动驾驶车辆暴露于过度冲击或振动的次数。

以下特征可以以各种组合被包括。传感器的故障的每个记录的实例包括故障的发生的时间。该方法还包括向自动驾驶车辆的控制系统发送指示传感器连接松动的消息。该方法还包括响应于确定传感器故障的发生次数与自动驾驶车辆暴露于过度振动的次数之间的水平或相关性低于阈值并且在该时间长度内记录的潜在传感器故障的数量高于对应的阈值，确定传感器需要检查。该方法还包括向自动驾驶车辆的控制系统发送指示传感器需要检查的消息。

所公开的技术的上述和其他方面和特征在附图、说明书和权利要求书中更详细地描述。

附图说明

图1示出了根据所公开的技术的包括自动驾驶车辆的系统的示意图。

图2A示出了用于确定机械元件的机械健康状况的平均加速度数据和阈值的示例。

图2B示出了用于确定机械元件的机械健康状况的脉冲加速度数据和阈值的示例。

图3A-图3I示出了卡车上冲击、振动和/或温度传感器的示例安装位置。

图4示出了根据所公开的技术的用于确定自动驾驶车辆的环境暴露的示例方法的流程图。

图5示出了根据所公开的技术的在自动驾驶车辆中检测与传感器的松动连接或对传感器的检查的需要的示例方法的流程图。

图6示出了根据所公开的技术的示例方法的流程图。

具体实施方式

该专利文件中公开的技术可以提高自动驾驶车辆的可靠性和安全性。

自动驾驶系统(也称为自主驾驶车辆或自动驾驶车辆)应当安全且可靠地适应所有类型的道路配置和状况。例如，道路状况可以包括已铺路面或未铺路面的路面状况，例如，道路上的裂缝、坑洞或颠簸的大小和数目、道路上物体的存在程度和大小，诸如小岩石、砾石、沙子、碎片等。道路状况还可以包括天气状况，诸如雨、雪、风、沙尘暴等。车辆暴露于由于道路状况和发动机振动而导致的冲击和振动可能导致车辆元件，包括轴承、衬套、密封件和其他机械元件磨损。确定这些机械元件何时磨损并且执行任何必要的维护增加了安全性、可靠性和运行成本。公开了用于确定道路状况和机械元件磨损的系统和方法。

自动驾驶车辆可以使用其传感器，例如，加速度计、陀螺仪、振动传感器、冲击传感器、温度传感器、惯性测量单元(IMU；IMU通常可以包括若干加速度计和陀螺仪)、LiDAR传感器、摄像机、RADAR(无线电检测和测距)传感器、和风速传感器来确定车辆状况和道路状况。基于由自动驾驶车辆使用由车辆传感器提供的数据而确定的道路状况，自动驾驶车辆可以决定如何沿着计划的路径行驶。例如，自动驾驶车辆可以决定它在当前路段上可以保持的最大速度(例如，在为道路而设置的速度限制内)、它可以安全地执行什么样的机动、以及它可以多快地执行这些机动。根据对道路状况的分析，如有必要，自动驾驶车辆还可以对规划的路径进行校正。例如，如果基于由车辆的传感器收集的数据而确定的道路状况信息指示车辆行驶的道路的行车道中的道路状况比道路的另一行车道中的道路状况差(例如，当前车道中的坑洞比另一车道中的多，或者小石或碎片比另一车道中的多)，则车辆可以基于该信息决定变道。此外，如果由车辆的传感器收集的道路状况数据指示道路状况过于恶劣(例如，振动测量超过阈值)，则自动驾驶车辆可以使用这种信息来减速、变道或执行另一动作或机动。

所公开的主题可以应用的一种类型的自动驾驶车辆是在全球范围内用于运输产品和材料的拖车挂车或小型卡车。拖车冲击和振动通过引起拖车和挂车机械元件的磨损以及潜在的安全和控制问题来影响自动驾驶车辆系统(AVS)(本文也称为自动驾驶系统(ADS))。带有集成AVS的一些拖车将在运行设计域(ODD)中运行，该ODD可能会磨损和损坏组成拖车和挂车结构的系统机械元件，包括传动系、悬架和其他子结构。ODD可以包括各种类型的道路，包括公路、高速公路、入口匝道、出口匝道、地面街道、路面(例如，沥青、混凝土、砾石、泥土)、温度范围(例如，-40摄氏度至+55摄氏度)、天气条件(例如，风速、雨、雪、冰等)。例如，ODD可以包括上述条件的全部或子集。机械元件随时间的磨损和损坏会对AVS的运行条件产生负面影响，并且可以限制AVS可以可靠地运行的位置。

拖车组件和系统的磨损和损坏会导致整个拖车和挂车的振动和冲击传递增加。除了运行AVS限制之外，上述负面影响还可能缩短AVS组件的使用寿命。例如，失效的悬架弹簧可能会导致对应减振器过早失效。车辆中的每个机械元件被设计为在预定义条件范围(例如，冲击和振动水平、温度等)内运行，并且由于道路条件或相关机械元件的故障而在该预定义范围之外的运行可能会显著降低受影响元件的使用寿命。此外，当在这些限制之外运行时，车辆的运行安全可能会受到影响。

为了帮助减轻附加冲击和振动的负面影响，可以监测拖车和/或挂车的机械元件的物理属性。通过监测拖车上不同位置处的冲击、振动和温度，AVS可以确定各种传感器的输出是否在正常范围内，并且如果不在正常范围，则可以主动调节AVS的运行。例如，响应于由AVS确定悬架相关传感器输出超出正常范围，可以降低拖车的速度以减少悬架上的应力，或者可以由AVS执行避开已知崎岖道路的不同路线以有利于重新路由到已知平坦道路上。在另一示例中，如果发动机振动传感器被AVS确定为超出正常范围，则AVS可以降低(或增加)发动机RPM或进行另一发动机调节以减小发动机上的应力。

对拖车健康状况的评估可以包括对拖车上所有传感器的数据的评估。拖车健康状况和/或个体传感器输出可以是最小风险条件(MRC)决策过程的输入。基于随时间而存储和评估的个体传感器输出，可以对拖车和/或挂车执行预防性维护。传感器数据可以被存储并且与基线、或者与已知的传感器简档数据以及已知简档数据的各种含义进行比较。例如，当机械元件是新的时的基线数据可以被存储，并且与当元件磨损或老化时的当前数据进行比较。当传感器数据与基线数据足够不同时，AVS可以确定应当检查或更换对应机械元件。在另一示例中，可以存储与良好机械元件的典型传感器输出相对应的传感器数据的简档、以及当发生事故或故障时机械元件的简档。可以将当前传感器数据与这些简档进行比较，并且决定是否需要进行任何运行改变或需要维修。振动数据可以包括来自与旋转元件相关联的传感器的时域数据的快速傅立叶变换，以更好地了解这些组件和系统的健康状况。

根据本专利文件中公开的技术的一些示例实施例，自动驾驶车辆中的设备或系统可以确定自动驾驶车辆在行驶过程中所经历的道路状况的粗糙度。在一些示例实施例中，自动驾驶车辆所经历的道路状况的粗糙度可以基于例如自动驾驶车辆在行驶过程中所经历的振动、剧烈减速、机械冲击等的幅度和持续时间来确定。该粗糙度测量(HM)系统可以是ADS/AVS的一部分、车辆中的另一系统或设备的一部分、或自动驾驶车辆中的独立设备或独立系统。粗糙度测量系统可以包括一个或多个传感器、诸如加速度计和/或陀螺仪以及一个或多个处理器。在一些示例实施例中，一个或多个处理器可以被包括在AVS中。例如，HM系统的加速度计可以是MEMS(微机电系统)类型，或者可以是压电加速度传感器。HM系统还可以包括任何类型的任何数目的其他传感器(例如，视频摄像机或LiDAR，其用于检测道路上车辆没有遇到的并且因此可以不会被HM设备的加速度计拾取的道路颠簸和坑洞)。HM系统的传感器可以位于自动驾驶车辆中的相同位置，或者可以分布在自动驾驶车辆中的不同位置。例如，如果自动驾驶车辆是拖车式挂车卡车，则HM系统的传感器中的一些传感器可以位于卡车处或靠近卡车，而其他传感器可以位于挂车处或靠近挂车。

来自HM系统的包括自动驾驶车辆在行驶过程中经历的恶劣道路状况的信息(例如，该车辆驶过的、由HM系统检测到的颠簸和坑洞)的报告(可以用于确定自动驾驶车辆下次行驶之前所需要的检查水平(如果有)。例如，如果自动驾驶车辆暴露于很多坑洞等，则它可能需要进行广泛的物理检查，因为这种暴露可能会导致车辆上的传感器以及车辆的其他部件和系统的错位或退化。

可以使用不同的方法来获取自动驾驶车辆的不同传感器、电气或机械致动器和连接器所经历的振动的安全阈值，以及用于确定它们在不同振动水平下的寿命。其中一种方法是进行振动测试，以确定连接器的寿命和耐用性。也可以使用有限元模拟(例如，与振动测试相结合)。连接器和传感器中的一些已经由其制造商进行了测试，并且测试数据是能获取的。

由自动驾驶车辆HM系统提供的信息可以与其他信息一起使用，例如，自动驾驶车辆行驶的距离、发动机温度历史、制动系统使用数据、车辆的感知传感器的对准/健康测量等，以确定和监测自动驾驶车辆的磨损状况。

除了HM系统之外，机械元件监测系统还可以包括微机电系统(MEMS)振动传感器、MEMS冲击传感器和/或MEMS温度传感器。也可以使用利用其他技术制成的传感器，诸如压电器件、光学旋转或线性位移传感器、以及其他类型的温度传感器。机械元件监测系统可以包括专用的一个或多个处理器，或者处理可以在AVS中的处理器处部分地或完全地执行。机械元件监测系统可以连接到AVS。机械元件监测系统可以周期性地报告或提供与AVS的握手，以确认机械元件监测系统的连接并且报告健康状态(例如，心跳信号)，并且可以包括一个或多个机械元件传感器的状态。例如，心跳信号可以每秒从机械元件监测系统被提供给AVS，以指示机械元件监测系统是激活的、连接的并且处于运行状态。机械元件监测系统可以包括单独的冲击/振动监测系统(VMS)，或者VMS可以被包括在机械元件监测系统中。握手可以进一步向AVS指示振动监测系统(VMS)处于运行状态中。如果AVS未能从机械元件监测系统接收到握手，则AVS确定已经发生异常或错误，诸如硬件故障。

机械元件监测系统和VMS可以确定存在一个或多个条件需要来自AVS的响应。该确定可以通过在从连接到机械元件监测系统的拖车/挂车上的多个传感器接收的传感器数据与不同传感器中的每个传感器的基线数据和/或传感器简档之间的比较来进行。根据哪个传感器或传感器组合显示出异常数据以及数据的异常程度，AVS需要不同的响应。例如，所有可能的异常和异常组合都可以按严重程度进行分类和评级成多个级别。例如，组合可以被组织成多个等级，诸如良好(例如，绿色：在已知的可接受参数内工作)；一般(例如，黄色：在第一警告基线附近工作)；较差(例如，橙色：重复超过黄色)；严重(红色：需要立即关注车辆)等。在示例实施例中，AVS对等级的响应可以包括：绿色：正常进行，不采取任何动作；黄色：正常进行，安排预防性维护；橙色：在下一站立即采取动作；红色：停车，执行MRC以确定下一步应当执行什么。在一些示例实施例中，黄色的阈值是绿色的阈值的2倍，橙色的阈值是黄色的阈值的两倍，红色的阈值是橙色的阈值的二倍。

图2A示出了随时间从加速度计获取的平均加速度数据点的示例图。例如，与机械元件相对应的脉冲加速度值可以在几秒钟、几分钟、几小时或几天的使用内被平均，或者可以在多次行程或发动机停止/启动循环内被平均。该图示出了用于这些值的三个等级的阈值示例。最低等级是正常极限210。低于和高达正常极限或阈值210的加速度(“g”)值对应于具有正常运行和磨损极限的机械组件。这些机械元件不需要维修，并且看起来运行正常。第二极限或阈值220对应于高于正常极限210并且低于较高的第三极限或阈值230的平均加速度值。处于或高于正常极限210但低于第二阈值220的值指示有必要对对应机械元件进行一些附加研究。例如，下次卡车在维修厂时，机械师可以被指示检查对应机械元件。机械师的检查可能确定对应机械元件需要一些维修、修理或更换。高于第二阈值220但低于第三阈值230的值指示对应机械元件需要维护。例如，机械元件可能需要调节、润滑、更换或其他维护。高于第三阈值230的值指示对应机械元件损坏并且需要立即采取动作来修复对应机械元件。例如，卡车可能需要安全驶离道路，并且等待移动机械师到达卡车进行维修，或者卡车可以能够继续前往最近的维修厂。

图2B示出了与图2A类似的曲线图，但是具有脉冲加速度值而不是平均加速度值。脉冲加速度值可以是来自加速度计的单个测量。将数据点与阈值进行比较，如图2A所示，以确定是否应当对对应机械元件采取任何动作。图2B所示的阈值包括正常极限阈值250、第二阈值260和第三阈值270，在该正常极限阈值之上应当进行进一步的调查，在该第二阈值之上需要维护，在该第三阈值之上需要立即采取动作来维修或更换对应机械元件。

图1示出了包括自动驾驶卡车的拖车105的系统100。拖车105包括多个车辆子系统140和车载控制计算机150。多个车辆子系统140包括车辆驱动子系统142、车辆传感器子系统144和车辆控制子系统146。发动机或电动机、车轮和轮胎、变速器、电气子系统和动力子系统可以被包括在车辆驱动子系统142中。自动驾驶卡车的发动机可以是内燃发动机、燃料电池驱动的电动发动机、电池驱动的电发动机、混合动力发动机、或能够移动拖车105(也称为车辆105或卡车105)移动的车轮的任何其他类型的发动机。拖车105可以具有多个电动机或致动器以驱动车辆的车轮。例如，车辆驱动子系统142可以包括两个或更多个电驱动电动机。车辆105的变速器可以包括连续可变变速器或一组齿轮，这些齿轮将由车辆105的发动机产生的动力转换成驱动车辆105车轮的力。车辆驱动子系统142可以包括电气系统，该电气系统监测并且控制电流到系统内的组件、包括泵、风扇和致动器的分配。车辆驱动子系统142的动力子系统可以包括调节车辆105的动力源的组件。

车辆传感器子系统144可以包括用于自动驾驶卡车105的一般运行的传感器。用于自动驾驶车辆的一般运行的传感器可以包括相机、温度传感器、惯性传感器(IMU)、全球定位系统、光传感器、LIDAR系统、雷达系统、无线通信、冲击传感器和振动传感器。

车辆控制子系统146可以被配置为控制自动驾驶车辆或卡车105及其组件的运行。因此，车辆控制子系统146可以包括各种元件，诸如发动机功率输出子系统、制动单元、导航单元、转向系统和自主控制单元。发动机功率输出可以控制发动机的运行，包括产生的扭矩或提供的马力，以及提供对变速器的档位选择的控制。制动单元可以包括被配置为使自动驾驶车辆105减速的机构的任何组合。制动单元可以使用摩擦以标准方式使车轮减速。制动单元可以包括防抱死制动系统(ABS)，该防抱死制动系统可以在制动器被应用时防止制动器抱死。导航单元可以是被配置为确定自动驾驶车辆105的行驶路径或路线的任何系统。导航单元还可以被配置为在自动驾驶车辆105运行时动态地更新驾驶路径。在一些实施例中，导航单元可以被配置为结合来自GPS设备的数据和一个或多个预定地图，以便确定自动驾驶车辆105的驾驶路径。转向系统可以表示能运行以在自主模式或驾驶员控制模式中调节自动驾驶车辆105的航向的机构的任何组合。

自主控制单元可以表示一种控制系统，该控制系统被配置为标识、评估和避免或以其他方式协商自动驾驶车辆105的环境中的潜在障碍。通常，自主控制单元可以被配置为在没有驾驶员的情况下控制自动驾驶车辆105以进行运行，或者在控制自动驾驶车辆105时提供驾驶员辅助。在一些实施例中，自主控制单元可以被配置为合并来自GPS设备、RADAR、LiDAR、相机和/或其他车辆子系统的数据，以确定自动驾驶车辆105的驾驶路径或轨迹。

可以称为车辆控制单元或VCU的自动驾驶系统计算机(本文中也称为车载控制计算机)150例如可以包括用于执行自动驾驶活动的附加硬件和可执行指令，包括以下中的任何一个：车辆子系统接口160、驾驶运行模块168、一个或多个处理器170、元感知模块165、存储器175、磨损评估模块167、网络通信子系统178、机械元件监测系统180、冲击/振动监测系统182或粗糙度测量(HM)系统184。VCU 150响应于来自各种车辆子系统140的信息来控制自动驾驶卡车105的多种(如果不是全部的话)运行。一个或多个处理器170可以被配置为执行与元感知模块165相关联的运行，这些运行例如允许系统确定指示危险的感知数据的置信度，确定区域地图的置信度水平，以及分析自动驾驶车辆105周围的感兴趣对象(也称为目标)的行为。根据所公开的技术的一些示例实现，感兴趣对象或目标可以是另一车辆、跟随自动驾驶车辆105的车辆、自动驾驶车辆105附近的车辆、行人、施工区、或靠近自动驾驶车辆105的车辆中的一种。来自车辆传感器子系统144的数据可以被提供给元感知模块165，从而可以适当地确定动作的过程。替代地或另外地，元感知模块165可以结合另一运行模块或控制模块、诸如驾驶运行模块168或磨损评估模块167来确定动作的过程。来自车辆传感器子系统144的数据也可以被提供给磨损评估模块167。根据一些示例实施例，磨损评估模块167可以被配置为使用由车辆传感器子系统144提供给它的数据来估计自动驾驶车辆105所遇到的状况的粗糙度。在某些示例性实施例中，磨损评估模块167可以被配置为使用自动驾驶车辆105的各个部件和位置中的、由车辆传感器子系统144的一个或多个传感器提供给磨损评估模块167的振动测量来估计自动驾驶车辆105所遇到的状况的粗糙度。在一些示例实施例中，磨损评估模块167可以被配置为使用例如由车辆传感器子系统144的一个或多个传感器提供的信息来确定是否需要检查或修理自动驾驶车辆105的各种车辆系统和组件。在某些示例实施例中，磨损评估模块167可以被配置为使用例如由车辆传感器子系统144提供的数据来估计自动驾驶车辆105的磨损。在一些示例实施例中，磨损评估模块167可以基于例如由车辆传感器子系统144的一个或多个子系统提供给它的数据来指示或发起各种动作(例如，校正动作)。

存储器175也可以包含附加指令，包括用于向车辆驱动子系统142、车辆传感器子系统144或车辆控制子系统146中的一个或多个传输数据、从其接收数据、与之交互或控制其的指令。车载控制计算机(VCU)150可以基于从各种车辆子系统(例如，车辆驱动子系统142、车辆传感器子系统144和车辆控制子系统146)接收的输入来控制自动驾驶车辆105的功能。附加地，VCU 150可以向车辆控制子系统146发送信息，以指导自动驾驶车辆105的轨迹、速度、信令行为等。自主控制车辆控制子系统146可以从VCU 150的一个或多个模块接收要采取的动作的过程，并且因此将指令中继到其他子系统以执行该动作的过程。

所公开的技术的一个示例方面涉及确定自动驾驶车辆的振动暴露。在一些示例实施例中，自动驾驶车辆的传感器，例如车辆的粗糙度测量(HM)系统中的传感器用于检测车辆(和/或车辆的各个部件)所经历的加速度，例如，在车辆行驶期间或在特定时间间隔内。例如，由车辆的HM系统的加速度计检测到的这些加速度指示自动驾驶车辆在该时间间隔或行程中所经历的振动水平。可以分析由车辆的HM系统收集的振动数据，以确定检测到的振动中的任何振动的幅度和/或持续时间是否超过预定振动阈值。此外，可以在该时间间隔或行程内对超过阈值的振动程度(例如，振动发作的次数和/或持续时间)进行积分或计数，并且在延长的时间段(例如，几周或几个月或几年)内进行累积，以监测车辆的累积振动暴露值。例如，累积振动暴露值超过阈值(例如，恶劣振动条件下设备的平均使用年限的阈值)可以提示对车辆进行一般维护的请求。

表1示出了随时间和使用而磨损的示例机械元件。表1中的列表并非详尽无遗，而是包括自动驾驶车辆中的一些类型的机械系统的示例，这些机械系统可以随着使用而损坏，并且可以通过振动传感器、冲击传感器和/或温度传感器来监测。可能磨损的元件中的一些与车轮、轮胎、悬架弹簧、减振器、转向几何元件(诸如(多个)横拉杆、连杆、转向垂臂)、传动系(诸如发动机、变速器、(多个)传动轴、(多个)差速器、驱动轴、发动机罩、驾驶室和驾驶室加枕木)有关。

表1

MEMS温度传感器(或使用其他技术制造的温度传感器)可以放置在轴承附近的结构元件上，使得温度传感器检测由轴承生成的热量。MEMS振动传感器可以位于感兴趣区域附近的结构材料上，诸如轴承、衬套或其他旋转元件。可以执行FFT以将收集的时域数据转换为频率(频谱)数据。FFT可以帮助确定异常。例如，具有16个元件的轴承，其中一个元件发生故障(例如，在球面轴承表面上有一个平点)，其光谱分量可以与轴承和单个发生故障的轴承元件的转速有关。如果多个轴承元件而不是单个元件发生故障，则可能会产生附加频谱分量。以这种方式，可以监测相关联的机械元件的健康状况。

可以随时间周期性地或间歇性地记录或监测温度数据。例如，可以周期性地监测温度数据，诸如每秒一次或以不同时间表。在给定其他运行条件、诸如车辆温度和当前天气条件的情况下，可以将温度与温度的基线或典型简档进行比较。可以评估从车辆上的各种温度传感器获取的温度，并且将其分类为等级，诸如上面的绿色/黄色/橙色/红色等级描述。

可以随时间周期性地或间歇性地记录或监测来自振动传感器(诸如MEMs振动传感器)的振动数据。诸如各种类型的加速度计等其他类型的传感器可以用于测量振动。相同或相似的传感器也可以用于测量施加在附接到轴承座传感器的物体上的冲击或冲激力。可以对冲击和/或振动数据进行平均，或者可以记录单个点以显示出脉冲水平。可以对振动数据执行FFT。时域或频域数据(FFT之后)可以与基线数据或数据简档进行比较，以确定由振动传感器测量的振动在上述哪个等级内。冲击可以用G来测量。可以对冲击数据进行平均，或者记录个体点。这些数据集中的每个可以与预定义阈值进行比较，并且采取后续动作。

在一些示例实施例中，可以在拖车维修之后设置或调节一个或多个阈值极限(绿色到黄色；黄色到橙色；橙色到红色)。在维修拖车之后对阈值极限进行调节的一些示例选项包括自上次维修以来的重置时间和距离计数器。VMS中的算法可以基于在车辆上执行的服务、车辆年龄和预期ODD来调节一个或多个阈值。

振动、冲击和/或温度传感器的位置的示例包括轮毂、副车架(发动机支架、变速器支架)、主车架(纵向延伸到拖车的“C”形槽轨)、结构安装位置(转向齿轮箱支架、弹簧支架、冲击支架)、轴承箱(轴壳；轮毂)、轴壳、发动机罩支架、驾驶室/轨枕支架位置(硬枢轴支架-铰接点；冲击和安全气囊支架)。

在某些情况下，整个拖车的传递振动的增加可以归因于机械组件的退化。在该运行领域中，道路碎片(家具、梯子、垃圾桶等)、恶劣的道路状况(坑洞、道路裂缝、桥梁接缝等)对车辆安全运行的影响比这些机械组件是新部件时更大。这些道路状况会加速机械组件的损坏。以这种方式，道路状况与各种机械组件的机械状况相结合，以确定车辆的安全运行以及车辆在上述哪个等级中运行。

图3A-图3I示出了卡车上的冲击、振动和/或温度传感器的示例安装位置。下面详述的传感器安装成与下面详述的卡车机械元件机械和/或热接触。以下传感器310-326中的每个可以是冲击传感器、振动传感器、温度传感器、或传感器组合。图3A示出了安装在上部减振支架处的传感器310。图3B示出了安装在减振支架处的另一传感器312。图3C示出了安装在前轴支架和轮毂处的传感器314。图3D示出了安装在驱动轴轴承处的传感器316。图3E示出了安装在睡眠室(例如，在驾驶时驾驶员坐着的区域后面的拖车单元的驾驶室的隔间，通常用于睡觉)后部减振器和安全气囊的上部和下部位置处的传感器318。图3F示出了安装在发动机支架处的传感器320的俯视图。图3G示出了安装在发动机罩铰链支架处的传感器322。图3H示出了安装在后部减振器和安全气囊支架处的传感器324。图3I示出了安装在悬架弹簧支架处的传感器326。

图4示出了根据所公开的技术的确定自动驾驶车辆的环境暴露的示例方法200的流程图。方法400的410处包括从安装到自动驾驶车辆的一个或多个冲击或振动传感器获取传感器数据。方法400的420处包括基于所获取的传感器数据来确定自动驾驶车辆处的振动水平或冲击水平。在一些示例实施例中，振动水平可以包括振动的幅度和/或振动的持续时间(或者可以基于振动的幅度或振动的持续时间来确定)。方法400的430处包括确定自动驾驶车辆的振动暴露水平是否超过预定振动暴露阈值。方法400的步骤440包括将自动驾驶车辆的振动水平添加到自动驾驶车辆的累积振动水平。方法400的步骤450包括确定自动驾驶车辆的累积振动水平是否超过自动驾驶车辆的累积振动水平的预定阈值。

所公开的技术的另一示例方面涉及一种检测自动驾驶车辆中的与传感器(或设备)的连接松动和/或对传感器(或设备)的检查和/或修理的需要的方法。图5示出了根据所公开的技术检测自动驾驶车辆中的与传感器的松动连接和/或对传感器的检查和/或修理的需要的示例方法500的流程图。方法500的步骤510包括记录(例如，在数据库中记录)(潜在的)传感器故障的实例。例如，当传感器自身产生警告或错误代码时，或者当自动驾驶车辆中接收和/或处理来自传感器的数据的另一设备得出由传感器产生的数据具有较低质量或具有一些意外的值或异常的值的结论时，或者该设备失去与传感器的连接持续(短暂)一段时间时，包括这样的事件的发生次数在内的信息可以被记录为潜在的传感器故障。在520处，方法500包括将在时间长度(例如，车辆行驶的持续时间)内发生的潜在传感器故障的发生次数与自动驾驶车辆在该时间长度内暴露于过度振动(例如，超过特定幅度阈值的振动；这些振动可以是由于车辆遇到的坑洞或道路颠簸而发生的)的次数进行比较(或关联)，该过度振动是由包括一个或多个加速度计的车辆的HM系统检测到的。在530处，方法500包括响应于确定传感器故障的发生次数与自动驾驶车辆暴露于过度冲击或振动的次数之间的水平或相关性高于阈值，确定与传感器的连接松动。方法500还可以包括向自动驾驶车辆的控制系统发送警告消息以指示传感器连接可能松动。方法500还可以包括响应于确定潜在传感器故障的发生次数与自动驾驶车辆暴露于过度振动的次数之间的水平或相关性低于阈值并且在该时间长度内记录的潜在传感器故障次数高于对应阈值，确定传感器故障和/或需要检查。方法500还可以包括向自动驾驶车辆的控制系统发送警告消息以指示传感器发生故障和/或需要检查。

自动驾驶车辆(例如，自动驾驶车辆的自动控制系统)可以分析传感器数据，以确定关键传感器是否发生了任何重大事故或故障。自动驾驶车辆还可以分析发生的事故或故障是否会危及自动驾驶车辆在运行过程中的安全。响应于确定发生的事故或故障将危及自动驾驶车辆在其运行过程中的安全，自动驾驶车辆可以决定(安全地)驶出其行驶车道并且停车，或者(安全地)停在行驶车道上。

图6示出了根据所公开的技术的用于基于加速度脉冲数据和平均加速度数据来确定卡车的机械元件的健康状况的示例方法的流程图。卡车610包括如上所述的各种传感器，诸如冲击传感器和振动传感器。来自这些传感器的数据被提供给ADS，该ADS处理数据并且向卡车内的其他子系统发出/发送诸如MRC命令等命令。

在615处，如上文关于图2A所述，将阈值化应用于传感器平均加速度数据。在620处，使用与阈值的比较来确定平均值超过哪个阈值(如果有)。在625处记录平均数据和时间。在630处，将数据与阈值或简档进行比较，以确定与传感器数据相对应的机械元件的性能的老化或退化。在635处，将要求/请求高于预定阈值(诸如图2A中的正常极限阈值210或图2B中的250)的数据值、维护或检查。

在650处，将阈值化应用于传感器脉冲(也称为尖峰)数据。在655处，使用与阈值的比较来确定脉冲值超过哪个阈值(如果有)。在660处，记录脉冲数据和时间。在665处，分析脉冲和平均加速度数据以确定这些值是否超过需要检查、修理或更换的值。在670处，将要求/请求高于预定阈值(诸如图2A中的正常极限阈值210或图2B中的250)的数据值、维护或检查。

在640处，分析平均加速度数据和脉冲数据，以确定传感器或其他组件是否发生故障或连接是否松动。例如，当卡车经过颠簸时，特定传感器停止或报告异常值或错误值的传感器数据可以表明传感器出现故障或传感器连接松动。错误的值或不寻常的值可以至少部分通过将特定传感器的值与卡车上的其他传感器进行比较来确定。

在675处，进一步分析来自640和665的被分析的数据和确定，以确定是否发生了关键事故或故障。关键事故或故障是指危及卡车安全运行或有严重损坏卡车机械或电气系统风险的事故或故障。在680处，分析数据以确定事故或故障是否会危及自动驾驶车辆(即，本车辆、自动驾驶车辆(AV)等)的安全。注意，本车辆是指至少包含感知车辆周围环境的传感器的车辆)。在685处，可以应用最小风险条件以将卡车移出行驶车道或将卡车安全地停在行驶车道中。

图6所示的方法还包括确定自动驾驶车辆的振动暴露水平(在图6中称为道路颠簸度测量)，使用自动驾驶车辆的所确定的振动暴露水平进行传感器不当连接检测，使用自动驾驶车辆的所确定的振动暴露水平进行传感器故障检测，以及使用传感器不当连接监测和传感器故障监测结果进行自动驾驶车辆的功能安全分析。“尖峰”可以是指以下中的任何一种：传感器或系统运行的不规则性、传感器或系统的运行错误、由传感器或系统生成的虚假数据、由传感器和系统生成的超过某个阈值的数据、或者指示与传感器或系统相关的故障的数据或信息(例如，与传感器和系统的通信的丢失)。在一些实施例中，可以假定从传感器收集的传感器数据的基础数学模型。例如，真实世界中物体的物理(例如，电磁或机械等)特性(例如，物体的位置或物体的反射率等)通常不会改变到阈值以上。例如，在道路上行驶的卡车预计不会遇到速度超过每小时200至300英里的物体。类似地，物体的亮度通常不会在一个捕获帧时间内以10的倍数变化。传感器读数超过这样的阈值的任何变化都可以被认为是“尖峰”或虚假读数，这不是因为实际读数发生了变化，而是因为进行读数的框架可以发生了变化(例如，由于车辆遇到的道路颠簸导致影响传感器的过度车辆振动、或由于传感器故障)。

本专利文件中描述的主题和功能运行的实现可以在各种系统、半导体器件、超声波器件、数字电子电路系统中实现，或者在计算机软件、固件或硬件中实现，包括本说明书中公开的结构及其结构等同物，或者在上述各项中的一个或多个的组合中实现。本说明书中描述的主题的各方面的实现可以被实现为一个或多个计算机程序产品，例如，编码在有形和非暂态计算机可读介质上的用于由数据处理装置执行或控制数据处理装置的操作的计算机程序指令的一个或多个模块。计算机可读介质可以是机器可读存储设备、机器可读存储基板、存储器设备、影响机器可读传播信号的物质的组成、或者上述各项中的一个或多个的组合。术语“数据处理单元”或“数据处理装置”涵盖用于处理数据的所有装置、设备和机器，例如包括可编程处理器、计算机或多个处理器或计算机。除了硬件之外，该装置还可以包括为所讨论的计算机程序创建执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统、或上述各项中的一个或多个的组合的代码。

计算机程序(也称为程序、软件、软件应用、脚本或代码)可以用任何形式的编程语言编写，包括编译或解释语言，也可以以任何形式部署，包括作为独立程序或作为模块、组件、子例程、或适合在计算环境中使用的其他单元。计算机程序不一定与文件系统中的文件相对应。程序可以存储在保存其他程序或数据的文件的一部分中(例如，存储在标记语言文档中的一个或多个脚本)，存储在专用于所讨论的程序的单个文件中，或者存储在多个协调文件中(例如，存储一个或多个代码模块、子程序或部分的文件)。计算机程序可以被部署为在位于一个站点或分布在多个站点并且通过通信网络互连的一台计算机或多台计算机上执行。

本说明书中描述的过程和逻辑流程可以由一个或多个可编程处理器执行，该处理器执行一个或多个计算机程序，以通过对输入数据进行操作并且生成输出来执行功能。过程和逻辑流程也可以由专用逻辑电路系统执行，并且装置也可以被实现为专用逻辑电路系统，例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。

例如，适合于计算机程序的执行的处理器包括通用和专用微处理器两者、以及任何类型的数字计算机的任何一个或多个处理器。通常，处理器将从只读存储器或随机存取存储器或这两者接收指令和数据。计算机的基本元件是用于执行指令的处理器以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘，或者可操作地耦合以从这样的存储设备接收数据或向其传输数据，或者这两者。然而，计算机不需要具有这样的设备。适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备，包括例如半导体存储器设备，例如EPROM、EEPROM和闪存设备。处理器和存储器可以由专用逻辑电路系统来补充或者并入专用逻辑电路系统中。

在本公开中，LiDAR和LIDAR用于指代光检测和测距设备和方法，并且替代地或另外地，指代激光检测和测距设备和方法。使用这些首字母缩略词并不表示将所描述的设备、系统或方法限制为使用一个而非另一个。

虽然本专利文件包括很多细节，但这些细节不应当被解释为对任何发明或可以要求保护的内容的范围的限制，而是对可以特定于特定发明的特定实施例的特征的描述。本专利文件中在单独实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合在多个实施例中实现。此外，尽管特征可以在上面被描述为以某些组合起作用，甚至最初被如此要求保护，但是在某些情况下，来自所要求保护的组合的一个或多个特征可以从该组合中删除，并且所要求保护的组合可以指向子组合或子组合的变体。

类似地，虽然图中以特定顺序描述了操作，但这不应当被理解为要求这样的操作以所示的特定顺序或按顺序执行或者要求执行所有所示的操作以获取期望结果。此外，本专利文件中描述的实施例中的各种系统组件的分离不应当被理解为在所有实施例中都需要这样的分离。

仅描述了少数实现和示例，并且可以基于本专利文件中描述和说明的内容来做出其他实现、增强和变型。

驾驶运行模块

Claims (24)

1.一种确定自动驾驶车辆的环境暴露的方法，包括：

从安装到所述自动驾驶车辆的一个或多个冲击或振动传感器获取传感器数据；

基于所获取的传感器数据来确定所述自动驾驶车辆处的振动水平或冲击水平；

将所述自动驾驶车辆的所述振动水平添加到所述自动驾驶车辆的累积振动水平；以及

确定所述自动驾驶车辆的所述累积振动水平是否超过所述自动驾驶车辆的所述累积振动水平的预定阈值。

2.根据权利要求1所述的方法，还包括：

将所述振动水平与从所述一个或多个冲击或振动传感器所获取的基线数据进行比较，或者将所述振动水平与对应于正常运行的机械元件的已知的振动简档和对应于失效的机械元件的振动简档进行比较。

3.根据权利要求2所述的方法，还包括：

从安装到所述自动驾驶车辆的一个或多个温度传感器获取温度数据；

将所述温度数据与基线温度数据的一个或多个阈值进行比较；以及

基于所述比较来确定所获取的温度数据是否指示机械故障或机械磨损。

4.根据权利要求3所述的方法，还包括：

基于所述振动水平与基线数据的所述比较或者所述振动水平与已知振动简档的比较以及所述温度数据的所述比较来确定是否存在一个或多个异常，并且基于所确定的一个或多个异常来将所述异常的严重性评级为多个等级。

5.根据权利要求4所述的方法，其中所述多个等级包括表示在已知可接受的参数内工作的第一等级、表示在第一警告基线附近工作的第二等级、表示重复超过黄色的第三等级、以及表示需要立即关注所述车辆的第四等级。

6.根据权利要求1至5中任一项所述的方法，还包括：

确定所述自动驾驶车辆的所述振动水平超过预定振动阈值。

7.根据权利要求1至6中任一项所述的方法，还包括：

响应于确定所述自动驾驶车辆的所述累积振动水平超过所述自动驾驶车辆的所述累积振动水平的所述预定阈值，对所述自动驾驶车辆执行维护。

8.根据权利要求1至7中任一项所述的方法，其中将所述自动驾驶车辆的所述振动水平添加到所述自动驾驶车辆的所述累积振动水平是响应于确定所述自动驾驶车辆的所述振动水平超过所述预定振动阈值而执行的。

9.根据权利要求1至8中任一项所述的方法，其中所述振动水平包括所述振动的幅度。

10.根据权利要求1至9中任一项所述的方法，其中所述振动水平包括所述振动的持续时间。

11.根据权利要求1至10中任一项所述的方法，其中所述一个或多个冲击或振动传感器包括多个冲击传感器和多个振动传感器。

12.根据权利要求1至11中任一项所述的方法，其中所述多个振动传感器中的每个振动传感器是微机电系统(MEMS)类型的传感器。

13.根据权利要求11所述的方法，其中所述多个冲击传感器中的每个冲击传感器是微机电系统(MEMS)类型的传感器或压电类型的传感器。

14.一种自动驾驶系统，包括：

机械元件监测模块，被配置为从安装到自动驾驶车辆的一个或多个冲击或振动传感器接收传感器数据；

温度监测模块，被配置为从安装到所述自动驾驶车辆的一个或多个温度传感器接收温度数据；以及

粗糙度测量模块，被配置为经由安装到所述自动驾驶车辆的多个加速度计和/或陀螺仪接收所述自动驾驶车辆的道路粗糙度数据。

15.根据权利要求14所述的自动驾驶系统，其中所述自动驾驶车辆所经历的道路状况的粗糙度基于所述自动驾驶车辆所经历的振动、减速和机械冲击的幅度和持续时间从所述粗糙度数据来确定。

16.根据权利要求14至15中任一项所述的自动驾驶系统，其中所述温度监测模块还被配置为将所述温度数据与基线温度数据的一个或多个阈值进行比较，并且基于所述比较来确定所接收的温度数据是否指示机械故障或机械磨损。

17.根据权利要求14至16中任一项所述的自动驾驶系统，其中所述机械元件监测模块还被配置为基于所获取的传感器数据来确定所述自动驾驶车辆处的振动水平或冲击水平，将所述自动驾驶车辆的所述振动水平添加到所述自动驾驶车辆的累积振动水平，并且确定所述自动驾驶车辆的所述累积振动水平是否超过所述自动驾驶车辆的所述累积振动水平的预定阈值。

18.一种检测自动驾驶车辆中的传感器与处理单元之间的松动连接的方法，所述方法包括：

记录所述传感器的故障的实例；

将在时间长度内发生的所述传感器的故障的发生次数与所述自动驾驶车辆在所述时间长度内暴露于过度冲击或振动的次数相关联；

响应于确定所述传感器故障的发生次数与所述自动驾驶车辆暴露于过度冲击或振动的次数之间的水平或相关性高于阈值，确定与所述传感器的所述连接是松动的。

19.根据权利要求18所述的方法，其中所述自动驾驶车辆暴露于过度冲击或振动的次数使用所述自动驾驶车辆中的一个或多个加速度计来确定。

20.根据权利要求18至19中任一项所述的方法，其中传感器故障是以下中的一项的发生：

传感器产生警告代码，

传感器产生错误代码，

所述自动驾驶车辆中从所述传感器接收数据的设备得出由所述传感器产生的数据具有较低质量或具有一些意外的值或异常的值的结论，或者

所述设备失去与所述传感器的连接持续一段时间。

21.根据权利要求18至20中任一项所述的方法，其中所述传感器的故障的每个记录的实例包括所述故障的发生的时间。

22.根据权利要求18至21中任一项所述的方法，还包括：

向所述自动驾驶车辆的控制系统发送指示所述传感器连接松动的消息。

23.根据权利要求18至22中任一项所述的方法，还包括：

响应于确定所述传感器故障的发生次数与所述自动驾驶车辆暴露于过度振动的次数之间的所述水平或相关性低于阈值并且在所述时间长度内记录的潜在传感器故障的数量高于对应的阈值，确定所述传感器需要检查。

24.根据权利要求18至23中任一项所述的方法，还包括：

向所述自动驾驶车辆的控制系统发送指示所述传感器需要检查的消息。