Układy hamulcowe są kluczowe dla bezpiecznych samochodów autonomicznych. Czujniki wykrywają zagrożenia, ale hamulce zatrzymują samochód. W ruchu drogowym dobre hamulce zapewniają płynne poruszanie się lub bezpieczne zatrzymanie.
Związek między sterowaniem samochodem a hamulcami jest jasny. Algorytmy sterują hamulcami, które muszą działać dobrze zarówno w sterowaniu automatycznym, jak i manualnym.
Pojazdy autonomiczne dążą do spójnego hamowania. Firmy takie jak Waymo i Tesla zapewniają integrację hamulców z systemami bezpieczeństwa w celu bezpiecznego zatrzymania.
W USA regulatorzy sprawdzają hamulce zanim samochody wyjadą na drogę. Firmy monitorują wydajność hamowania, aby zapewnić bezpieczeństwo, gdy coraz więcej samochodów prowadzi się samodzielnie.
Podstawy systemu hamulcowego dla pojazdów autonomicznych
Systemy hamulcowe są kluczowe dla zdolności pojazdu autonomicznego do bezpiecznego zatrzymywania się. Zrozumienie, jak obsługiwać i stosować hamulce oraz jak używać czujników do pomiaru wydajności zapewnia, że pojazdy autonomiczne zatrzymują się bezpiecznie. Projektanci chcą, aby wszystkie dwa zastosowania hamulców były odczuwane tak samo, niezależnie od pojazdu czy prędkości; szybko się chłodziły i dostarczały jasne informacje diagnostyczne, które pomagają w podejmowaniu decyzji przez elektroniczny system sterowania.
Podstawowe komponenty: klocki hamulcowe, tarcze hamulcowe, zaciski hamulcowe i płyn hamulcowy
Klocki hamulcowe spowalniają pojazd poprzez tarcie o tarcze hamulcowe. Inżynierowie wybierają trwałe materiały klocków do różnych temperatur.
Tarcze hamulcowe pochłaniają ciepło podczas zatrzymywania. Lekkie, wentylowane tarcze zmniejszają wagę i zapobiegają przegrzewaniu.
Zaciski hamulcowe wywierają nacisk na klocki. Zaciski stałe zapewniają kontrolę, podczas gdy zaciski pływające oszczędzają wagę.
Płyn hamulcowy przenosi siłę z pompy hamulcowej na koła, wymagając wysokiego punktu wrzenia i czystości dla spójnego hamowania.
Preferencje platform autonomicznych dotyczące hamulców tarczowych w porównaniu do bębnowych są następujące:
Większość pojazdów autonomicznych preferuje hamulce tarczowe, ponieważ szybciej się chłodzą i są bardziej odporne na zanik siły hamowania niż hamulce bębnowe; dlatego hamulce tarczowe będą używane w większości układu hamulcowego pojazdu autonomicznego. Jednak niektóre pojazdy autonomiczne mogą nadal używać hamulców bębnowych na tylnej osi ze względów ekonomicznych i mogą mieć problemy z wydajnością przy intensywnym użytkowaniu, dlatego hamulce bębnowe są prawie nigdy nie używane jako główny układ hamulcowy pojazdu.
Jak ABS integruje się z systemami sterowania autonomicznego
ABS zapobiega blokowaniu kół i utrzymuje sterowność pojazdu podczas gwałtownego hamowania, co jest postrzegane jako podstawowa funkcja bezpieczeństwa.
ABS wysyła dane o prędkości obrotowej kół do sterowników pojazdu, łącząc je z danymi z LiDAR, radaru i kamer w celu dostosowania hamowania w czasie rzeczywistym.
Projektanci równoważą ABS i hamowanie autonomiczne, zapewniając bezpieczeństwo nawet w przypadku awarii czujników.
Integracja czujników i oprogramowania z systemami hamowania
Nowoczesny system hamulcowy wykorzystuje czujniki i oprogramowanie. LiDAR, radar i kamery pomagają określić siłę hamowania i czas jego reakcji. System ten musi być szybki, przewidywalny i odporny na błędy, aby zapewnić bezpieczeństwo.
Jak LiDAR, radar i kamery wpływają na decyzje dotyczące hamowania
Obrazowanie 3D zapewniane przez LiDAR dostarcza algorytmom informacji o obiektach pod względem odległości i kształtu, pomagając określić wymaganą siłę hamowania.
Radar zbiera dane o prędkości przy słabej widoczności, co jest ważne przy określaniu siły hamowania i momentu jego zastosowania.
Kamery zbierają dodatkowe informacje (np. światła drogowe, piesi itp.) o otoczeniu, co zapewnia dodatkowe szczegóły dotyczące tego, jak ogólny system rozumie swoje otoczenie. Łączenie danych z różnych czujników (fuzja czujników) zmniejsza błędy w decyzjach dotyczących hamowania i poprawia integrację komponentów systemu.
Systemy hamulcowe typu „drive-by-wire” i redundancja oprogramowania
Systemy hamulcowe typu „drive-by-wire” wykorzystują polecenia elektroniczne do szybszego i precyzyjnego hamowania.
Dla bezpieczeństwa istnieje redundancja oprogramowania i mechanizmy bezpieczeństwa, zapewniające działanie hamulców nawet w przypadku wystąpienia awarii.
Przetwarzanie danych w czasie rzeczywistym do hamowania awaryjnego
Nagłe zatrzymania wymagają szybkiego działania. Hamowanie w czasie rzeczywistym wymaga szybkiego przetwarzania danych w celu bezpiecznego zatrzymania.
Platformy takie jak NVIDIA Drive uruchamiają te procesy, priorytetyzując komunikaty dotyczące hamowania.
Testy oceniają szybkość reakcji systemu, potwierdzając bezpieczne zatrzymanie w rzeczywistych sytuacjach.
Możliwość | Główny czujnik | Moc | Rola w hamowaniu |
Odległość i kształt | LiDAR | Geometryczne modele 3D o wysokiej rozdzielczości | Obliczanie drogi hamowania i konturów obiektów w celu precyzyjnego sterowania hamowaniem |
Prędkość i prędkość zbliżania | Radar | Niezawodny pomiar prędkości w trudnych warunkach pogodowych | Dostarczanie danych o prędkości zbliżania w celu ustawienia siły hamowania i unikania kolizji |
Kontekst semantyczny | Kamery | Klasyfikacja obiektów i rozumienie sceny | Identyfikacja pieszych, sygnalizacji świetlnej i linii pasa ruchu w celu określenia konieczności hamowania |
Sterowanie aktywacją | Hamowanie elektroniczne (Brake-by-wire) | Szybkie elektroniczne sterowanie momentem obrotowym | Precyzyjne i powtarzalne wykonywanie zaplanowanych profili hamowania |
Warstwy bezpieczeństwa | Redundantne sterowniki ECU i czujniki | Niezależne ścieżki przełączania awaryjnego | Utrzymanie funkcji hamowania w przypadku częściowych awarii poprzez redundancję oprogramowania |
Deterministyczna reakcja | Przetwarzanie brzegowe + RTOS | Przetwarzanie w skali milisekund | Zapewnienie hamowania w czasie rzeczywistym decyzje spełniają wymagania czasowe |
Walidacja wydajności i bezpieczeństwa hamulców
Testowanie i walidacja są kluczowe dla zaufania do autonomicznych hamulców. Inżynierowie sprawdzają drogę hamowania, czas reakcji hamulców i szybkość zwalniania pojazdu. Analizują również spójność działania hamulców.
Aby porównać średnie, testy hamowania awaryjnego będą przeprowadzane w kontrolowanych warunkach, na przykład w M-City, pod kątem czynników takich jak wydajność hamulców i temperatura, a także w celu potwierdzenia wymagań wizowych dla części.
Przeprowadzone zostaną różne rodzaje testów. Na przykład symulacje pozwalają nam testować wiele warunków i zmieniać cyfrowe specyfikacje przed ich wdrożeniem w rzeczywistości.
Testy będą przeprowadzane z użyciem rzeczywistych pojazdów na drogach publicznych, dostarczając informacji o tym, co najlepiej sprawdzi się w typowych warunkach drogowych i jak ulepszyć nasze produkty, zapewniając zgodność z normami FMVSS i NHTSA w zakresie niezawodności i bezpieczeństwa.
Każdy stan opracował przepisy regulujące testowanie pojazdów autonomicznych, aby zapewnić, że producenci dostarczą dane o wypadkach i dowody na niezawodność swoich systemów. W związku z tym producenci muszą dostarczyć informacje lub dane z testów lub symulacji, aby udowodnić zgodność z przepisami stanowymi, co skutkuje usprawnioną metodą monitorowania i kontroli.
Kwestie konserwacji flot autonomicznych
Floty autonomiczne wymagają starannej konserwacji sprzętu i oprogramowania. Telematyka i modele predykcyjne pomagają unikać awarii. Menedżerowie flot wykorzystują dane do planowania i audytów.
Systemy telematyczne śledzą zużycie hamulców, sprawdzając grubość klocków i zużycie energii. Alerty wskazują, kiedy hamulce wymagają uwagi.
Zdalna diagnostyka wykrywa nierówne tarcze lub luźne zaciski, co jest kluczowe dla elektrycznych pojazdów wahadłowych i dostawczych.
Elektryczne busy i furgonetki wykorzystują hamowanie rekuperacyjne, co zmniejsza zużycie klocków hamulcowych, ale hamulce cierne są nadal potrzebne w sytuacjach awaryjnych.
Zarządzanie płynem hamulcowym i interwały serwisowe
Płyn hamulcowy pochłania wilgoć i traci temperaturę wrzenia. Regularne kontrole są kluczowe dla bezpieczeństwa. Floty wymieniają płyn hamulcowy co dwa do trzech lat.
Automatyczne przypomnienia utrzymują konserwację na bieżąco. Dzienniki serwisowe rejestrują wymiany płynów i wyniki dla regulatorów.
Konserwacja predykcyjna zapobiega awariom
Konserwacja predykcyjna wykorzystuje uczenie maszynowe na danych telemetrycznych do prognozowania awarii części i monitorowania stanu czujników.
Analizy wykrywają degradację, umożliwiając oprogramowaniu ograniczenie działania pojazdu lub zlecenie serwisu.
Obszar konserwacji | Kluczowe dane telemetryczne | Typowy interwał | Działanie floty |
Klocki hamulcowe | Grubość klocków, liczba aktywacji, energia na zatrzymanie | Zmienne; wymień po osiągnięciu progu | Zaplanuj wymianę, zarejestruj serwis |
Tarcze hamulcowe | Podpisy wibracji, pomiary bicia promieniowego, skoki temperatury | Sprawdź podczas wymiany klocków lub w przypadku wystąpienia alertów | Przeszlifuj lub wymień, zaktualizuj historię wirnika |
Płyn hamulcowy | Zawartość wilgoci, testy punktu wrzenia | Co 2–3 lata lub zgodnie z zaleceniami producenta OEM | Wypłucz i uzupełnij, udokumentuj na platformie |
Stan czujników i ABS | Zmienność prędkości kół, kody błędów, zaniki sygnału | Ciągłe monitorowanie z okresową walidacją | Przeprowadź diagnostykę, napraw lub wymień części |
Konserwacja predykcyjna | Dane historyczne telemetryczne, dane środowiskowe, wiek komponentów | Ciągłe aktualizacje modeli | Priorytetyzacja napraw, skrócenie czasu przestoju |
Wyzwania operacyjne i implikacje dla bezpieczeństwa publicznego
Pojazdy autonomiczne (AV) napotykają wyzwania, takie jak stała wydajność hamulców, konieczność radzenia sobie z oblodzonymi drogami i ulewnym deszczem. Wymaga to adaptacyjnego sterowania w celu zmniejszenia ryzyka.
Czujniki mogą być zasłonięte przez śnieg lub brud, co powoduje opóźnienia i nagłe hamowanie w celu zapewnienia bezpieczeństwa.
Zarządzanie flotami zwiększa złożoność. Konserwacja, części i szkolenie techników są kluczowe; jeśli są źle zarządzane, hamowanie cierpi, zwiększając ryzyko wypadków i szkodząc bezpieczeństwu publicznemu.
Jasne zasady dotyczące działania pojazdów autonomicznych są kluczowe dla bezpieczeństwa i odpowiedzialności.
Przejrzystość w raportowaniu incydentów buduje zaufanie, co jest kluczowe dla akceptacji pojazdów autonomicznych i priorytetyzacji bezpieczeństwa.
Aby zwiększyć bezpieczeństwo pojazdów autonomicznych, stosujemy wiele warstw ochronnych, w tym czujniki i oprogramowanie, oraz ustalamy limity operacyjne w złych warunkach pogodowych. Współpraca z lokalnymi władzami jest niezbędna.