技术领域
[0001] 本
发明属于智能驾驶
汽车技术领域，尤其涉及一种基于侧倾风险指标的车辆危险状态预警方法。
背景技术
[0002] 如今车辆侧翻事故频发，虽然车辆侧翻事故在所有事故总数中所占比重较小，但一旦发生事故，就会造成重大的人员伤亡和财产损失，据调查，车辆侧翻事故占总事故率的3％，但却造成33％的事故死亡率。根据美国NHTSA报告显示，2013-2016年间美国的车辆侧翻事故和死亡人数都呈现逐年递增趋势。驾驶员很难察觉车辆在紧急操纵工况下很可能车辆失稳及随之而来的车辆侧翻事故。因此，对于车辆侧翻事故的主动监测和预警研究就显得十分必要，以此来降低车辆侧翻事故率。如今车辆侧倾预警研究主要集中在对车辆侧倾静态指标、车辆侧倾时间预估、弯道危险车速等方面。目前还缺少对于涵盖多个车辆动态参数和结构参数的侧倾指标分析，只有将车辆侧倾
角、侧倾角速率、横向
加速度、侧倾高度变化等参数综合考虑，才能将侧倾指标更精确化，更进一步降低风险预警
精度，给予驾驶员更准确的预警，降低车辆侧翻事故发生率。
[0003] 现有车辆侧倾风险预警，如
申请号CN201710429872.3，一种基于
重心高度在线估计的车辆侧翻指数预测方法，主要通过自适应滤波理论来获取有关的重心高度辨识模型，其中需要通过大量自适应学习来更新数据，计算量大，对
硬件要求高，存在时滞性问题。如申请号CN201710363190.7，一种液体
罐车弯道行驶防侧翻预警控制系统和方法，只考虑了车辆临界侧翻速度，当忽略了车辆横向加速度、侧倾角等参数的共同影响，指标精度低。如申请号CN201410128767.2，一种驾驶员交互式商用车辆侧翻预警方法及系统，在车辆入弯时通过查询MAP表，判断车辆未来在弯道中行驶的侧翻倾向，同样只考虑了车辆车速问题，完全忽视了其他影响更大的状态参数。
[0004] 由以上现有
专利可以看出，现有的车辆侧翻预警方法主要还是从车速的限定、车辆重心高度等单方面考虑，忽略了很多车辆自身的结构参数和状态参数的影响，大大降低了预警精度。因此，要全面考虑各类参数的影响，才能更有效为驾驶员提供风险预警。
发明内容
[0005] 本发明主要解决的问题是：如何搭建一个车辆侧倾风险预估指标，以及综合考虑对车辆侧倾时参数的动态预估，来提高侧倾风险预估指标的精度，最后根据改进的侧倾风险预估指标来建立一种基于侧倾风险指标的车辆危险状态预警系统。
[0006] 本发明提供一种以车辆侧倾参数预估为
基础的侧倾风险指标，通过车辆动
力学模型、误差辨识模型、最小递推二乘参数预估
算法，来建立一种车辆侧倾风险模型，为车辆提供实时精确的危险预警。
[0007] 本发明解决其技术问题所采用的方案是一种基于侧倾风险指标的车辆危险状态预警方法，其特征在于，以下步骤：
[0008] 步骤1：建立车辆侧倾中心的侧倾方向力矩平衡模型，用于计算整车左右
车轮的垂直
载荷差值，建立车辆簧上质心的垂直方向动力学模型，用于计算车辆两侧车轮垂直载荷总和，通过左右车轮的垂直载荷差值以及车辆两侧车轮垂直载荷总和计算侧倾风险指标；
[0009] 步骤2：车辆横向加速度结合车辆侧倾中心的侧倾方向力矩平衡模型，分别得到固定侧倾中心的侧倾角、侧倾角速率、侧倾
角加速度，进一步结合实测的侧倾角、侧倾角速率以及侧倾角加速度，建立车辆状态参数误差辨识模型；
[0010] 步骤3：通过最小递推二乘模型计算出车辆侧倾高度、侧倾中心
转动惯量、悬架等效侧倾
刚度、悬架等效阻尼系数的实时变化情况，以此获取车辆的侧倾高度误差、侧倾中心转动惯量误差、悬架等效侧倾刚度误差、悬架等效阻尼系数误差；
[0011] 步骤4：通过
传感器测量得到的横向加速度、侧倾角、侧倾角速率、侧倾角加速度，以及实时修正侧倾高度、修正悬架等效阻尼系数、修正悬架等效侧倾刚度以及修正侧倾中心转动惯量，建立基于实时修正的侧倾高度的侧倾风险指标模型；
[0012] 步骤5：通过基于实时修正参数的侧倾风险指标模型，标定侧倾风险
阈值，再根据侧倾风险阈值判断是否发生侧翻危险。
[0013] 作为优选，步骤1中所述建立车辆侧倾中心的侧倾方向力矩平衡模型为：
[0014] 步骤1.1,建立车辆沿y轴侧倾的车辆动力学模型，假设不考虑车辆轮胎模型，非簧载
质量对侧倾的影响，以及车辆侧倾中心高度固定不变，则车辆侧倾中心的侧倾方向力矩平衡模型为：
[0015]
[0016] 其中，ms为车辆簧载质量，hs为簧载
质量中心到侧倾中心的距离即侧倾高度，g为
重力加速度，θ为路面横坡角，kφ为悬架等效侧倾刚度，cφ为悬架等效侧倾阻尼系数，Ixx为侧倾中心转动惯量，ay为横向加速度，φ为侧倾角，为侧倾角速率，为侧倾角加速度；
[0017] 步骤1.2,当综合考虑车辆悬架和车轮垂直载荷对侧倾的影响时，可得到车辆侧倾中心的侧倾方向力矩平衡模型：
[0018]
[0019] 其中，Fzr为车辆右侧车轮垂直载荷、Fzl为车辆左侧车轮垂直载荷、T为
轮距；
[0020] 步骤1.3,由上述的力矩平衡方程可得到左右车轮的垂直载荷差值表达式:车辆左右车轮的垂直载荷差值表达式：
[0021]
[0022] 步骤1中所述车辆簧上质心的垂直方向动力学模型：
[0023] 建立车辆簧载质量在z轴方向上的受力平衡方程：
[0024]
[0025] 其中，
[0026] 即可得车辆两侧车轮垂直载荷总和:
[0027]
[0028] 其中，为簧载质心沿z轴的垂直加速度；
[0029] 步骤1中所述的侧倾风险指标为：
[0030] 将上述所建立的车辆轮胎垂直载荷之差和垂直载荷之求比值，即可得到车辆侧倾风险指标：
[0031]
[0032] 作为优选，步骤2中所述车辆横向加速度为ay，通过车辆横向加速度传感器获取；
[0033] ay通过步骤1的车辆侧倾中心的侧倾方向力矩平衡模型可分别计算得到固定侧倾中心的侧倾角为φo、固定侧倾中心的侧倾角速率为 固定侧倾中心的侧倾角加速度为与实车车辆质心侧倾角传感器测得的侧倾角为φm、
陀螺仪测得的侧倾角速率为 侧倾角加速度传感器测得的侧倾角加速度为 进行综合计算，建立车辆状态参数误差辨识模型；
[0034] 步骤2中所述的车辆状态参数误差辨识模型：
[0035] 步骤2.1：通过车辆横向加速度传感器所测得的横向加速度ay，带入车辆侧倾中心固定的侧倾力矩模型计算可得车辆在侧倾中心固定的情形下的车辆侧倾角φo、侧倾角速率 侧倾角加速度
[0036] 此时计算出的车辆状态参数与实际测量值存在一定的误差，因此需要建立误差辨识模型；
[0037] 设车辆初始
位置的侧倾力矩平衡方程为：
[0038]
[0039] 其中hos为固定侧倾中心的车辆侧倾高度、koφ为固定侧倾中心的悬架等效侧倾刚度、coφ为固定侧倾中心的悬架等效侧倾阻尼系数、Ixx_o为固定侧倾中心的侧倾中心转动惯量。φo固定侧倾中心的车辆侧倾角、 为固定侧倾中心的侧倾
角速度、 为固定侧倾中心的侧倾角加速度；
[0040] 步骤2.2，由于实际车辆的侧倾高度是变化的，同理，车辆的侧倾力矩平衡方程为：
[0041]
[0042] 同理，式中，hms为实车的侧倾高度、kmφ为实车的悬架等效侧倾刚度、cmφ为实车的悬架等效侧倾阻尼系数、Ixx_m为实车的侧倾中心转动惯量。φm为实车测得的侧倾角、 为实车测得的侧倾角速度、 为实车测得的侧倾角加速度；
[0043] 步骤2.3，在同一横向加速度ay下，利用车辆侧倾模型对车辆侧倾高度进行实时辨识，定义两个模型间的参数增量为：
[0044] ΔIxx＝Ixx_m-Ixx_o
[0045] Δkφ＝kmφ-koφ
[0046] Δcφ＝cmφ-coφ
[0047] Δhs＝hms-hos
[0048] 其中，Δhs为实车和车辆模型的侧倾高度误差、ΔIxx为侧倾中心转动惯量误差、Δkφ为悬架等效侧倾刚度误差、Δcφ为悬架等效阻尼系数误差；
[0049] 将实车动力学侧倾方程和固定侧倾高度侧倾模型相减，再联立参数增量式，因为车辆侧倾角较小，所以可设cosφ≈1,sinφ≈φ，则可得到车辆参数误差辨识模型的表达式：
[0050]
[0051] 作为优选，步骤3中所述建立最小递推二乘模型来预估车辆侧倾高度、侧倾中心转动惯量、悬架等效侧倾刚度、悬架等效阻尼系数的实时变化；
[0052] 最小递推二乘模型为：
[0053] Y(t)＝XT(t)θ(t)+η(t)
[0054] 其中：
[0055]
[0056] 式中，Y(t)为已知输出、X(t)为回归向量、η(t)为系统噪声、θ(t)为待预估的参数向量，Δhs为车辆的侧倾高度误差，ΔIxx为侧倾中心转动惯量误差，Δkφ为悬架等效侧倾刚度误差，Δcφ为悬架等效阻尼系数误差；
[0057] 通过采用RLS算法对误差辨识模型的参数进行预估，可有效估计未知扰动并对其进行补偿从而提高参数辨识精度和鲁棒特性；
[0058] 其算法如下：
[0059]
[0060] 式中， 为待预估的参数向量、P(t)为协方差矩阵、 为扰动值、Q(z)为
滤波器；
[0061] 作为优选，步骤4所述基于实时修正的侧倾高度的侧倾风险指标为：
[0062] 步骤4.1,由已知的Y(t)，X(t)，η(t)可求预估参数向量θ(t)，以此计算出车辆的侧倾高度误差为Δhs、侧倾中心转动惯量误差为ΔIxx、悬架等效侧倾刚度误差为Δkφ、悬架等效阻尼系数误差为Δcφ，在此基础上可得车辆的修正侧倾高度h*s＝hos+Δhs、修正悬架等效阻尼系数c*φ＝coφ+Δcφ、修正悬架等效侧倾刚度k*φ＝koφ+Δkφ以及修正侧倾中心转动惯量I*xx＝Ixx_o+ΔIxx；
[0063] 步骤4.2,所述基于实时修正的侧倾高度的侧倾风险指标模型为：
[0064]
[0065] 其中，ay为传感器测量得到的横向加速度，φm为传感器测量得到的侧倾角， 为传感器测量得到的侧倾角速率， 为传感器测量得到的侧倾角加速度，h*s为实时修正侧倾高度，c*φ为修正悬架等效阻尼系数，k*φ为修正悬架等效侧倾刚度，I*xx为修正侧倾中心转动惯量；
[0066] 作为优选，步骤5中所述侧倾风险阈值设定为|RITH|＝0.8；
[0067] 步骤5所述的判断是否发生侧翻危险的方法为：
[0068] 当|RI|＜0.8时，车辆处于安全状态；
[0069] 当|RI|≥0.8时，车辆即将处于侧翻危险状态；
[0070] 一种为实现基于侧倾风险指标的车辆危险状态预警系统，其特征在于，包括：
[0071] 车辆质心侧倾角传感器、横向加速度传感器、陀螺仪、侧倾角加速度传感器、
微处理器、显示屏预警模
块、
方向盘电机驱动模块、方向盘电机、偏心旋转块；
[0072] 所述微处理器分别与所述的车辆质心侧倾角传感器、横向加速度传感器、陀螺仪、侧倾角加速度传感器通过
导线依次连接；所述微处理器分别与所述的显示屏预警模块、方向盘电机驱动模块通过导线依次连接；所述的方向盘电机驱动模块、方向盘电机、偏心旋转块通过导线依次
串联连接。
[0073] 本发明的优点在于：搭建了一个基于车辆动力学模型的车辆侧倾指标，综合考虑车辆状态参数和固有参数的动态响应，能提高车辆在过弯操纵下的侧翻风险检测精度，既可避免不必要的错误预警，也可给予驾驶员或者控制机构更为提前的反应时间，做出准确的避险响应。本发明的一种为实现基于侧倾风险指标的车辆危险状态预警系统结构简易，可有效警示驾驶员车辆有侧翻风险，避免激烈驾驶。
附图说明
[0074] 图1：为本发明所提出的车辆侧倾动力学模型示意图；
[0075] 图2：为本发明所提出的侧倾风险预警系统图；
[0076] 图3：为本发明所提出的侧倾风险预警方法
流程图。
具体实施方式
[0077] 下面将结合本发明
实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0078] 一种基于侧倾风险指标的车辆危险状态预警系统及方法，图1为车辆侧倾动力学模型示意图，其示意了本发明是发生在车辆过弯的情形下，表现了车辆侧倾时侧倾中心高度变化，标注了相关参数，可以对车辆动力学模型做简要描述。如图2所示，为本发明的系统结构示意图。
[0079] 一种基于侧倾风险指标的车辆危险状态预警系统，如图3所示包括：
[0080] 车辆质心侧倾角传感器、横向加速度传感器、陀螺仪、侧倾角加速度传感器、微处理器、显示屏预警模块、方向盘电机驱动模块、方向盘电机、偏心旋转块；
[0081] 所述微处理器分别与所述的车辆质心侧倾角传感器、横向加速度传感器、陀螺仪、侧倾角加速度传感器通过导线依次连接；所述微处理器分别与所述的显示屏预警模块、方向盘电机驱动模块通过导线依次连接；所述的方向盘电机驱动模块、方向盘电机、偏心旋转块通过导线依次串联连接；所述的偏心旋转块
接触于
方向盘轮缘。
[0082] 所述车辆质心侧倾角传感器选型为ACT926T，用于测量车辆实时的质心侧倾角；
[0083] 所述横向加速度传感器选型为AD100-3X，用于测量车辆实时的横向加速度；
[0084] 所述陀螺仪选型为PA-LAMI，用于测量车辆实时的质心侧倾角速率；
[0085] 所述侧倾角加速度传感器选型为7302BM5，用于测量车辆实时的质心侧倾角加速度；
[0086] 所述微处理器选型为：STM32F042F6P6，用于计算车辆的实时侧倾高度、侧倾中心转动惯量、悬架等效侧倾刚度、悬架等效阻尼系数修正值和基于这些修正参数的RI值；判断RI值是否超过其阈值，来决定显示屏预警模块和方向盘电机驱动模块的工作方式；
[0087] 所述显示屏预警模块选型为：HX078401G06，用于显示车辆当前侧倾状态；
[0088] 所述方向盘电机驱动模块选型为TMCM-1160，用于驱动方向盘电机；
[0089] 所述方向盘电机选型为OT-CM1013，用于驱动偏心旋转块；
[0090] 所述偏心旋转块选型为100752904K2，用于转动产生轻微振动；
[0091] 下面结合1至图3介绍本发明的具体实施方式为一种基于侧倾风险指标的车辆危险状态预警方法，具体包括以下步骤：
[0092] 步骤1：建立车辆侧倾中心的侧倾方向力矩平衡模型，用于计算整车左右车轮的垂直载荷差值Fzr-Fzl，建立车辆簧上质心的垂直方向动力学模型，用于计算车辆两侧车轮垂直载荷总和Fzr+Fzl，通过左右车轮的垂直载荷差值以及车辆两侧车轮垂直载荷总和计算侧倾风险指标RI。
[0093] 步骤1中所述建立车辆侧倾中心的侧倾方向力矩平衡模型为：
[0094] 步骤1.1,建立车辆沿y轴侧倾的车辆动力学模型，假设不考虑车辆轮胎模型，非簧载质量对侧倾的影响，以及车辆侧倾中心高度固定不变，则车辆侧倾中心的侧倾方向力矩平衡模型为：
[0095]
[0096] 其中，ms为车辆簧载质量，hs为簧载质量中心到侧倾中心的距离即侧倾高度，g为重力加速度，θ为路面横坡角，kφ为悬架等效侧倾刚度，cφ为悬架等效侧倾阻尼系数，Ixx为侧倾中心转动惯量，ay为横向加速度，φ为侧倾角，为侧倾角速率，为侧倾角加速度；
[0097] 步骤1.2,当综合考虑车辆悬架和车轮垂直载荷对侧倾的影响时，可得到车辆侧倾中心的侧倾方向力矩平衡模型：
[0098]
[0099] 其中，Fzr为车辆右侧车轮垂直载荷、Fzl为车辆左侧车轮垂直载荷、T为轮距；
[0100] 步骤1.3,由上述的力矩平衡方程可得到左右车轮的垂直载荷差值表达式:车辆左右车轮的垂直载荷差值表达式：
[0101]
[0102] 步骤1中所述车辆簧上质心的垂直方向动力学模型：
[0103] 建立车辆簧载质量在z轴方向上的受力平衡方程：
[0104]
[0105] 其中，
[0106] 即可得车辆两侧车轮垂直载荷总和:
[0107]
[0108] 其中，为簧载质心沿z轴的垂直加速度；
[0109] 步骤1中所述的侧倾风险指标为：
[0110] 将上述所建立的车辆轮胎垂直载荷之差和垂直载荷之求比值，即可得到车辆侧倾风险指标：
[0111]
[0112] 步骤2：车辆横向加速度结合车辆侧倾中心的侧倾方向力矩平衡模型，分别得到固定侧倾中心的侧倾角、侧倾角速率、侧倾角加速度，进一步结合实测的侧倾角、侧倾角速率以及侧倾角加速度，建立车辆状态参数误差辨识模型；
[0113] 步骤2中所述车辆横向加速度为ay，通过车辆横向加速度传感器获取；
[0114] ay通过步骤1的车辆侧倾中心的侧倾方向力矩平衡模型可分别计算得到固定侧倾中心的侧倾角为φo、固定侧倾中心的侧倾角速率为 固定侧倾中心的侧倾角加速度为与实车车辆质心侧倾角传感器测得的侧倾角为φm、陀螺仪测得的侧倾角速率为 侧倾角加速度传感器测得的侧倾角加速度为 进行综合计算，建立车辆状态参数误差辨识模型；作为优选，步骤2中所述车辆横向加速度为ay，通过车辆横向加速度传感器获取；
[0115] 步骤2中所述的车辆状态参数误差辨识模型：
[0116] 步骤2.1，通过车辆横向加速度传感器所测得的横向加速度ay，带入车辆侧倾中心固定的侧倾力矩模型计算可得车辆在侧倾中心固定的情形下的车辆侧倾角φo、侧倾角速率 侧倾角加速度
[0117] 此时计算出的车辆状态参数与实际测量值存在一定的误差，因此需要建立误差辨识模型；
[0118] 设车辆初始位置的侧倾力矩平衡方程为：
[0119]
[0120] 其中hos为固定侧倾中心的车辆侧倾高度、koφ为固定侧倾中心的悬架等效侧倾刚度、coφ为固定侧倾中心的悬架等效侧倾阻尼系数、Ixx_o为固定侧倾中心的侧倾中心转动惯量。φo固定侧倾中心的车辆侧倾角、 为固定侧倾中心的侧倾角速度、 为固定侧倾中心的侧倾角加速度；
[0121] 步骤2.2，由于实际车辆的侧倾高度是变化的，同理，车辆的侧倾力矩平衡方程为：
[0122]
[0123] 同理，式中，hms为实车的侧倾高度、kmφ为实车的悬架等效侧倾刚度、cmφ为实车的悬架等效侧倾阻尼系数、Ixx_m为实车的侧倾中心转动惯量。φm为实车测得的侧倾角、 为实车测得的侧倾角速度、 为实车测得的侧倾角加速度；
[0124] 步骤2.3，在同一横向加速度ay下，利用车辆侧倾模型对车辆侧倾高度进行实时辨识，定义两个模型间的参数增量为：
[0125] ΔIxx＝Ixx_m-Ixx_o
[0126] Δkφ＝kmφ-koφ
[0127] Δcφ＝cmφ-coφ
[0128] Δhs＝hms-hos
[0129] 其中，Δhs为实车和车辆模型的侧倾高度误差、ΔIxx为侧倾中心转动惯量误差、Δkφ为悬架等效侧倾刚度误差、Δcφ为悬架等效阻尼系数误差；
[0130] 将实车动力学侧倾方程和固定侧倾高度侧倾模型相减，再联立参数增量式，因为车辆侧倾角较小，所以可设cosφ≈1,sinφ≈φ，则可得到车辆参数误差辨识模型的表达式：
[0131]
[0132] 步骤3：通过最小递推二乘模型计算出车辆侧倾高度、侧倾中心转动惯量、悬架等效侧倾刚度、悬架等效阻尼系数的实时变化情况，以此获取车辆的侧倾高度误差、侧倾中心转动惯量误差、悬架等效侧倾刚度误差、悬架等效阻尼系数误差；
[0133] 步骤3中所述建立最小递推二乘模型来预估车辆侧倾高度、侧倾中心转动惯量、悬架等效侧倾刚度、悬架等效阻尼系数的实时变化；
[0134] 最小递推二乘模型为：
[0135] Y(t)＝XT(t)θ(t)+η(t)
[0136] 其中：
[0137]
[0138]
[0139] θ(t)＝[Δhs ΔIxx Δcφ Δkφ]T
[0140] 式中，Y(t)为已知输出、X(t)为回归向量、η(t)为系统噪声、θ(t)为待预估的参数向量，Δhs为车辆的侧倾高度误差，ΔIxx为侧倾中心转动惯量误差，Δkφ为悬架等效侧倾刚度误差，Δcφ为悬架等效阻尼系数误差；
[0141] 通过采用RLS算法对误差辨识模型的参数进行预估，可有效估计未知扰动并对其进行补偿从而提高参数辨识精度和鲁棒特性；
[0142] 其算法如下：
[0143]
[0144] P(t)＝P(t-1)-P(t-1)X(t)[I+XT(t)P(t-1)X(t)]-1XT(t)P(t-1)
[0145]
[0146] 式中， 为待预估的参数向量、P(t)为协方差矩阵、 为扰动值、Q(z)为滤波器；
[0147] 步骤4：通过传感器测量得到的横向加速度、侧倾角、侧倾角速率、侧倾角加速度，以及实时修正侧倾高度、修正悬架等效阻尼系数、修正悬架等效侧倾刚度以及修正侧倾中心转动惯量，建立基于实时修正的侧倾高度的侧倾风险指标模型；
[0148] 步骤4所述基于实时修正的侧倾高度的侧倾风险指标为：
[0149] 步骤4.1,由已知的Y(t)，X(t)，η(t)可求预估参数向量θ(t)，以此计算出车辆的侧倾高度误差为Δhs、侧倾中心转动惯量误差为ΔIxx、悬架等效侧倾刚度误差为Δkφ、悬架等效阻尼系数误差为Δcφ，在此基础上可得车辆的修正侧倾高度h*s＝hos+Δhs、修正悬架等效阻尼系数c*φ＝coφ+Δcφ、修正悬架等效侧倾刚度k*φ＝koφ+Δkφ以及修正侧倾中心转动惯量I*xx＝Ixx_o+ΔIxx；
[0150] 步骤4.2,所述基于实时修正的侧倾高度的侧倾风险指标模型为：
[0151]
[0152] 其中，ay为传感器测量得到的横向加速度，φm为传感器测量得到的侧倾角， 为传感器测量得到的侧倾角速率， 为传感器测量得到的侧倾角加速度，h*s为实时修正侧倾高度，c*φ为修正悬架等效阻尼系数，k*φ为修正悬架等效侧倾刚度，I*xx为修正侧倾中心转动惯量；
[0153] 步骤5：通过基于实时修正参数的侧倾风险指标模型，标定侧倾风险阈值，再根据侧倾风险阈值判断是否发生侧翻危险；
[0154] 步骤5中所述侧倾风险阈值设定为|RITH|＝0.8；
[0155] 步骤5所述的判断是否发生侧翻危险的方法为：
[0156] 当|RI|＜0.8时，车辆处于安全状态；
[0157] 当|RI|≥0.8时，车辆即将处于侧翻危险状态；
[0158] 当|RI|＜0.8时，微处理器不驱动方向盘电机驱动模块，显示屏预警模块显示“安全”，当|RI|≥0.8时，微处理器驱动方向盘电机模块，方向盘电机驱动模块驱动方向盘电机，来带动偏心旋转块运动，从而使方向盘轮缘发出轻微振动，显示屏预警模块显示“降低车速、回正方向盘”，以此构成一种为实现基于侧倾风险指标的车辆危险状态预警系统，来警示驾驶员车辆有侧翻风险，避免激烈驾驶。
[0159] 应当理解的是，本
说明书未详细阐述的部分均属于
现有技术。
[0160] 应当理解的是，上述针对实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明
权利要求所保护的范围情况下，还可以做出替换或
变形，均落入本发明的保护范围之内，本发明的
请求保护范围应以所附权利要求为准。
