基于纵向避撞时间的预警／制动算法

针对汽车纵向避撞系统的要求,提出了一种基于纵向避撞时间的纵向碰撞预警／避撞（FCW／FCA）算法。通过分析纵向避撞时间与驾驶员反应时间之间的关系,建立了前车不同行驶工况条件下的安全车距模型,并在3种不同行驶工况下,与 Berkeley 模型进行制动／预警距离的对比。研究结果表明：该算法确定的制动距离与 Berkeley 模型确定的距离相差很小,并且考虑了前车的运行工况;该算法还能够根据前车行驶工况的不同,确定出合理的预警距离。对比分析结果验证了该算法的有效性和可行性,能够提高车辆行驶的安全性。     

重型半挂汽车避撞控制的研究

近年来 半挂汽车正逐渐向智能化进程迈进 避撞控制是半挂汽车实现智能化的重要组成部分 针对重型半挂汽车避撞控制 提出了一种综合驾驶员因素和环境因素的安全距离模型 依据模糊控制理论 确定了驾驶员反应时间参数 基于安全距离模型 采用指数趋近律的控制方法 设计了上层滑模控制器 并与下层 ＰＳＯ－ＰＩＤ 控制器结合构成分层控制系统 在Ｔｒｕｃｋｓｉｍ 软件中建立了前车静止和前车匀速的测试场景 结果表明:所提出的安全距离模型满足车辆避撞要求 车辆能够在安全距离下实现安全停车或跟车行驶     

基于BP神经网络的纵向避撞安全辅助算法

针对复杂人-车-路交通环境下汽车前向防碰撞预警系统(FCWS)在实际工程应用中存在虚警漏警、可接受性差等问题,为提高FCWS对驾驶群体行为差异的适应性,提出了驾驶员行为特性自适应学习的纵向避撞安全辅助算法,建立了基于BP神经网络的闭环驾驶跟驰习惯模型。该网络模型以跟车车距、前车减速度、前车速度、自车速度、环境亮度、路面附着系数、紧急制动次数、本次驾驶时间为输入,采用动量梯度下降自适应学习率方法对网络模型进行训练,进而预测出自车待制动减速度。引入聚类算法思想,对训练样本集进行特征聚类,进一步改善了BP网络的预测性能,设计了激进、谨慎、新手3类典型驾驶群体,通过制动深度、期望碰撞时间倒数、应急反应时间来表征驾驶群体性特征,在稳态跟车过程中对不同驾驶群体的行为特性进行学习,建立起非线性输入输出映射关系知识库,进而预测出相应群体的待制动行为,实现差异化预警,可有效降低虚警或预警不及时现象。仿真结果表明,改进后的BP网络减小了训练过程中陷入局部极小的可能性,提高了网络收敛速度以及预测精度,激进群体与新手群体待制动曲线下降的趋势相对更陡,激进群体跟车距离相对偏近,新手群体采取制动措施时所需相对车距相对偏远,以补偿较长的反应距离,从而验证了该理论模型对不同驾驶群体的适应性。     

驾驶员前向避撞行为特征的降维及多元方差分析

驾驶员在追尾临撞工况下的避撞过程可以分为多个阶段(如制动前、制动后),而在每一阶段中,又存在多个分析角度(如制动快慢、制动力度)及不同的关键时刻与特征值,因此系统描述驾驶员的避撞行为需要多种参数.对多种避撞行为参数进行降维处理,并探究工况紧急程度对每类参数的综合影响.利用同济大学8自由度高仿真驾驶模拟器,研究驾驶员在不同前车减速度(0.30g,0.50g,0.75g)和不同初始车头时距(1.5s,2.5s)下的避撞行为,全面记录了驾驶员危险感知、油门释放和刹车制动等避撞行为参数.利用主成分分析对众多参数进行降维处理,将避撞行为特征划分为感知反应、制动延误、制动力度3个方面,并通过多元方差分析探究车头时距、前车减速度及二者交互项对这3个方面的影响.结果表明,驾驶员感知反应受到车头时距和前车减速度同时影响,制动延误受到车头时距、前车减速度以及二者交互项的影响,制动力度则仅受到前车减速度的影响.在变化趋势上,随着工况紧急程度的增加,驾驶员的感知反应越快,制动延误越短,而制动力度越大.     

基于驾驶倾向性辨识的避撞-报警算法

为了研究适应驾驶员个性需求的避撞-报警算法,将驾驶倾向性作为驾驶员的个性评价指标引入。以实车实验所得驾驶行为数据为基础,提出了一种驾驶倾向性的实时辨识方法。通过驾驶模拟实验,获取了不同驾驶倾向性驾驶员的反应时间和制动减速度数据;并据此提出了一种基于驾驶行为的避撞-报警算法;最后将该算法与典型安全距离算法进行仿真对比。结果表明:本文提出的避撞-报警算法具有较高的可信度,而且体现了各类型驾驶员报警触发时机差异。     

分层架构下智能电动汽车纵向运动自适应模糊滑模控制

针对智能电动汽车(intelligent electric vehicles,IEV)的纵向控制在不确定性干扰下存在非线性、强时变特征,提出一种分层控制架构下的智能电动汽车纵向跟车运动自适应模糊滑模控制方法.根据经典理论力学建立表征智能电动汽车纵向行为机理的动力学系统模型,并进一步构建智能电动汽车纵向跟车运动分层控制构架.上层控制根据本车与前车的行驶状态信息得出期望加速度滑模控制律,进而利用自适应模糊系统替代滑模切换项以改善控制性能;下层控制通过设计驱动/制动切换策略以提高行驶舒适性,然后基于逆动力学模型实时求解期望控制力矩以跟踪期望加速度.为验证所提方法的有效性,在不同行驶工况下进行的仿真试验结果表明,该方法能实现本车平稳准确地跟随前车行驶,且对前车加速度的干扰具有鲁棒性.     

汽车自适应巡航控制的间距策略

汽车自适应巡航控制中,为确定不同车距下的控制策略,通过建立汽车行驶模型和制动模型,推导得到车速判据、第一车距判据、第二车距判据。将前后两车之间距离按此三条判据,由前至后划分为避撞区域、制动区域、降速区域、加速区域。自适应巡航系统能够判断和识别汽车当前所处区域,能够决定当前所应采取的驱动控制和制动控制策略。     

工况紧急程度对驾驶员避撞行为的影响

利用同济大学8自由度高仿真驾驶模拟器研究了临撞工况紧急程度对驾驶员避撞行为的影响.通过不同初始车头时距(1.0 s,[1.0 s,1.5 s),[1.5 s,2.5 s])和不同前车减速度(0.30g,0.50g,0.75g)的组合,建立了不同紧急程度的前车减速临撞工况,运用驾驶员感知反应时间、油门释放反应时间、制动转移时间、制动延误、最大刹车踏板压力、最大减速度等指标比较了不同紧急程度下避撞行为的差异.结果表明,①随着工况紧急程度的增加,驾驶员更快地释放油门及达到最大刹车踏板压力,并且施加更大的制动力度;②当初始车头时距为1.5 s左右时,驾驶员感知反应时间约为1.2s,而当初始车头时距增大到2.5 s以上时,感知反应时间变得非常大,甚至达到了3 s;③驾驶员开始释放油门与开始制动间的转移时间不受工况紧急程度影响,保持在0.8 s附近;④在低紧急程度下,驾驶员表现出多阶段刹车行为,使得驾驶员需要更多的时间才能达到最大刹车踏板压力.     

基于驾驶员紧急制动行为特征的危险估计算法

基于真实交通工况下驾驶员的紧急制动行为特征,建立了一种新的危险估计算法用于汽车避撞系统的控制策略开发.通过在车辆上安装车辆行驶记录仪采集了目标区域内驾驶员的真实交通场景;对采集到的交通场景进行人工筛选,并按照美国高速公路安全管理局(NHTSA)的分类方法进行了分类,得到了6种典型的危险工况;通过视频图像处理等方法对典型危险工况下驾驶员的紧急制动行为进行了分析,得到了驾驶员紧急制动起始点的碰撞时间tTTC值以及车辆在紧急制动过程中的平均制动减速度,并利用这些数据建立了基于碰撞时间倒数tiTTC和期望减速度areq的危险估计算法.这种危险估计算法能够同时考虑两车快速靠近以及稳定跟车工况,并与驾驶员在真实交通环境中的紧急制动行为相对应.     

应用于汽车主动避撞系统的车辆纵向动力学模型

车辆建模技术是汽车主动避撞系统开发及评价的关键技术之一.该文运用混合建模技术,将理论分析模型和车辆实验数据结合,充分利用各动力总成现有的标准数据,建立了模拟汽车主动避撞系统中车辆行驶复杂工况的纵向动力学模型,并实现了基于通用软件的仿真.该模型简洁、准确,可以满足汽车主动避撞系统的要求.文中通过仿真与实车实验,验证了所开发模型的正确性和合理性.