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。     

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。     

汽车紧急避撞系统控制算法

针对汽车主动避撞问题,提出了一种紧急避撞系统的控制算法,建立了紧急避撞安全距离模型,设计了模糊比例-积分-微分(PID)控制器。对典型的高速变道避撞工况进行了仿真,仿真结果表明:本文设计的汽车紧急变道避撞控制系统,能够控制车辆在高速情况下按照所设计的预定变道轨迹行驶,横摆角速度为-7.41~7.42(°)/s,具有良好的稳定性。仿真实验验证了模糊PID控制性能优于单纯的PID控制。     

智能汽车自动紧急控制策略

结合驾驶员在紧急工况下的驾驶行为以及不同避撞方式的避撞效能,对以自动紧急制动系统(Autonomous Emergency Braking,AEB)为代表的控制策略进行分析,发现当前的紧急制动控制策略并不能很好地适应驾驶员行为和满足避撞效能的需要.为此,提出了一种融合制动控制和转向控制的自动紧急控制(Autonomous Emergency Control,AEC)策略.在该策略中驾驶员始终在环,系统通过集成驾驶员模型、车辆模型和道路环境模型信息判断驾驶员的行为是否正确,并将控制输入与驾驶员输入叠加在一起作为车辆的输入对驾驶员不当驾驶行为进行纠正.     

基于权值惩罚法自适应人机协同避撞策略

针对协同避撞过程中人机权值难以适应不同驾驶员与工况的问题,提出了一种自适应人机协同避撞策略。基于单点预瞄驾驶员模型,根据驾驶员决策意愿搭建了表征驾驶风格的驾驶员模型。基于距离策略,提出避撞模式切换策略,设计模型预测控制器跟踪规划路径。提出驾驶员权值惩罚法,根据驾驶员参数与道路条件对驾驶员权值进行先验条件的惩罚,引入碰撞、侧滑和越出车道3种事故风险度,设计模糊控制器,依据事故风险度对避撞过程中的驾驶员权值进行实时惩罚。仿真结果表明所提出的人机协同避撞策略可实时调整人机权值,显著降低事故风险,从而在协调人机有效避撞同时保证行驶安全性与稳定性。     

行人防碰撞系统制动控制建模与联合仿真

为了体现现有汽车主动防撞系统对车外行人等交通弱势群体的主动安全保护,对行人防碰撞预警系统中自动制动控制进行了研究。在车辆获取到前方行人基本信息的基础上,设计了考虑行人安全的安全状态判断模型,建立了基于Carsim和Simulink的车辆纵向动力学模型,采用加速度滑模控制方法设计了获取本车期望加速度的上位控制器,单神经元PID控制设计了跟踪这一期望加速度的下位控制器,最后对典型的行人危险场景进行联合仿真。试验表明所设计的控制算法对避撞行人有较好的响应,并且能在保证一定的安全距离的前提下实现自动制动,保证了行车的安全性。     

紧急避撞路径规划及其跟踪驾驶员转向模型

针对紧急避撞工况,提出并设计了一种紧急避撞路径规划方法和路径跟踪反馈预瞄驾驶员模型。首先,提出了一种基于Sigmoid曲线与物理约束的避撞路径规划方法,并建立融合最优曲率预瞄与闭环反馈转向修正的驾驶员模型以对所规划路径实现快速和精确跟踪。之后,搭建了CarSim+Simulink离线联合仿真平台,对避撞路径规划和路径跟踪反馈预瞄驾驶员模型的有效性进行了验证。最后,基于自主改装的试验车辆,进行实车试验以验证所提出的路径规划方法及驾驶员模型的可行性与实时性。仿真及实车试验结果均表明,所规划的避撞路径和驾驶员模型可以控制车辆快速、安全地避让障碍物。     

基于ITS的行车安全辅助系统

采用4阶Kalman滤波和X^2检验方法对雷达原始信号进行处理，开发车载扫描式激光雷达探测系统．基于40名驾驶员试验数据，建立驾驶员主观安全距离模型．在考虑驾驶员操作特性和车辆动力学特性基础上，采用分层控制的结构设计安全车距保持控制器．在上述基础上开发行车安全辅助系统，该系统具有安全车距保持、自动起停和前向主动避撞的功能，其稳态距离误差小于1m，稳态速度误差小于1．5m／s。     

半挂汽车TTR预警及防侧翻控制

为及时提醒驾驶员半挂汽车的侧翻危险状态并对车辆的侧翻危险状态进行控制,以TruckSim中的半挂汽车作为真实车辆,考虑汽车运行过程中的过程噪声以及量测噪声,利用Kalman滤波技术实时估计半挂汽车的运行状态。以车辆的横向载荷转移率为侧翻指标,建立了基于模型预测的TTR(time-to-rollover)侧翻预警算法,并结合最优控制算法,制定了基于TTR侧翻预警的防侧翻控制策略。通过仿真分析,此控制策略可以有效提醒驾驶员半挂汽车的侧翻危险状况,并有效控制半挂汽车的侧翻危险状态,防止侧翻危险的发生。     

基于避撞轨迹跟踪的车辆稳定性控制仿真研究

以四轮独立制动且前轮转向的车辆作为研究对象,运用模型预测轨迹跟踪控制方法跟踪五次多项式避撞轨迹,同时运用线性二次型调节器(LQR)方法确定期望附加横摆力矩,进而运用轮胎力优化分配方法对制动力进行分配,最终实现避撞轨迹跟踪过程的汽车稳定性控制.仿真结果表明,在较低附着系数路面,增加汽车横摆力矩控制有效提升了车辆在避撞轨迹...     

基于模型预测控制的汽车紧急转向避撞研究

为了解决汽车在低附着路面上中高速转向避撞时产生的侧滑失稳和轨迹跟踪能力不足等问题,本文基于模型预测控制算法,提出一种主动避撞的方法,建立了车辆单轨模型并经线性离散化后作为预测模型。在模型预测控制的过程中加入前轮转角约束、前轮转角增量约束、纵向加速度约束与轮胎侧偏角约束等多种约束条件,对车辆横向位移、横向速度、横摆角与横摆角速度等多个状态量进行控制,使车辆的轨迹更加符合理想轨迹。仿真模拟结果表明,相比无控制与PID控制方法,利用本文方法可以有效地使汽车在中高速及低附着路面条件下按理想的轨迹进行避撞且保持避撞过程中的行驶稳定性,大幅提高避撞过程中的车辆安全性。     

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.     

基于朴素贝叶斯算法的变权重多目标自适应巡航控制策略

针对目前使用较为广泛的基于模型预测控制的自适应巡航系统,该文提出一种分层控制结构,设计一种变权重的模型预测控制器作为上位控制器。为了获得最佳加速度,综合考虑驾驶员期望车距,车辆自身物理限制,前车加速度影响等因素。使用高斯朴素贝叶斯算法预测前方车辆未来行为,从而采取不同的权重参数策略。通过Matlab/Simulink与Carsim对固定权重参数和可变权重参数分别进行联合仿真,结果表明,随着道路条件的变化,可变权重参数可以提高车辆自适应巡航系统的表现效果,显著降低固定权重策略的系统速度和距离偏差量,有效提高了系统的控制精度与适应性。     

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.     

基于改进人工势场法的智能车辆避撞路径规划

针对传统人工势场法存在道路边界势场不完善和局部最优问题，文章提出一种改进人工势场法的智能车辆避撞路径规划。引入道路势场函数来描述道路边界，设立虚拟目标点来摆脱局部最优，建立道路环境模型；为了根据周边环境和车辆状态进行实时规划，设计分层避撞路径规划控制器，将道路环境模型引入上层路径规划器的目标函数中，利用模型预测控制(model predictive control, MPC)的优化算法规划出局部避撞路径，再将路径信息输入到下层跟踪控制器进行跟踪。MATLAB/Simulink与CarSim联合仿真实验结果表明，该避撞路径规划对于静态障碍物和动态障碍物都可以规划出平滑无碰撞的路径，保证车辆行驶的稳定性和安全性。     

转向紧急避撞轨迹规划与模型预测跟踪控制

为了实现安全地转向紧急避撞,提出了一种限制侧向加速度的多项式轨迹规划方法。在确定规划起始和结束时间运动状态参数时,导出规划轨迹时间段内侧向加速度的表达式。为了提高转向避撞的车辆稳定性,设置一个侧向加速度峰值的限值,根据该限值下的加速度峰值方程式确定各种车速下的轨迹纵向末位置。其次,为在转向避撞时准确跟踪规划轨迹,采用多约束模型预测控制(MMPC)进行避撞轨迹跟踪。基于3自由度车辆动力学方程建立预测模型,同时考虑轮胎侧偏角、前轮转角及其增量作为稳定性约束。最后,进行3种车速下的Carsim/Simulink软件联合仿真,并与单约束模型预测控制(SMPC)进行对比。研究结果表明:MMPC最大横向跟踪误差不超过0.23 m,前轮转角无突变。车辆侧向加速度及轮胎侧偏角均在约束范围内,较好地实现了转向紧急避撞。与MMPC相比较,SMPC在80 km/h时轮胎侧偏角超过线性范围,车辆发生了侧滑。     

紧急避撞工况下的路径规划与跟踪

高速工况下规划侧向换道紧急避撞路径需考虑避撞与稳定性问题,本文提出了一种基于非均匀B样条曲线、满足多约束要求的路径规划方法. 该方法通过两段非均匀B样条曲线构造出具有曲率连续且加速度呈梯形变化、满足起止点斜率和曲率约束的避撞路径模型,再结合环境信息生成由两个参数控制路径形状的避撞路径簇;在此基础上,构建乘员舒适性目标函数,旨在满足避撞要求的情形下,从路径簇中选取舒适性最优的局部路径;在完成避撞路径规划同时,通过目标函数以及车辆多约束得到优化纵向加速度,完成避撞运动规划;最后采用长于处理多约束控制的模型预测控制算法,通过建立线性时变模型预测控制器控制车辆跟踪规划的路径,验证了路径规划方法的可行性.     

基于MPC的多车纵向协同避撞算法

车辆防撞预警系统在近年得到快速发展,有效提升了道路交通的安全性。然而现有避撞算法大多考虑相邻两车间的安全关系,并未涉及前车行为对连续后车造成的不利影响。该文提出一种基于模型预测控制(model predictive control,MPC)的多车纵向协同避撞算法,通过综合考虑队列运动学关系,基于模型预测控制,以总相对动能密度最小作为优化目标,将连续时间优化问题离散化为二次规划的数值计算,以避免或减少队列整体的碰撞损失。最后通过MATLAB进行数值仿真,验证了所提方法的有效性。     

汽车巡航智能跟随控制与仿真

为提高汽车行驶的主动安全性及缓解司机驾驭汽车的疲劳感,提出了汽车巡航智能跟随控制方法.应用模糊控制理论,以前车和巡航车间理论安全距离与实际相对距离偏差及两车速度偏差作为控制变量,设计智能巡航模糊逻辑控制器,将油门开度或制动踏板行程作为控制器输出变量,实现汽车巡航的智能跟随控制.利用Matlab/Simulink针对智能跟随控制功能实施了仿真验证,结果表明:设计的智能巡航模糊控制器能够有效地跟随前方车辆行驶并始终保持两车间的安全距离,说明该控制器具备较强的鲁棒性.     

基于模糊神经网络的车辆间距智能自适应控制

为了实现汽车行驶过程中与前车车距的自动控制,提出了一种基于模糊神经网络的车辆纵向间距智能自适应控制方法.利用神经网络对车辆纵向运动进行辨识,将神经网络和模糊控制结合起来,设计模糊神经网络加速度控制器,利用神经网络的学习功能修正控制器的隶属度函数的参数和控制规则.仿真表明系统响应快,控制精度高,和传统方法相比具有较强的抗干扰能力和自适应性.