基于多维高斯隐马尔科夫模型的驾驶员转向行为辨识方法

在线控转向系统中,采用一种基于多维高斯隐马尔科夫模型的驾驶员转向行为辨识方法,可达到辅助驾驶员驾驶、屏蔽驾驶员错误操作和提高汽车主动安全性的目的.通过驾驶模拟器采集相应工况数据,经数据预处理 后,应用Baum-Welch 算法对多维高斯隐马尔科夫模型进行优化,且应用Labview进行在线辨识,准确率达到99.8％.     

基于高斯混合隐马尔科夫模型的高速公路超车行为辨识与分析

基于驾驶模拟器实验数据,结合高斯混合隐马尔可夫模型(GM-HMM),对高速公路的超车行为进行辨识,并对驾驶员意图和超车行为是否正常进行分析。结果表明,基于GM-HMM的辨识方法能有效辨识多种驾驶工况下的不正常超车行为。     

线控汽车驾驶员特性辨识算法的研究

线控汽车相对于传统汽车具有较多的控制自由度,控制算法设计可将人的因素考虑在车辆集成控制中,进行人性化设计,变"人适应车"为"车适应人",最终实现车辆的安全、智能驾驶。文中确定了驾驶员特性辨识系统,以转向行为为例,对驾驶员特性进行分类,并采用神经网络方法建立了辨识模型,在驾驶模拟器上对所研究方法进行实验验证。结果表明,所建立的驾驶员特性辨识模型有较高精度,能对驾驶员特性进行预测,方法可行。     

一种分布式驱动电动汽车操纵稳定性控制算法

针对四轮轮毂电机独立驱动、四轮线控转向电动汽车的过驱动系统,以提高汽车的操纵稳定性为目标,提出了一种基于伪逆控制分配的控制算法。该算法以驾驶员对转向盘和加速踏板的操纵量为输入,通过伪逆控制分配,对汽车的前、后轮转角,4个车轮的驱动力进行控制。在Matlab/Simulink仿真环境下采用8自由度非线性车辆模型对所提出的算法,进行了正弦输入工况和双移线工况的仿真,并与采用常规控制方法时进行对比。结果表明,伪逆控制分配算法提高了汽车对驾驶员驾驶意图的跟随性能,并改善了汽车的稳定性。     

线控汽车底盘控制技术研究进展及展望

对各国线控汽车发展现状,以及汽车线控转向系统、线控制动系统、线控驱动系统和线控悬架系统的各系统组成、工作原理和控制方法及研究现状进行了概述,总结了影响线控汽车发展的关键技术,并对信息传输、驾驶人意图与工况辨识、故障诊断与容错控制、底盘集成控制等技术的研究进展进行了综述.针对全线控汽车,给出了分层式集成控制系统框架,并对框架内容进行了分析,以期为线控汽车研究与发展提供新的视角和基础资料.     

基于驾驶意图模糊识别的PHEV输出转矩控制的研究

为使插电式混合动力汽车输出转矩充分符合驾驶员的驾驶意图,提出了一种模糊控制方法,并在Matlab/Simulink中建立了仿真模型.通过反模糊化,将设计的模糊控制规则转化成模糊控制查询表,移植到整车控制器中进行实车试验.仿真和试验结果表明,此控制系统能更好地辨识驾驶员的驾驶意图,车辆可平稳地逼近目标速度,达到了控制目的.     

HEV制动意图识别的研究

基于大量的工况数据建立辨识模型,实现了对制动意图的准确识别.在此基础上优化了再生制动的控制策略.仿真结果表明,通过制动意图识别可有效地优化混合动力汽车再生制动的控制策略,从而进一步改善混合动力汽车制动时的驾驶感觉和燃油经济性.     

线控转向稳态增益与动态反馈校正控制算法

以29自由度汽车动力学模型为基础,提出了保证线控汽车转向增益不变的稳态控制策略,使线控汽车转向特性不随车速和转向盘转角变化;提出了基于状态反馈的动态校正稳定性控制算法。仿真和驾驶模拟器实验表明,基于转向增益不变的稳态控制策略保证了汽车转向特性不变,减轻了驾驶员的负担,适合于更多的驾驶人群;基于状态反馈的动态校正稳定性控制算法有效提高了汽车的稳定性。     

基于驾驶员意图和行车安全的下坡辅助制动退出方法

针对下坡工况下混合动力汽车辅助制动控制退出过程中可能产生的安全隐患,本文提出一种基于驾驶员主观意图和行车安全的辅助制动退出控制方法。通过对下坡辅助制动过程中车辆的受力情况和驾驶员驾驶意图的分析,分别制定了基于驾驶员加速意图和制动意图的下坡辅助制动退出策略,并据此设计了对下坡辅助制动退出的协调控制过程。最后通过仿真和实车试验对以上策略进行验证,结果表明,该方法在符合驾驶员驾驶意图的前提下,可以保证下坡辅助制动退出过程中车速始终受驾驶员控制,提高了辅助制动退出过程的安全性,并对驾驶员的误操作有一定的容错能力。     

基于行程时间的人车特征动态辨识方法CSCD

实现对驾驶倾向性、汽车类型的动态识别对构建以人为中心的汽车安全驾驶辅助系统具有重要意义。本文以驾驶员隐私保护为基础,利用车载全球定位系统(GPS)捕获的行程时间,建立基于Bayes决策树的人车特征动态辨识模型,识别汽车不同类型及其驾驶员倾向性。通过设计实车和虚拟驾驶实验分别验证在不同渗透率条件下的人车特征辨识效果,验证结果表明,本文建立的人车特征辨识模型准确率在80%以上,明显优于传统决策树模型;通过设计仿真实验验证了考虑驾驶倾向性的微观仿真和实际情况具有较好相合性,仿真验证结果间接证明本文研究成果的合理性。     

面向安全预警的机动车驾驶意图研究现状与展望

简述当前开展面向安全预警的机动车驾驶意图研究的目的和意义.分析国内外研究现状,得出从驾驶员行为及驾驶动作序列角度开展驾驶意图研究的可行性和有效性,同时介绍了 2种基于概率与数理统计的机动车驾驶意图建模方法.结合驾驶员在直线封闭路段实施驾驶行为特征,阐述使用隐马尔科夫模型(HMM)理论建立驾驶意图模型的步骤以及模型参数学习和系统在线优化算法等内容.对驾驶意图模型网络结构、动态性能方面相关研究方向进行展望.     

Novel stability control strategy for distributed drive electric vehicle based on driver operation intention

In this paper, a novel direct yaw control method based on driver operation intention for stability control of a distributed drive electric vehicle is proposed. It was discovered that the vehicle loses its stability easily under an emergency steering alignment (EA) problem. An emergent control algorithm is proposed to improve vehicle stability under such a condition. A driver operation intention recognition module is developed to identify the driving conditions. When the vehicle enters into an EA condition, the module can quickly identify it and transfer the control method from normal direct yaw control to emergency control. Two control algorithms are designed. The emergency control algorithm is applied to an EA condition while the adaptive control algorithm is applied to other conditions except the EA condition. Both simulation results and real vehicle results show that: The driver module can accurately identify driving conditions based on driver operation intention. When the vehicle enters into EA condition, the emergent control algorithm can intervene quickly, and it has proven to outperform normal direct yaw control for better stabilization of vehicles.     

面向前车的驾驶行为感知与意图识别算法研究

感知周围车辆的驾驶行为并识别其意图将成为新一代高级驾驶辅助系统的重要组成部分。针对现有方法只考虑单一驾驶行为且可扩展性和可伸缩性差,提出一种基于稀疏表示理论的驾驶行为感知字典模型(Driving Behavior Perception Dictionary Model, DBPDM)。将车辆行驶状态视为时间序列,设计基于自回归积分移动平均(Autoregressive Integrated Moving Average,ARIMA)结合在线梯度下降(Online Gradient Descent, OGD)优化器的在线预测模型,提出基于驾驶行为预测的意图识别构架(Intention Recognition Framework, IRF)。首先,采用图Lasso方法估计典型驾驶行为的稀疏逆协方差矩阵构建驾驶行为字典库,并采用Logdet散度方法计算各逆协方差矩阵的差异获得行为感知字典模型。然后,基于在线预测模型对目标车辆的行驶轨迹和运动状态进行预测,结合主车车辆的行驶状态作为稀疏表示的观测信号,以获取预测时域内的目标车辆意图。最后,采用NGSIM (Next Generation SIMulation)真实驾驶数据对模型进行开发和测试。研究结果表明:所提出的行为感知模型能对6种典型驾驶行为构建行为字典,在分类准确率上与现有方法相比有明显提升,对换道和转向行为样本的平均识别准确率分别达到99.1%和92.9%;该模型能够在相对早期阶段准确地识别出车辆行为;在线预测算法能较好预测出目标车辆的行驶轨迹和运动状态,从而间接地反映出其在预测时域内的驾驶意图;IRF可在换道和转向行为开始前的1.5 s较为准确地识别出目标车辆的意图,平均识别准确率超过80%。     

智能汽车的人机共驾技术研究现状和发展趋势

智能汽车的人机共驾技术（HMIoIV）是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段。HMIoIV涉及了L0~L3级别的智能汽车的多种自动化技术,包括先进辅助驾驶系统。针对当前国内外智能汽车人机共驾技术的研究现状,对其概念、结构和研究内容进行总结,根据独立驾驶人参与的数量和驾驶操作方参与的数量将现有的人机共驾技术分成3类：单驾双控结构、串联型双驾单控结构（Traded Control）和并联型双驾双控结构（Shared Control）;并对驾驶人为因素、驾驶人模型、自然驾驶人状态监测和驾驶意图识别、串联型双驾单控结构和并联型双驾双控结构的研究方法以及权限与责任的关系进行全面综述。最后,分析总结当前智能汽车的人机共驾技术所面临的问题和挑战,并对该技术的发展趋势做出展望。     

AMT车辆爬行工况离合器控制策略与试验

开发了以直流无刷电机驱动的AMT车辆电控操纵系统。根据电机驱动式自动离合器的特点，制定了车辆爬行时离合器的控制策划，并采用PD控制算法实现了离合器的慢接合控制，使车辆的爬行速度可以适应驾驶员的意图、行驶环境以及负载的变化，经试验取得了满意的控制效果。     

模拟驾驶环境下驾驶人分心状态判别

为了探寻驾驶人分心判别方法,构建了驾驶人分心状态判别模型。首先设计分心模拟驾驶试验,采集正常驾驶和发送语音信息过程中的驾驶绩效特征和驾驶人眼动特征数据,建立驾驶人分心状态判别指标备选集;其次,采用基因选择算法对备选指标进行筛选,得到29个备选指标的重要度排序;然后,依次选取重要度较高的部分指标作为BP神经网络的输入指标,利用遗传算法（GA）全局搜索的性能优化BP神经网络的初始权值和阈值,将优化后的GA-BP神经网络作为弱分类器,再将多个弱分类器组合成Adaboost强分类器,建立基于Adaboost-GA-BP组合算法的驾驶人分心状态判别模型;最后,利用模拟驾驶器试验平台采集的数据计算不同判别指标数量下模型的性能,从而确定最优判别指标,并对模型进行验证和评价。结果表明：模型最优判别指标为重要度排序中前14个指标;模型能够准确识别驾驶人分心状态,判别精度为95.09%;与BP神经网络算法、GA-BP神经网络算法和Adaboost-BP神经网络算法相比,Adaboost-GA-BP组合算法在准确率、精准率、召回率、F₁值和ROC曲线等模型性能方面均最优。建立的模型能够有效判别驾驶人分心状态,可为驾驶人分心预警系统和分心控制策略提供依据。     

基于驾驶意图识别的插电式混合动力汽车智能算法研究

对基于规则类的定参数控制算法中的控制参数进行优化,建立驾驶意图的模糊识别模型,制定智能算法,并进行仿真分析.结果表明:智能算法使得整车的需求转矩更加准确,车辆对驾驶员的适应性更强,燃油经济性更好.     

自然驾驶状态下重型工程车驾驶人驾驶稳定性分析

重型工程车行驶过程中事故风险大,发生恶性事故的概率高,易造成重大生命和经济损失,其运输安全管理问题面临挑战.为探究重型工程车驾驶人驾驶稳定性与相关影响因素之间的关系,开展重型工程车自然驾驶试验,提取车辆运动学、道路条件、驾驶人状态和工作时间等数据;采用速度均值和速度标准差表征驾驶人驾驶稳定性,以睡眠模式、道路线形、道路...     

山区高速公路驾驶人加减速行为建模

山区地形地质条件复杂，各类复杂的组合线形设计更为常见，例如直线与平曲线间组合或不同平曲线间组合。驾驶人在相邻组合路段行驶时会感知到线形的变化，引起驾驶行为的改变，最终车辆的纵向加速度也会随之改变。频繁的加减速行为会引起驾驶人不适，甚至形成安全隐患。目前针对相邻组合路段驾驶行为的研究中，关于加速度的研究主要基于路段特殊点进行计算。随着驾驶模拟技术的发展，高仿真驾驶模拟器为高速公路的设计评估提供了更好的数据及试验条件支撑。在高仿真驾驶模拟器中，基于湖南省永吉高速公路道路设计参数及周边地形环境参数，构建山区高速公路的三维虚拟模型，以山区高速公路中的相邻组合路段为研究对象，获取山区高速公路组合线形路段的车辆纵向加速度数据，提取加减速事件后，基于驾驶人的加减速行为，采用混合Logit模型，分别判定道路线形层和驾驶人层的影响，研究组合线形对驾驶人纵向加减速选择的具体影响变量以及变量的影响范围。研究结果表明：下游路段最大曲率、上游路段圆曲线段比例、下游路段变坡点数量、下游路段曲线数量、上游路段平均曲率和当前位置曲率等对驾驶人加减速行为有显著影响；通过对比混合Logit模型和多元Logit模型，指出驾驶人层面对模型结果的影响显著。研究结果提供了一种山区高速公路连续纵向加减速行为的建模方案，并可为研究驾驶人在复杂线形条件下的纵向加速度选择行为提供基础。     

基于驾驶人转向意图的双电机驱动电动汽车稳定性控制策略

为了使双电机驱动电动车在车辆稳定性控制过程中能够精确解读驾驶意图,使车辆实际行驶状态与驾驶意图期望的车辆行驶状态尽可能相符合,提出一种基于驾驶人意图辨识的稳定性控制策略.利用基于支持向量机递归特征消除(SVM-RFE)得到的特征参数构建基于长短期记忆(LSTM)模型的驾驶人转向意图辨识模型;基于转向意图识别结果,以方向...