共查询到18条相似文献,搜索用时 312 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
为了保证汽车的主动安全控制,需要准确地估计车辆行驶状态信息。针对目前汽车状态估计中由于技术条件限制和成本过高造成的部分参数无法测量或不易测量的问题,本文中利用低成本传感器,基于信息融合技术进行汽车行驶状态估计。建立了包括横摆、横向和纵向的3自由度非线性汽车动力学模型,同时为降低噪声对系统影响,建立了自适应无迹卡尔曼滤波(AUKF)的信息融合算法,给出车辆状态最小方差意义下的融合结果。利用纵向加速度、侧向加速度和转向盘转角等低成本传感器信号融合得到所需的难以测量的质心侧偏角、横摆角速度和纵向车速。通过Matlab/Simulink-CarSim联合仿真和实车试验对所研究的估计算法进行了试验验证。试验结果表明:该算法能够准确地估计汽车质心侧偏角、横摆角速度和纵向车速,且相比于无迹卡尔曼滤波(UKF),本算法提高了估计精度和实时性。 相似文献
9.
10.
11.
12.
超速行驶是道路曲线段事故发生的主要致因,基于智能车辆的提前预警系统是行之有效的安全辅助措施。提出了一种新的弯道车速预警算法,其采用改进的近似极大似然估计拟合曲线半径,改进算法采用最小平方估计取代了传统的平均3点估计。通过模拟实验得到,在不同数量的采样点、噪声和弧长下,改进的估计算法的精度都要高于传统的极大似然估计。根据预估的半径,车辆控制器便能得到相应的安全行驶车速。最后论文根据车辆实际车速和安全车速阈值的差值计算了车辆控制器发出预警信号时车辆与曲线入口之间的距离。 相似文献
13.
精细车辆轨迹中包含连续的时间戳、位置,以及速度等信息。通过对车辆轨迹数据进行量化表达与挖掘分析,可以实现对车辆行为模式的分类。现有研究大多关注对位置的聚类,很少对车速、加速度等特征进行研究分析,而车速等是反映驾驶行为模式的重要特征。为了将轨迹多维信息纳入分析框架,研究了基于位置与速度特征的车辆轨迹行为模式分类方法。为克服现有行为模式分类方法的维度单一性,运用豪斯多夫轨迹距离算法计算出位置和速度特征的综合距离矩阵,针对豪斯多夫距离算法鲁棒性差的缺点,采用单向豪斯多夫距离90%分位值对算法进行了改进,降低噪声影响。同时,引入了车辆位置和速度来进一步提高分类的准确性,运用多次分层聚类算法依次对位置与速度轨迹图进行分类,得到车辆位置和速度上的行为模式。以HighD数据集为样本,提取了三车道上的行车轨迹,验证了基于速度与位置特征的车辆行为模式分类方法。结果表明:①本方法可以得到位置和速度的综合行为模式,聚类平均准确率达到94.8%,优于DBTCAN准确率89.3%和t-Cluster准确率86.4%;②基于换道模式轨迹偏移率曲线的分析,得到了4种互异的典型车辆换道模式。该方法可利用多维轨迹数据对行车模式进行分类及行为辨识,在车辆轨迹分类与不良行为辨识方面具有应用潜力。 相似文献
14.
15.
智能车的车速决策影响燃油经济性。以起步阶段加速工况的燃油经济性为优化目标,建立了瞬态燃油消耗模型,并提出了基于该模型的经济性换挡规律制定方法;根据车辆纵向动力学方程,建立了基于前向欧拉离散方法的车速状态转移方程,以及确定相应的初末约束条件、边界条件;基于动态规划最优性原理,提出了智能车起步过程的经济性车速规划方法,建立了基于速度状态搜索策略;根据Matlab/Simulink和CarSim联合仿真,对比了典型驾驶员速度跟随模式的燃油消耗水平,结果表明,基于动态规划优化后的经济性车速及相应的挡位序列具有良好的节油特性,可为智能车经济驾驶的车速规划及挡位规划提供指导。 相似文献
16.
针对现有的车速引导模型存在未综合考虑车辆跟驰行为、引导场景划分较粗略等问题,研究了4种基于车路协同环境下实时优化各车的车速引导模型。对车辆进行所属车辆列队划分,考虑车速引导影响对FVD跟驰模型进行改进。以车辆列队为引导单元,将车辆可能面临的交通状况细分为8种引导场景,以引导车辆不停车或少停车通过交叉口为目标,直接优化车辆加/减速度,建立车辆列队后车根据改进的跟驰模型计算目标跟驰加/减速度,并与头车组成列队以同一目标车速通过交叉口停车线的4种车速引导模型。以南昌市海棠北路/枫林西大街交叉口为例进行仿真验证,结果表明,所提出的车速引导模型能使车辆行程时间减少18.9%,最大排队长度减少58.8%,延误减少60.8%,燃油消耗减少36.4%,且适用于不同交通饱和状态,对提高信号交叉口通行效率和减少车辆燃油消耗有显著效果。 相似文献
17.