排序方式: 共有124条查询结果,搜索用时 218 毫秒
21.
本文针对强降雨场景下毫米波雷达的目标运动非预期测量误差较大引发ACC系统的预期功能安全问题,提出了强降雨场景下自适应巡航控制系统的安全控制策略。首先使用双状态卡方对毫米波雷达输出的目标信息进行检验,以确定其是否存在安全风险;接着通过卡尔曼滤波对存在安全风险的目标信息进行修正;然后将修正的目标信息输入ACC控制器控制车辆运动状态,实现安全控制;最后通过搭建的Prescan/Simulink联合仿真平台对提出的安全控制策略进行了仿真验证。结果表明:双状态卡方检验可及时检测风险信息(检测时间偏差在1.31 s以内),卡尔曼滤波修正误差在3.66 m以内,有效保证了ACC系统在强降雨场景下安全稳定运行。 相似文献
22.
23.
只有较少的交通事故数据资源被用于建立基于碰撞速度信息的乘员损伤模型,致使所得到的模型精度差。为此,提出了基于车辆变形深度的乘员损伤模型。对美国不同制造年代和车辆级别的事故数据进行聚类分析,论证出车辆变形深度与乘员损伤风险具有相关性。以车辆变形深度为自变量,通过回归分析得到乘员损伤模型。不同种类车辆的乘员损伤模型拟合精度R2约为0.9,证明了该模型的正确性。为进一步验证,以此模型为基础,评价智能驾驶系统的有效性。以自动紧急制动系统为例,对比基于变形深度和速度变化量信息2种方法的有效性计算结果。结果表明:2组结果的平均误差不超过1%,验证了基于变形深度的乘员损伤模型的准确性。该模型仅需要事故数据库中准确的变形深度信息,能够获得更多的事故数据支持,从而可以更好地适应于不同类别智能驾驶系统的评价需求。 相似文献
24.
车辆行驶过程中,前方车辆运动状态预测是车辆智能控制系统的重要研究部分。车辆运动状态受其驾驶员驾驶风格、道路状况、交通流、前方车辆运动速度和加速度等因素的影响,使车辆在未来一定时间段内的运动状态具有较大不确定性,给前方车辆的运动状态预测带来困难,因此本文中对跟车工况下前车运动状态预测进行研究。本文中在分析车辆跟车工况时的运动特性,采用贝叶斯网络对前方车辆运动速度进行预测,将获得的车辆跟车工况时的运动状态数据分为训练集和测试集。通过训练集辨识前车速度预测贝叶斯网络参数,通过测试集检验前车速度预测贝叶斯网络的预测效果。对前车未来0.1,0.5,1和2s时的运动速度进行预测,预测结果表明,前车的实际运动速度均在前车速度预测贝叶斯网络预测的95%置信区间内。 相似文献
25.
汽车技术的发展动向及我国的对策 总被引:2,自引:1,他引:1
前言 现代汽车产品也被称之为高新技术的载体,涉及诸多领域的科学与技术问题,并由于高科技的进步而不断变化.汽车产业的发展随着社会对汽车节能、环保和安全要求的日益严格,必须用先进的技术来解决所面临的各种社会难题. 相似文献
26.
27.
28.
分析了智能交通系统中的智能车辆运输系统,并重点分析了其中的车辆定位、车辆调度、通讯、自动驾驶等关键技术的现状和发展趋势。最后提出了智能车辆敏捷运输系统的结构。 相似文献
29.
30.
当前,新一代信息通信及人工智能技术高速发展,汽车作为这些新技术应用的重要载体,正在加速向智能化和网联化转型,而智能网联汽车将成为新一轮产业转型升级的重要标志和依托.
世界各国加速推进智能网联汽车的创新发展,但汽车主要制造国家尚未对产业和技术发展道路形成统一认识,中国也没有成功经验和既定道路可以借鉴.因此,有必要立足高新... 相似文献