基于模糊推理的驾驶员意图识别研究

对驾驶员换档操作进行了动力学分析,定义了平直道路匀速行驶的平衡节气门开度和相对节气门开度,研究了典型工况下驾驶员操作特征,将平直道路行驶时的驾驶员意图分为相互关联的五类,并在此基础上提出了将驾驶环境和驾驶员操作相统一的识别方法。根据相应的实车实验数据和经验收集,制定了模糊推理的规则库,建立了多输入单输出的模糊推理模型。对实车实验数据进行了离线识别验证,能够比较准确完整的识别驾驶员意图。     

汽车自动变速技术的新发展

介绍了目前应用较多的几种汽车自动变速器在结构改进、换档品质提高等方面的发展动态。从研究内容、研究方法以及国外的代表性系统等方面介绍了汽车自动变速器换档规律的智能化发展方向。指出增强自动变速系统对不同行驶环境的适应性和对不同风格驾驶员的适应能力,从而实现智能换档,是今后汽车自动变速技术发展的方向。     

双离合自动变速器特殊工况下换挡规律的智能在线修正研究

针对某装备6挡双离合自动变速器的车辆,制定了传统两参数综合换挡规律,并分析了在该换挡规律控制下,车辆行驶在城市拥挤道路、紧急制动、加速超车、弯道和坡道等特殊工况时出现不合理换挡现象的原因。为减少不合理的换挡,综合考虑行驶环境和驾驶员意图,采用模糊控制方法,提出了基于传统两参数换挡规律的在线修正换挡规律。最后通过AMESim-Simulink联合仿真,对比了传统换挡规律和在线修正换挡规律在上述特殊工况下的控制效果,验证了在线修正换挡规律的有效性。     

汽车语控智能电器系统

提出一种语音控制汽车智能电器系统的总体结构框架,包括语音识别和驾驶员意图识别的运算平台及汽车智能电器系统。在车载环境下,利用规范模式和有限状态机理论对驾驶员的自然语言进行分析,达到意图识别和语音控制的目的。引入抗干扰设计方法后系统对驾驶员意图识别的正确率有明显提高。最后通过试验系统验证了利用驾驶员语言进行汽车电器控制的可行性。     

威伯科公司的电控机械式自动变速器(AMT)控制系统

<正>由于手动换档性能受到驾驶员操纵技术水平高低的影响很大,直接影响到汽车使用性能的发挥,加之频繁换档易使驾驶员疲劳,影响汽车行驶安全,所以应用自     

CAN总线在汽车智能换档系统中的应用

汽车智能换档就是使自动变速器具有人的智慧,能够完全自主地根据当前的行驶环境和驾驶员的个性意愿来换档,这是今后自动变速技术发展的方向。介绍CAN总线的特点,分析CAN总线结构在汽车智能换档系统中应用的意义,介绍基于CAN总线的智能换档系统结构和通信原则,分析自动变速器ECU、电喷发动机ECU和制动防抱死ECU中的报文内容以及基于CAN总线结构的汽车智能换档通信系统的数据流动结构。     

本田(HONDA)奥德赛(ODYSSEY)轿车电路--手动/自动一体化自动变速器电控系统

奥德赛轿车的自动变速器有多种形式,新装手动/自动一体化S-Matic的自动变速器,其机械传动部分仍采用三平行轴圆柱齿轮4档变速器,但其操纵机构采用液压自动控制,它既可根据发动机负荷大小和车辆运行速度自动提升或降低行驶档位,也可根据驾驶员的意图找到手动换档的感觉,张显个性     

基于驾驶员意图识别的纯电动汽车动力性驱动控制策略

为了解决纯电动汽车动力性和操控性难以同时兼顾的问题,将驾驶员意图分为稳态意图和动态意图,稳态意图用于保证车辆的操控性,动态意图用于保证车辆的动力性,在此基础上提出了一种基于驾驶员意图识别的纯电动汽车动力性驱动控制策略,该策略首先分别采用“典型工作点+分段插值”和模糊推理方法来识别驾驶员的稳态和动态意图;接着采用“动态补偿转矩保持”和“动态补偿转矩归零”等算法计算动态补偿转矩;最后通过“增量式”动态补偿转矩跟踪算法和电机过载管理算法给出最终的转矩指令。仿真与试验结果表明,该策略既可以根据驾驶员稳态意图保证车辆的操控性,也可根据驾驶员动态意图提高车辆的动力性。     

AMT车辆坡道行驶综合控制换档规律的研究

分析AMT车辆坡道行驶时容易出现的意外升档和换档循环的原因;提出坡道工况的模糊识别方法,制定坡道行驶综合控制换档规律,不仅解决了意外升档和换档循环的问题,而且实现了坡道换档性能的最优。通过仿真分析,验证了该方法的有效性。     

基于模糊逻辑的制动意图离线识别方法研究

文中根据驾驶员对车辆的操纵特性，对制动意图进行了分类，制定了制动意图识别的方法，为线控制动系统研究奠定基础。开展实车试验，确定可以用作制动意图识别的参数并提取其阈值。利用模糊逻辑对制动意图进行离线识别，表明模糊逻辑能够准确、及时地识别出驾驶员的制动意图。     

捷达轿车自动变速器的保养

捷达"都市先锋"轿车采用德国大众公司最新版本的FLAT全自动变速技术,其采用模糊逻辑控制理论,同时又考虑行驶阻力、驾驶员的驾驶习惯及交通环境等因素,合理地对换档进行控制,从而满足不同驾驶者的个性需求.     

WABCO电控机械式自动变速箱(AMT)控制系统

由于手动换档性能受驾驶员操纵技术水平高低的影响很大,直接影响到汽车使用性能的发挥,加之频繁换档易使驾驶员疲劳,影响汽车行驶安全,所以,应用自动变速箱一直是人们长期追求的目标.近代电子技术在车辆上的广泛应用使得自动变速技术在车辆上的应用越来越广泛.     

威伯科公司的电控机械式自动变速路(AMT)控制系统

由于手动换档性能受到驾驶员操纵技术水平高低的影响很大,直接影响到汽车使用性能的发挥,加之频繁换档易使驾驶员疲劳,影响汽车行驶安全,所以应用自动变速器一直足人们长期追求的目标.特别足近代电子技术在车辆上的广泛应用,使得自动变速技术在车辆上的应用越来越广泛.     

新型MAN TipMatic拥有更高的加速性

德国曼推出的新型MANTipMatic换档程序可以确保车辆在紧急运行时拥有良好的加速性和减速性。MAN TipMatic是针对MAN TGL/TGM系列车型提供的一种新型换档程序,以满足消防抢险救援车辆在工作时的更高要求,确保其出色的完成任务。消防抢险救援车在执行任务时,需要快速、安全的到达现场。在这种情况下,驾驶员需要全神贯注于路面情况,加上复杂的交通状况,自动的MAN TipMatic换档程序的出色性能就显得尤为重要,它可以为司机提供真正的帮助。当需要同时同步的控制离合器踏板和油门踏板时,驾驶员不需要操作换档杆进行适当的齿轮啮合。只需简单的通过紧挨司机座椅位置的旋转开关,将模式旋转到Ds进行应急行驶即可。由于最佳的性能程序,MAN TipMatic驱动协调的换档方式可确保消防抢险救援车爆发强大     

同步器的正确使用方法

通过对某运输公司调查得知,汽车驾驶员为了节油,在汽车行驶中普遍采用滑行,在滑行终了需要重新换档行驶时,使用同步器强行将发动机起动。这种错误操作,不但直接影响同步器和传动系零件的寿命,还对发动机的寿命有严重影响。     

基于HMM和SVM级联算法的驾驶意图识别

为降低先进驾驶员辅助系统的误警率,提出了利用不同任务下"人-车-路"参数的差异性识别驾驶意图的方法。在模拟驾驶仪系统中开展实验,记录了12名受试者的驾驶样本1 150组,对比车道保持意图、换道意图和超车意图样本的差异,确定了6个参数的驾驶意图识别指标体系。运用HMM和SVM级联算法建立驾驶员驾驶意图识别模型。结果表明:基于该算法的识别准确率达95.84%,明显高于HMM或SVM单一算法,且单次平均识别时间为0.017s,满足驾驶员对突发性事件反应时间的要求。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

自动变速车辆坡道行驶工况下换档规律的研究

从采用一般换档规律的AMT车辆在坡道行驶时容易出现的问题出发,分析了换档循环、意外换档和紧急制动意外加速的原因;提出通过计算理论加速度判断坡道工况的方法;制定修正后的坡道综合控制换档规律.通过仿真分析,验证此方法可以有效解决各种坡道换档问题.     

基于车辆行驶数据的驾驶风格识别

车辆驾驶员驾驶风格对于汽车的燃油经济性和行驶安全性有重要的影响。文章就基于车辆行驶数据在驾驶风格识别方面的研究进行综述,首先介绍了驾驶员驾驶风格识别的基本流程,接着论述不同学者在驾驶风格识别方面使用的算法模型,包括支持向量机（SVM）算法、反向传播（BP）神经网络算法、随机森林模型算法,然后基于实际车辆行驶数据,利用不同驾驶风格识别模型对其进行实现分析,最后对驾驶员驾驶风格识别的研究工作进行了展望。     

Downhill Assist Control Method for Hybrid Electric Vehicle

为提高混合动力汽车(HEV)下坡过程中的安全性和燃油经济性,基于HEV电机制动力矩可精确调节、制动能量可回收的特点,提出了一种下坡主动安全控制方法.结合对驾驶员坡道驾驶意图的识别,建立分层控制系统架构;根据目标车速计算制动力矩,制定制动力矩在各制动子系统间的分配和动态协调策略,并进行仿真验证.结果表明,该方法在提高下坡路段HEV行驶安全性和燃油经济性的同时,减轻了驾驶员的操纵负担,改善了乘员的乘坐舒适性.