车速鉴定中轮胎-路面附着系数估算方法研究

在交通事故鉴定中,车辆行驶速度是事故处理和诉讼的重要依据。其中,路面附着系数是事故车速鉴定的重要参数。本文在大量实验数据基础上,拟合出车辆制动过程的特性曲线,并简化出相应的车速估算模型。利用此模型对不同车型、路面类型、湿滑状况和不同车速情况下的路面附着系数e进行了估算研究。经估算实例验证,文中的估算方法对不同状况下的路面附着系数具有较好的估算能力。     

路面附着系数对汽车跟驰安全距离的影响研究

考虑路面附着系数对汽车跟驰安全距离的影响并建模,通过MATLAB仿真平台进行仿真,发现在路面附着系数较大(0.5~1.0)的情况下,前后两车跟驰的安全距离随速度的变化缓慢增长,且不同路面情况下的安全距离相差不大;在路面附着系数较小(0~0.5)的情况下,特别是在冰雪路面上,车辆跟驰的安全距离随速度的增长变化最大。     

基于实车试验的路面峰值摩阻系数影响因素分析

实时精准的路面附着系数影响车辆的电子制动及智能控制性能,因此在建立轮胎与路面峰值摩阻系数数学模型的基础上,结合试车场Dynatest995型纵向附着系数测量设备,基于理论研究以及试验的数据结果对路面峰值摩阻系数的影响因素进行了分析,分析结果表明:轮胎磨损状态、载荷、气压、测试速度以及路面状态都影响路面峰值摩阻系数的数值,并且基于实车测试给出了各影响因素对摩阻系数数值的变化趋势。     

一种附着系数-滑移率曲线的测定方法

汽车防抱死制动系统（ABS）依据附着系数-滑移率曲线对车辆轮速进行调节,使车辆达到最好的制动效果。但不同路面的附着系数-滑移率曲线不同,且附着系数的峰值和对应的最佳滑移率也不同。为便于车辆在不同路面均达到更好的ABS控制效果,文章提出一种附着系数-滑移率曲线的测定方法,可实时计算附着系数-滑移率曲线。     

基于多参数自适应优化的智能车轨迹跟踪

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验，算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预...     

可变附着系数路面上的自动紧急制动避撞安全策略研究

针对路面条件变化时紧急制动系统易出现的制动时机决策失准问题,提出基于车辆运动学的动态决策增强安全模型的紧急制动策略。首先,依据目标车加减速状态细化工况,基于车辆速度与加速度建立动态决策安全模型,以提高极端工况下控制策略对车辆动态行驶速度的适应性。接着,以无迹卡尔曼滤波(UKF)算法连续辨识获得道路附着系数,通过系列道路条件下对实车和模型的制动性能试验建立路况与车辆减速能力的关系,根据道路条件实时更新模型依赖的极限减速度参数,进一步增强控制策略安全性和对动态道路条件的适应性。最后,通过附着系数连续多变路面工况试验和中国新车评价规程(C-NCAP)测试工况试验,对控制策略进行验证。结果表明,滤波算法具备精准的辨识效果;而自动紧急制动策略可在变化附着系数路面上实现对制动时机的准确决断。     

汽车ABS制动过程中道路识别方法研究

车辆防抱死控制系统（ABS）的目标控制参数在不同路面上存在很大差异,所以在不同路况下汽车电控系统所采取的控制策略和算法也有所差别。以汽车主动安全装置ABS为基础,在建立了车辆模型和进行滑移率估算的前提下．设计了道路识别控制器。考虑到轮胎非线性的影响,对变附着系数路面进行了ABS制动模拟试验。结果表明：基于路面识别技术的ABS控制系统能准确判断出路面状况,并据此调整控制策略,以使车辆获得最大的制动减速度和最短的制动距离。试验表明．该系统具有较好的跟踪性。     

基于模糊支持向量机的旁车道车辆并线意图识别方法

为检测旁车道车辆驾驶员的并线意图,利用机器学习技术基于模糊支持向量机建立了并线意图识别器。识别器的训练样本由实际交通环境中的车辆并线数据获得,包括主车道与旁车道车辆的7个运动属性,其中对不能直接利用传感器信息获取的属性由Kalman滤波器预估得到。由于在并线初始时刻的并线样本不能有效区别于非并线样本,所以在支持向量机的求解中引入样本模糊隶属度系数以提高并线意图识别器训练的准确性,同时对支持向量机中的参数基于交互检验正确率进行网格优化。在实际交通环境中对并线意图识别器进行了试验,结果表明,识别器工作有效,经过简单处理后的识别结果可有效反映驾驶员的并线意图。     

基于机器学习的汽车后视镜气动噪声预测方法

针对传统风洞试验、数值模拟等方法计算噪声值费时长、资源消耗大等问题,提出一种基于机器学习的气动噪声预测方法。以后视镜特征参数为数据集输入,对不同特征参数下的后视镜模型进行瞬态流场与声场联合仿真,将计算得到的总声压级值作为数据集输出,分别用不同数量的样本数据训练支持向量回归机,通过建立的预测模型对同一测试集进行预测得到总声压级预测值。结果表明,基于支持向量回归机的预测方法能得到与计算值误差较小的预测结果,在较少样本数据支撑下也具有较高的预测精度,可用于汽车后视镜气动噪声的预测。     

基于混杂理论的电磁与摩擦集成制动方法

鉴于传统电子液压制动系统连续制动易产生"热衰退"现象，结构缺陷导致的制动响应慢，制动系统与电控系统衔接差等缺点，提出了一种基于混杂自动机模型的电磁与摩擦集成制动方法。首先分析集成制动器制动时的工作特点以及不同情况下对应的工作模式（纯电磁制动、纯摩擦制动以及集成制动），并确定3种制动模式的切换条件，通过逻辑门限算法将其实现。根据制动时车辆既具有连续运动状态又有离散状态的混杂特性，使用MATLAB/Stateflow建立基于制动模式切换系统的推广自动机模型，并根据制动模式切换控制策略，对3种制动模式切换进行试验，验证制动模式切换控制策略的合理性。最后选取车辆制动初速度为28 m·s^-1的直线制动工况，分别在高附着系数（0.85）以及低附着系数（0.3）的路面条件下，通过试验平台对控制算法和制动系统性能进行试验验证。研究结果表明：所提出的汽车混杂理论模型以及优化方法在在低附着系数（0.3）路面条件下，集成制动方法较传统液压制动系统缩短5.12%的制动距离，缩短制动时间0.3 s；在高附着系数（0.85）路面条件下，集成制动方法较传统液压制动系统缩短5.66%的制动距离，缩短制动时间0.2 s，能有效提高制动效能。     

基于动态轴荷的电控制动系统制动力分配控制算法

针对半挂汽车列车制动时轴荷转移大、制动距离受载荷影响大的问题,提出了非紧急制动工况基于动态轴荷的制动力分配算法。根据轴荷变化动态调整制动力分配,使各轴利用附着系数与车辆制动强度一致,同时根据车辆实际制动强度与理想制动强度差值调整制动力,使车辆在相同制动过程中制动距离不受载荷影响。对比通过软件进行常规制动与采用该算法的电控系统车辆在不同载荷下的制动仿真结果表明,该算法可动态分配制动力并进行减速度控制。     

考虑道路因素的智能车辆纵向运动决策与控制研究

针对智能车辆纵向运动时的交通道路适应性问题,考虑路面附着系数和前车运动速度等因素,研究了智能车辆纵向运动决策与控制方法。论文研究了基于车头时距的纵向运动决策方法并建立不同驾驶行为的目标车速模型,运用变论域模糊推理算法设计了目标加速度模型。基于纵向动力学模型,运用自适应反演滑模控制算法建立了驱动控制器和制动控制器。对高附着系数路面和低附着系数路面的行驶工况进行仿真试验验证,结果表明,在不同的附着系数路面和前车变速行驶条件下,智能车辆能实时、合理地决策目标车速、目标加速度,实现安全、高效、稳定的跟驰。     

路面附着系数的自适应衰减卡尔曼滤波估计

为了获得实时、准确的路面附着系数,进一步提高观测路面附着系数算法的精度和收敛速度,结合非线性车辆动力学模型和轮胎力修正模型,搭建分布式驱动电动汽车联合仿真平台,提出一种基于自适应衰减无迹卡尔曼滤波的路面附着系数观测算法。该算法设计与各轮对应的路面附着系数观测器,应用协方差匹配判据对观测器发散趋势进行判别,设计自适应加权系数修正预测协方差,以增强新近观测数据的利用率;同时采用次优Sage-Husa噪声估计器对未知的系统过程噪声进行估计,抑制观测器的记忆存储长度,调整过程噪声和测量噪声的均值与协方差,提高观测器的跟踪能力。利用分布式驱动电动汽车分别进行高、低附着路面和对开路面直线制动试验,并将自适应衰减无迹卡尔曼滤波路面附着系数观测器的观测结果与无迹卡尔曼滤波观测值、参考路面附着系数进行比较和分析。结果表明：高附着路面条件下,所设计的算法估计误差可控制在0.64%以内;低附着路面条件下,所设计的算法估计误差可控制在1.03%以内;对开路面条件下估计误差可控制在1.26%以内;自适应衰减无迹卡尔曼滤波算法相比无迹卡尔曼滤波算法响应速率更快,具有更高的估计精度和较强的自适应能力,估计结果整体上维持稳定,能够适应各种不同路面的估计。     

商用车防抱死制动系统的应用和发展

随着我国汽车技术水平的升级及人们对车辆安全要求的逐步提高,近年来用于提高车辆主动安全的防抱死制动系统（ABS-Anti-lock Braking System）已被越来越多地运用在商用车上。ABS是防止在紧急制动时车轮被抱死的电子控制系统,在紧急制动时保持车辆的可操纵性;缩短和优化制动距离,在低附着路面上,制动距离缩短10％;保持了最优化的路面附着系数利用率;减少了轮胎磨损和维修费用。     

基于改进安全距离模型的人机协同纵向避撞研究

针对车辆纵向跟驰过程中的避撞问题,基于车辆运动状态和路面附着系数等因素,提出了一种改进的安全距离模型.针对驾驶员和主动制动系统的协调控制问题,采用可拓决策的方法,以两车实际间距和碰撞时间为参考变量建立二维可拓集合,划分动态安全边界,不同域中分别采用自由驾驶模式、协调制动模式和主动制动模式.基于避撞模型,对被选为主动制动...     

半挂汽车列车转弯制动稳定性模糊控制

针对半挂汽车列车转弯制动时易发生折叠等危险工况的现象,采用Trucksim和Simulink联合仿真的方法,建立了半挂汽车列车转弯制动的动力学模型,并利用实车道路试验数据验证了模型的准确性.设计了半挂汽车列车转弯制动稳定性的控制器和模糊控制策略,并选择高、中、低三种附着系数路面对模糊控制策略和传统逻辑门限控制策略的效果进行了对比分析.结果表明:半挂汽车列车在三种附着系数路面上转弯制动时,模糊控制比逻辑门限控制在车辆制动稳定性能上有所改善,可有效地缩短制动距离和预防折叠现象的发生.     

基于随机森林的雨天车辆跟驰风险行为研究

为降低雨天车辆跟驰行为风险,建立了一种基于随机森林的雨天车辆跟驰风险水平判定模型.通过引入降雨条件和安全距离,同时解决跟驰风险不易被量化分析及准确判定的问题,对传统驾驶风险判别模型进行修正,从而提取降雨条件下车辆运行跟驰风险特征,判定当前状态下的车辆跟驰风险.利用UC-winRoad驾驶模拟器仿真实验输出的降雨条件(包括降雨等级、路面水膜厚度、路面附着系数)和车辆运行数据(包括纵向车速、加速度、安全距离)进行验证,构建了引入风险熵的风险水平判定模型;通过随机森林算法对模型进行训练,并对风险特征进行提取,输出风险水平的判定结果.结果表明,该模型获取的风险水平误差小于1级,相比人工神经网络和支持向量机,平均相对误差分别降低了10.36%和4.54%.所提出模型可作为实用工具判定雨天车辆跟驰风险水平.      

A Research on the ABS Test Method for Four-Wheel-Drive Vehicle Equipped with Viscous Coupler

装备黏性联轴器的四驱车辆在进行防抱死制动系统的试验中,按照传统的使单轴制动失效的办法获得的低附路面附着系数远高于试验路面实际的附着系数.文中通过分析揭示了其原因是:单轴制动失效时前、后轴轮胎滑移率变化造成转速差过大而产生驼峰现象,前、后轴形成准刚性连接而共同参与制动.因此,装备黏性联轴器的四驱车辆在进行ABS路面附着系数试验时应将黏性联轴器输入轴拆除,使之仅有单轴参与制动,才能获得正确的路面附着系数.     

汽车双转鼓惯性试验台等效路面附着机理研究

本文中针对一种双转鼓惯性试验台,基于CAN/PCI总线建立机电一体化分布式测控系统,用于车辆安全性、动力性试验检测。基于所设计惯性试验台提出通过改变车轮与双转鼓间安置角等效不同路面峰值附着系数的算法,基于制动过程单轮动力学分析,建立单轮-试验台系统动力学模型,根据动力学模型获得可变安置角与路面峰值附着系数等效路面附着机理,基于Matlab/Simulink建立单轮-试验台系统仿真模型,验证了等效路面附着系数算法。通过所建单轮-试验台系统进行了试验,在小滑动区实时获取车轮所受纵向力及滑动率,基于Slip-slope理论实时估算等效峰值附着系数。结果表明,双转鼓惯性试验台等效路面附着机理正确,等效路面附着系数算法准确可行。     

基于智能轮胎系统的实时路面辨识技术

在复杂和极限工况下,路面附着系数是进行轮胎受力分析和车辆动力学控制的重要状态参数。相对于模型估计的方法,智能轮胎技术能够将轮胎与路面的交互信息反馈给车辆控制系统。本文提出了一种将智能轮胎系统和机器学习相结合的车辆路面附着系数获取方法。首先,考虑行驶工况环境进行传感器选型,开发基于MEMS三轴加速度传感器的智能轮胎硬件采集系统,并采用简化硬件结构的无线传输模式。其次,通过采集不同路面上的实车实验数据进行车辆实验收集机器学习训练的数据集,并分析轮地关系及信号特征。最后,将CNN与LSTM两者的优势相结合实现了对加速度时序信号的特征学习。通过与其它神经网络模型训练结果的比较,验证了所提CNN-LSTM双通道融合神经网络模型的有效性和准确性。本文提出的路面辨识方案实现了实时道路识别的目标,硬件与软件架构和神经网络模型更适合车辆系统搭载,为车辆运动控制提供了实时准确的路面信息。