共查询到20条相似文献,搜索用时 62 毫秒
1.
3.
4.
5.
车辆起步时的油离配合过程是车辆驾驶中的难点之一。本文在实验的基础上得出了不同熟练程度驾驶员在不同工况下起步时的油离配合曲线的特性,并建立了驾驶员离合操作的模型,取得了满意的结果。本文对仿真驾驶员离合操作过程,进而对如何识别驾驶员的驾驶熟练程度提供了一条有效的新途径。 相似文献
6.
为实现车辆起步加速过程驾驶性客观评价和优化的需求,通过对实际客户驾驶行为大数据样本的分析,构造了基于客户体验的起步加速客观测试评价工况.将起步加速工况进行了驾驶性特征提取和细分.并从响应性、平顺性、收敛性和风格等方面对客观评价指标进行了设计.通过对竞品驾驶性的测试和指标分析,获得了驾驶性评价指标以及驾驶性正向设计需求.... 相似文献
7.
8.
9.
为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。 相似文献
10.
11.
12.
13.
14.
系统回顾了早期汽车驾驶人模型的发展与演变,根据驾驶人模型的设计理论和研究方法,将驾驶人模型分为方向控制驾驶人模型、STI模型、预期开环控制模型、双模式模型以及其他种类的模型,其中方向控制驾驶人模型又可分为预瞄驾驶人模型和线性状态变量控制模型。综述了上述各类汽车驾驶人模型的研究过程,分析论述了早期汽车驾驶人模型的结构特点,总结了各类驾驶人模型存在的不足,提出了驾驶人模型发展的新方向。 相似文献
15.
16.
基于眼睛状态识别的驾驶员疲劳实时监测 总被引:1,自引:0,他引:1
提出了一种基于眼睛状态识别的驾驶员疲劳状态实时监测的方法。为了实现眼睛状态的检测,首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后通过二值化和轮廓检测确定眼睛的搜索区域。在利用启发式规则进行筛选定位之后,计算眼睛骨架曲线和两眼角连线之间的距离得到眼睛的睁开程度。通过计算相应的疲劳指标如PERCLOS、平均睁眼程度、最长眼睛闭合时间来推测驾驶员的疲劳状态。以驾驶员面部视频的主观评分作为评价依据对检测方法进行评价,结果显示上述3个指标在不同的疲劳等级下均存在显著性差异,通过对不同指标的融合可达到较好的疲劳检测准确率。 相似文献
17.
18.
将驾驶员-汽车看作统一的人机系统,利用驾驶员驾驶过程的本质是决策过程的性质,通过确定系统的决策时刻、决策报酬、状态转移速率和概率、抽象驾驶员的行为集合等建立了基于Markov决策过程的驾驶员行为模型,最后对所建模型进行了计算机仿真. 相似文献
19.
20.
驾驶员的路径选择行为是影响交通诱导成效的一个关键因素。建立了诱导信息条件下驾驶员路径选择行为模型,仿真分析了诱导信息和驾驶员的经验对驾驶员路径选择行为、路网交通流分布、系统整体效益的影响。研究结果表明,随着出行次数的增加,2条路径的交通流波动逐步减小,系统总行程时间逐渐减少,逐渐趋于系统均衡。驾驶员的长期经验、诱导信息的长期准确对驾驶员的路径选择行为、系统均衡具有重要影响。 相似文献