汽车防追尾碰撞数学模型研究

为了提高车辆在高速行驶状态下的主动安全性能,研究了处于追尾行驶状态的本车与前车的运动学特征;针对前车的不同运动状态分别推导出了跟车距离的计算模型并分析了模型中3个关键参数的随机性和动态性,对制动迟滞时间提出了基于模糊推理的确定方法,对本车制动减速度和前车的运动加速度提出了比较实用的动态测算公式;另外,研究了防追尾碰撞的控制与执行,建立了动态调整安全制动停车距离的神经网络模型,提出了基于危险裕度判别的安全控制方法。     

基于ACC系统的目标车辆换道与出入弯道状态辨识算法

自适应巡航控制(ACC)系统利用雷达对前方目标进行追踪,当前车进行换道或进出弯道时,ACC系统无法区分这两种状态,容易引发交通冲突。针对此问题,本文中通过实际驾驶试验,获取了前车不同运动状态的数据,采用道路曲率估算值、前车行驶轨迹的斜率及其变化率和前车与自车之间横向距离作为表征参数,结合车-路协同运动特征,建立了前车换道与进出弯道的识别模型,并利用实测数据对模型的有效性进行了验证。结果表明:当自车处于直道时,对前车换道和进入弯道的识别率分别达到91.46%和89.81%;当自车处于弯道时,对前车换道和驶出弯道的识别率分别达到87.06%和90.42%。     

危险品运输车辆自主紧急制动控制策略研究

自主紧急制动(AEB)系统作为车辆主动避撞的有效手段之一,必将成为我国重型商用车辆强制性配备装置。在分析AEB系统工作原理的基础上,以实现危险品运输车辆AEB系统的预警和自主制动干预为目的,提出了一种基于安全距离模型的AEB系统预警算法,建立了基于危险状态因子的分级控制策略,采用Trucksim软件对提出的危险品运输车辆的AEB控制策略进行了两种仿真测试场景下制动效果的验证。仿真结果表明:所提出的AEB控制策略是有效的,满足AEB系统的相关法规及性能要求。     

基于模型预测控制的智能车辆纵向控制研究

在ADAS的控制算法中，普遍的控制算法只能在本车道跟车，据此提出一种新方法，不仅能使车辆在本车道内跟车，还能在本车道无车的情况下，进行跨车道跟车。首先在考虑前后车辆制动距离的情况下，对车距算法进行了优化，并把其他车道的车辆通过算法投影至本车道；其次搭建了基于模型预测控制（MPC）算法的车辆离散化模型系统，对其控制参数施加约束；最后通过设置前车不同的车速和车况，在CarSim搭建车辆模型并与Matlab/Simulink联合仿真，针对车辆的纵向加速度变化的研究。     

基于支持向量机的跟车模型优化

利用毫米波雷达、车辆总线设备及GPS等设备搭建实车数据采集平台,采集真实交通环境下车辆跟车行驶时前车运动状态表征参数,以两车间相对速度、相对距离、自车速度和横摆角速度为输入参数,基于支持向量机理论,利用粒子群算法对支持向量机参数进行优化,建立跟车行驶时前车运动状态预测模型。结果表明,该模型能有效预测前车加速、减速及稳速状态,时间窗口宽度为3s时,直线道路上的预测准确率为89%;时间窗口宽度为3.5s时,曲线道路上的预测准确率为87%。     

考虑前车制动意图的自动紧急制动策略及其测试评价方法

为提高车辆自动紧急制动（AEB）系统的避撞性能,提出了一种考虑前车制动意图的AEB策略及其测试评价方法。通过搭建“PreScan+Simulink+驾驶模拟器”联合仿真平台采集驾驶人制动数据,基于K-均值（K-Means）聚类方法对制动意图进行分类,采用滑动时间窗口提取了意图识别模型训练数据集;通过双层隐马尔可夫模型识别前车制动意图,主车根据不同制动意图计算临界安全距离阈值并制定避撞控制策略;建立PreScan+Simulink虚拟仿真测试环境,提出了基于层次分析法的AEB策略综合评价方法,通过与4种典型AEB控制模型进行对比,验证了所提出方法在不同制动程度场景下均可及时触发制动以避免碰撞,同时可减少过早制动造成的驾驶不适感。     

Modeling and Co-simulation of Adaptive Cruise Control System

采用Carsim与Simulink建立了一种车辆纵向动力学模型;然后基于最优控制和PID控制,设计了具有上、下两层结构的自适应巡航控制系统;最后对典型的自适应巡航工况进行联合仿真.结果表明,所设计的自适应巡航控制系统能使自车在保持一定车距的前提下较好地跟踪前车速度变化,并对前车的紧急制动有较好的响应.     

基于舒适性考虑的AEB仿真测试

自动紧急制动系统作为一项重要的汽车主动安全技术,能够辅助驾驶员避免车辆纵向碰撞。为进一步对自动紧急制动系统进行优化,基于Honda算法建立了考虑驾驶员反应时间和驾乘者舒适性条件的优化模型,并与原有算法进行对比。研究结果表明,优化后的模型能够在有效实现碰撞避免的基础上,与前车保持更加合适的距离,在部分工况下的初始制动时刻更晚,对驾驶员的干扰更小,基本满足驾乘者的舒适性要求。     

基于深度学习LSTM的智能车辆避撞模型及验证

建立了一种基于深度学习长短期记忆(LSTM)网络的智能车辆避撞模型.搭载虚拟测试驾驶(VTD)仿真软件的模拟驾驶器;针对跟车行驶、前车紧急制动这一危险工况,开展模拟驾驶实验;以相对距离、相对速度、前车减速度、碰撞时间、横向距离作为输入参数;通过未经训练的样本数据对模型迁移性进行验证,并与传统反向传播(BP)神经网络进行...     

基于驾驶状态识别的自动紧急制动控制策略

针对自动紧急制动系统缺乏对驾驶员实际需求与个性化考虑的问题,提出一种基于驾驶状态识别的自动紧急制动控制策略。引入驾驶状态识别系数将驾驶状态分为激进型、标准型和保守型3类,并将其用于最小安全距离修正。结果表明,基于驾驶状态识别的自动紧急制动系统可以更好地协调车辆起始制动距离,车辆制动后与前车的最小安全距离更符合驾驶员的心理预期,提高了驾驶员的认可度与信任度。     

车辆自动紧急制动系统仿真与应用研究

设计客车SCANeR模型和AEBS仿真模型,并进行模型验证和仿真分析.结果表明:所建模型满足仿真需求,可实现AEBS控制策略快速初步验证的目标.     

基于ECE R131法规检测的移动目标车设计与验证

针对ECE R131法规,设计一种适用于侧面牵引测试的移动目标车,通过一系列各种难度的场景测试,证明该设计方案能够满足AEBS性能的检测要求,还具有安全可靠、使用灵活、成本低廉的特点,设计达到预期目的。     

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。     

基于改进人工势场法的智能车辆超车路径规划研究

为提高智能车辆的行车安全性,基于人工势场法,通过分析超车驾驶行为规律,建立超车最小纵向安全距离及其约束模型,提出新型障碍物虚拟力场作用域,引入基于前车工况的斥力系数和调节因子,设立虚拟局部目标点,建立了改进的路径规划模型。利用MATLAB和CarSim软件联合建立基于模型预测控制的路径跟踪仿真平台,对改进模型进行了验证。仿真结果表明,改进的路径规划模型安全有效地实现了智能车辆的超车行为。     

基于车车通信的巡航控制系统

设计了一种基于车车通信技术的PI控制算法车辆巡航控制系统。采用DSRC短程无线通信方式获取周边车辆位置、速度及行驶方向等信息，弥补传统巡航控制系统存在的不足。从车间距策略入手，采用PI控制方法，使智能车保持与前车的行驶间距，确保安全行驶，并在Carsim/Simulink仿真平台上设计了仿真试验，证明了提出的PI控制算法具有良好的跟踪性能。在安徽省芜湖市千岛湖路附近的无人路段开展了实证研究，结果表明，系统能够实现稳定的巡航跟车功能。     

基于驾驶员认知过程的车辆跟驰模型的建立

基于认知心理学的有关知识,提出一种将驾驶员的直觉、分析和推理三者相结合的驾驶员认知结构基本框架,在此框架体系下对车辆跟驰过程中驾驶员的认知过程进行了详细的分析;结合五轮仪试验系统采集的数据,采用因子分析法确定出对驾驶员的车辆跟驰信息提取过程有独立作用的4个因素,包括前车位移、前车速度、前车加速度和后车位移,相应地将驾驶员认知过程划分为4个阶段,构建了跟驰过程中驾驶员的认知结构模型,并对各个阶段做出了具体分析,建立了相应的车辆跟驰模型。仿真结果表明,基于驾驶员认知过程的跟驰模型可以较好地揭示跟驰过程中的驾驶行为。     

基于多模式切换的智能汽车自适应巡航控制研究

针对前车运动状态和驾驶意图的不可预知性导致传统自适应巡航控制(ACC)系统应用受限的问题,设计了一种多模式切换的自适应巡航控制方法。根据自车与前车的运动学关系划分行驶模式,采用紧急系数表征各行驶模式下的危险程度;设计模糊控制器调节模型预测控制(MPC)中目标函数的权重值,以满足不同工况下跟车性和舒适性的需求差异,实现不同控制模式间的切换。仿真结果表明,多模式切换控制方法有效提高了车辆跟车性和舒适性,在各种工况下取得了优良的控制效果。     

基于人-车-路环境下的车辆跟驰模型

在现有的跟驰模型基础上,综合考虑驾驶员个体差异、车辆制动性能差异和交通路况因素,并针对前车静止、减速和匀速或加速三种不同行驶状态,以前后车所需的最小安全距离为目标,建立不同行驶工况下的人-车-路环境下的最小安全距离车辆跟驰模型。最后,针对前车不同行驶工况下对最小安全距离进行数值计算,并与现有的传统模型计算结果进行对比。结果表明:在车辆跟驰过程中,前后车之间所需的最小安全距离会受人、车、道路环境影响而有所变化,文中建立的模型更加准确、合理,符合真实交通现象。     

基于贝叶斯网络的联网环境中跟车工况下的前车运动状态预测

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。     

扩展卡尔曼滤波器在车辆状态预测中的应用

如何避免车辆在行驶过程中与其他交通参与者特别是车辆发生碰撞,一直是车载主动安全系统所要解决的问题,同时主动安全系统对危险状态提前预知的要求越来越高。对此,提出一种基于扩展卡尔曼滤波器的车辆运动状态预测方法。该方法通过自车传感器实时探测周围车辆的运动状态参数,并利用扩展卡尔曼滤波器对被观测车辆的空间位置进行估计。将预测车辆状态和真实值进行比较,结果表明此模型能准确地对车辆运动状态进行预测。