基于驾驶员转向操作特性的疲劳驾驶检测

本文旨在利用驾驶模拟器开展疲劳驾驶试验,研究疲劳驾驶的检测方法.首先采用面部视频的专家评分方法,建立驾驶员3级疲劳(清醒、疲劳和非常疲劳)的样本数据库;然后定量提取描述疲劳操作特性的特征指标,采用序列浮动前向选择算法筛选最优的特征指标组合,最终建立了一种基于SVM的驾驶员3级疲劳的在线检测算法.测试结果表明,驾驶模拟器工况下,本文算法识别3级疲劳的准确率达到87.7％,具有较高的鲁棒性和实用性.     

基于双模式执行器的商用车自适应巡航控制系统

为实现商用车自适应巡航控制(ACC)系统的功能,开发了双模式制动执行装置和电子油门控制装置,即基于高速开关阀的商用车气压电控辅助制动系统和双模式油门控制系统,可以实现驾驶员和ACC系统的协同切换控制。在此基础上,以某商用车为对象,设计了ACC系统,结合比例-积分控制器和Smith预估补偿器设计了ACC的下位控制算法。结果表明:该ACC系统速度稳态跟踪误差小于1 m.s-1,距离稳态跟踪误差小于1.5 m;同时油门执行器和制动执行器具有安装方便、与原车电子油门及气压制动系统兼容性好的优点。     

基于高速开关阀的气压电控辅助制动装置

为了满足商用车辆纵向驾驶辅助系统对于自动制动的要求, 设计了一种基于高速开关阀的气压电控辅助制动装置。建立了装置的数学模型, 设计了抗积分饱和的PI控制器, 采用脉宽调制方法动态调节高速开关阀, 实现对车辆制动压力的主动控制。搭建了电控辅助制动装置的硬件在环仿真试验平台, 对其控制效果进行试验验证。分析结果表明: 该装置不仅能够快速准确地响应制动指令, 其稳态误差小于0.01 MPa, 响应时间小于0.3 s, 同时具有安装方便, 与商用车制动系统兼容性好的优点。     

智能网联汽车(ICV)技术的发展现状及趋势CSCD

综述了智能网联汽车(ICV)技术的发展现状及趋势。ICV的体系架构包括价值链、技术链与产业链。ICV的4个发展阶段是:自主式驾驶辅助、网联式驾驶辅助、人机共驾、高度自动/无人驾驶;关键技术有:环境感知、智能决策、控制执行、人机共驾、通信与平台、信息安全等。由于ICV是未来汽车技术发展的一个重要方向,其技术与产业发展是中国汽车工业转型升级的重要机遇;因而,中国要发展智能网联汽车,就应该充分结合本国体制优势,依托顶层设计。     

自动驾驶接管绩效的影响因素、模型与评价方法综述

有条件自动驾驶系统无法应对所有驾驶场景,因而需要驾驶人在必要情况下进行接管。驾驶人的接管绩效对于有条件自动驾驶车辆的安全性、驾乘体验与接受度具有重要意义。近年来,大量文献从不同视角对驾驶人接管绩效这一主题进行了广泛研究,但仍然存在一些问题亟待解决。从驾驶人接管绩效影响因素、接管绩效模型与接管绩效评价方法3个方面综述了驾驶人接管绩效的研究现状。首先,从驾驶人因素、交通环境因素和自动驾驶系统因素3个维度对驾驶人接管绩效影响因素的相关研究进行综述。其次,对现有驾驶人接管绩效模型,包括经典统计模型、机器学习模型与结构方程模型进行总结。最后,总结了现有原始接管绩效评价指标以及接管绩效综合评价方法。分析发现：现有接管绩效影响因素的量化指标仍不够全面,现有接管绩效模型的可解释性和预测精度难以兼顾,现有接管绩效评价方法尚需进一步完善。有鉴于此,未来研究首先需要基于驾驶人群体主观评价提出接管绩效的全面评价方法,然后以此为基础从人-机-环境维度全方面探索接管绩效影响因素的量化指标,最后考虑多种影响因素的复杂关联关系,建立高精度接管绩效预测模型,从而为提升驾驶人接管绩效提供理论支持,促进有条件自动驾驶的进一...     

分布式电驱动车辆的ACC协同控制

针对智能分布式电驱动车辆在纵向跟车运动中实施多性能目标协同控制的必要性和实时性问题,在分析分布式电驱动车辆结构与纵向动力学特性基础上,提出一种基于模型预测控制理论的自适应巡航控制算法,并采用缩减优化问题规模的方法,缩短单步计算时间,提升在线优化求解的运算效率。为验证算法有效性,搭建仿真平台,进行了相关的仿真和硬件在环试验。仿真和试验结果表明,所提出的控制算法能实现该车安全和节能的协同优化,且满足了控制实时性要求。     

类脑学习型自动驾驶决控系统的关键技术

作为高级别自动驾驶的下一代技术方向，类脑学习以深度神经网络为策略载体，以强化学习为训练手段，通过与环境的交互探索实现策略的自我进化，最终获得从环境状态到执行动作的最优映射。目前，类脑学习方法主要用于自动驾驶的决策与控制功能设计，它的关键技术包括：界定策略设计的系统框架、支持交互训练的仿真平台、决定策略输入的状态表征、定义策略目标的评价指标以及驱动策略更新的训练算法。本文重点梳理了自动驾驶决策控制的发展脉络，包括两类模块化架构（分层式和集成式）和3种技术方案（专家规则型、监督学习型和类脑学习型）；概述了当前主流的自动驾驶仿真平台；分析了类脑决控的3类环境状态表征方法（目标式、特征式和组合式）；同时介绍了自动驾驶汽车的五维度性能评价指标（安全性、合规性、舒适性、通畅性与经济性）；然后详述了用于车云协同训练的典型强化学习算法及其应用现状；最后总结了类脑自动驾驶技术的问题挑战与发展趋势。