考虑车辆运动预测的AEB系统控制策略

针对自动紧急制动(autonomous emergency braking,AEB)系统弯道适应性差及舒适性不佳的问题,提出了一种基于高斯过程运动预测,考虑变曲率弯道和制动舒适性的AEB系统控制策略。基于三次样条曲线建立行车道路模型,对前车进行定位,并计算相对曲线距离。考虑车辆运动的非线性特性以及时间效应,建立基于高斯过程理论的车辆运动预测模型,设计了基于预测碰撞时间的分级预警与制动控制策略。联合仿真结果表明:提出的控制策略能够有效实现车辆的避撞,解决了AEB系统在复杂动态工况下的弯道适应性和制动舒适性问题。

AEB工况下驾驶员姿态对损伤风险的影响

有无紧急制动(AEB)的正面碰撞工况中驾驶员姿态对运动学响应及损伤风险具有重要影响。本文采用THUMS(Ver.6.1)人体有限元模型建立了标准、后仰和前倾等3种驾驶姿态,搭建了正面碰撞约束系统模型,进行了6组50 km/h的仿真实验,对比分析驾驶员不同姿态在有和无AEB作用下的运动学响应以及驾驶员头、胸部损伤参数。结果表明:在有和无AEB介入时,后仰姿态的头部损伤风险均最高,其中有和无AEB介入的HIC_(15)分别为817.5和626.9。AEB的介入对驾驶员胸部压缩量影响最大,3种姿态的胸部压缩量分别增大了89%、115%和22%,后仰姿态胸部压缩量损伤最严重。研究结果厘清了驾驶姿态与AEB对驾驶员运动学响应以及头、胸部损伤的影响,为汽车约束系统和AEB的开发与设计提供了参考价值。

弯道AEB系统的目标识别算法及控制策略研究

针对现有的自动紧急制动(autonomous emergency braking,AEB)系统在弯道工况下存在误识别的情况,提出一种基于曲线坐标转换法的目标识别方法。通过传感器反映道路模型几何信息,利用曲线坐标转换法定位主车与目标车辆的位置,计算车辆之间的相对距离,采用逻辑门限制法确定危险目标车辆。针对基于安全距离模型或者碰撞时间(time to collision,TTC)算法的传统避撞算法无法兼顾制动过程中的安全性和舒适性问题,提出一种融合优化的Honda算法和TTC算法的纵向避撞控制策略。利用TTC算法作为前向碰撞预警策略,根据优化的Honda算法设计自动紧急制动策略。仿真结果表明,基于曲线坐标变换的方法能够精确计算主车与目标车辆之间的距离,准确且高效地识别危险目标车辆,基于安全距离算法和TTC算法协同控制的融合算法有效避免车辆纵向跟驰碰撞,兼顾了紧急制动过程的安全性和舒适性。

基于事故数据挖掘的AEB路口测试场景

基于国家车辆事故深度调查体系中499例真实的路口事故数据,研究适应于中国的自动紧急制动系统(AEB)路口测试场景。通过基于多元Logistic回归的事故严重程度影响因素分析,提取自动驾驶测试场景的特征要素,构建测试场景。以场景特征要素为聚类参数,采用层次聚类算法挖掘得到了8类路口机动车碰撞典型危险场景,建立了8类适应于中国交通状况的AEB路口测试场景。研究表明:中国的路口场景与Euro-NCAP法规场景有一定的相似性,但较国外更加复杂,其中十字路口的左转与直行冲突是需要重点测试的场景。研究结果可为国内AEB系统的开发和测试提供参考,也可作为建立中国AEB路口测试评价体系的依据。

基于PreScan的AEB系统纵向避撞算法及仿真验证

采用自动紧急制动(AEB)可以辅助驾驶员避免纵向碰撞。该文对比了5种AEB算法对避免纵向碰撞仿真验证制动效果。以自动制动结束时的己车与前车的距离来判断制动效果的4种安全距离(AS)算法是:Mazda、Honda、Berkeley、Seungwuk Moon;另一种是以即碰时间(TTC)为判断制动效果的TTC算法。在Simulink中运行的汽车主动安全的仿真平台Pre Scan上进行仿真验证。结果表明:在不干扰扰驾驶员正常驾驶前提下,这5种算法中,以即碰时间的TTC算法的纵向避撞性能最优。

AEB制动对THOR 50^(th)假人乘坐姿态影响

为了获得在制动紧急系统(AEB)系统作用下THOR 50^(th)假人姿态变化特征,论述了车辆AEB系统在前车静止(CCRs)、前车慢行(CCRm)和前车制动(CCRb)3种测试工况试验方法并获取了AEB系统近似梯形的典型制动波形,采用二项式拟合方法构建了典型波形,分析了THOR 50^(th)假人坐姿离位特征。结果表明:当初始速度低于40 km/h时,相同初始速度下,减速度越大,THOR 50^(th)假人头部和胸部前倾量越大;在相同制动加速度下,初始车速增大,假人头部和胸部位移增大;在初始速度为40 km/h时,AEB紧急制动造成头部和胸部离位程度最大。

汽车自动紧急制动(AEB)行人检测系统的开发与测试

开发了一种汽车主动安全技术的汽车自动紧急制动(AEB)行人检测系统。该系统包含软体假人目标、假人驱动装置及其控制系统,可按照2018版中国新车评价规程(C-NCAP)的AEB行人系统测试场景的要求,驱动假人目标行走,并可与操控测试车辆的驾驶机器人实时通讯。开展了对假人目标行走距离、假人目标行走速度和与驾驶机器人的联动实验。结果表明:该系统实验一次成功率达到90%以上,对假人速度控制的准确度96%,对假人与车辆碰撞位置的准确度达96%;该系统可准确复现行人危险工况。因此,该AEB行人检测系统可用于开展C-NCAP(2018)行人测试实验,作为车辆AEB系统功能评测及相关产品开发工具。

基于人、车、路和环境的AEB控制策略发展研究综述

分析了经典自动紧急制动(AEB)控制策略的发展现状及局限性,从人、车、路以及环境等因素出发,总结了AEB控制策略在驾驶员特性、车辆属性、路面特性、应用场景等方面的完善与发展过程。驾驶员特性影响个性化的驾驶员需求,车辆的感知、结构与制动特性等引起车辆固有属性的差异,不断更新的路况导致路面附着系数实时变化,多样化的工况场景决定了AEB控制策略的应用条件,研究表明,上述动态变化的因素要求AEB控制策略应具有一定的适应性与鲁棒性,对AEB控制策略的发展具有十分重要的作用,综合考虑人、车、路以及环境等因素的AEB控制策略是提高AEB系统可靠性与安全性的必要条件。

自动紧急制动(AEB)技术的研究与进展

为了促进汽车自动紧急制动(AEB)技术朝着更加安全与高效的方向发展,该文从AEB系统的工作原理、发展历程、应用现状、法规标准等方面,综述了AEB技术的研究进展,总结了与AEB系统综合性能密切相关的关键技术,包括AEB系统避撞策略、制动执行机构和环境感知机构。研究表明:自动紧急制动系统能够有效避免或者缓解追尾碰撞,可提高车辆主动安全性能;受制于目前制动执行技术和前端感知技术水平,AEB系统无法实现汽车在更高车速范围以及更复杂多交通场景下的完全避撞。自动紧急制动系统未来研究的重点在于:复杂多交通场景下避撞策略综合性能优化;基于更快响应时间目标的制动执行机构研发;危险行驶工况下与多种主动安全技术的深度融合及协调控制。

车辆与二轮车预碰撞场景分析及其AEB优化

车辆自动紧急制动(AEB)系统的应用存在大量误识别和不合理决策的挑战,在典型场景下开展测试,可以有效提高AEB的适用性。对国内外相关研究进行分析,从12类车辆与二轮车预碰撞场景中提取AEB测试重点关注的2类涉及参与方转向的场景(场景S11和S12),建立2类典型场景下的Pre-scan模型和量化描述二轮车相对于车辆运动轨迹的数学模型,并对AEB的效用及改进方向进行定性和定量分析。结果表明:场景S11和S12中,二轮车在运动坐标系下的运动轨迹仅与车辆和二轮车速度比值相关;场景S11中,仅当车辆和二轮车速度比值取为(0.7888,+∞)时,二轮车能够进入车辆AEB触发域,将AEB视场角从60°增大到90°,可有效改善AEB触发效果,速度比值范围从(0.7888,+∞)增加至(0.2033,+∞);场景S12中,当二轮车和车辆速度比值取为(0,(?v+2.46)/9.64)时,车辆AEB具有较好的触发效果,将AEB触发宽度从1.5 m扩大至2 m时,对AEB触发效果的改善幅度不大。研究成果可为AEB系统的改进优化提供技术支撑。

AEBS场地测试方法

随着AEBS(自动紧急制动系统)的逐渐普及,对该系统的功能、性能的测试也变得十分重要,目前AEBS常用的测试方法中只能进行100%重叠的两车碰撞测试,不能很好的适用于带偏置的碰撞以及交叉路口的侧向碰撞试验。本文提出的AEBS系统的场地测试方法,使用能够设定任意轨迹的UFO设备作为目标物,配合安装ABD机器人的测试车辆进行试验;该试验方法可以进行各种角度、场景的碰撞试验。论文首先描述了该测试方法的组成,然后介绍了测试的工况,紧接着对各个工况的测试方法进行了详细的论述,最后进行了实车测试验证。测试结果表明,该方法简单、方便、可靠。

AEB制动下主动安全带对乘员胸部损伤的影响

为了研究在制动紧急制动系统(AEB)作用下,集成主动预紧式安全带(Integrated Active Pre-tensioning Seatbelt,IAPS)主动预紧对事故中乘员胸部伤害产生的影响,针对某款车型进行了2次模拟AEB制动功能的滑台试验。试验中,滑台由64 km/h通过模拟AEB制动降至50 km/h后进行正面碰撞。2次试验中,一次用普通安全带,一次用IAPS。研究结果表明:碰撞前,AEB制动导致乘员发生前移及上躯干前倾,而IAPS能够使乘员保持原有姿态。但躯干前倾,安全带碰撞中预紧会对乘员肩部产生向下按压作用,IAPS作用后导致事故中安全带按压作用丧失,碰撞后期乘员胸部前扑幅度加大,胸部刚度下降。在AEB制动下,IAPS作用改变安全带肩带合力作用方向,在当前试验条件下,存在加重乘员胸部伤害风险。

基于融合算法的电动汽车AEB控制策略

自动紧急制动(Autonomous Emergency Braking,AEB)是一种主动安全技术.为了解决安全距离算法或碰撞时间算法(Time-to-Collision,TTC)不能同时保障安全性和舒适性的问题,提出一种基于融合算法的控制策略,该策略综合利用安全距离算法和TTC算法,在安全距离算法中针对道路附着系数变化进行了优化,以两车最小相对距离为优化目标提高安全性,以预警时长为优化目标提高舒适性.建立了基于Carsim和Simulink仿真平台,对该策略进行了仿真分析.结果表明:在中国新车评价规程(China New Car Assessment Program,C-NCAP)中,该策略可以在不同工况下实现避撞功能并提升舒适性.

基于VRUs深度事故重建的AEB效能对头部损伤风险的影响

为保护道路弱势使用群体(VRUs,含行人和二轮车骑车人)的、主被动一体化的、汽车安全性设计提供理论参考依据,该文利用高精度事故再现和事故碰撞前场景重建方法,分析了VRU事故的汽车自动紧急制动系统(AEB)的传感器探测角(FOV)及制动减速度等参数的防护效能及VRUs头部损伤风险。结果表明:FOV为30°时事故规避率为45%;当FOV增加到40°、50°和90°时,较FOV为30°事故规避率又分别增加了5%、10%和20%;在FOV为90°,减速度为0.8 g时,即碰时间(TTC)为1 s工况下,车辆平均碰撞速度降低最为明显,高达84%;AEB介入能降低VRUs与车辆前部撞击造成的损伤,但在头部落地损伤存在不确定性。

弯道下商用车AEB的系统算法

仅以毫米波雷达获取前方环境信息的商用车AEB系统在弯道下易存在误动作,为解决此问题,对目标车辆进行位置补偿,判断其是否与自车在同一车道,从而完成对旁车道干扰车辆信息的滤除.基于制动过程与危险系数w f设计多级预警与自主制动控制策略,以AEB各阶段介入时的碰撞时距值作为评价指标,验证能否实现危险情况下的有效避撞.仿真结果表明:弯道补偿算法能够区分旁车道与自车道目标车辆,有效避免对旁车道车辆的误制动,多级预警与自主制动控制策略符合期望指标,能对本车道危险车辆有效预警与制动,提高了弯道下汽车的主动安全性.

考虑舒适性的AEB避撞算法及仿真验证

为进一步优化汽车自动紧急制动系统的避撞算法,设计了考虑制动过程驾乘舒适性的制动减速度控制策略。通过设置制动减速度变化缓冲区对制动减速度及其变化率进行限制,得到满足舒适性条件的减速度控制曲线。基于AEB典型测试工况对设计的减速度控制曲线进行具体分析,提出了新的制动安全距离模型。最后,建立车辆纵向动力学模型并通过CarSim与Matlab联合仿真对提出的避撞算法进行仿真验证。仿真结果显示:提出的避撞算法能够在实现有效避撞的同时满足舒适性条件。

AEB对前碰假人运动姿态影响研究

AEB系统可以在碰撞事故中避免碰撞或者降低碰撞相对速度,但同时也会导致车内乘员偏离正常坐姿,进而降低原有约束系统的保护性能。在对Hybrid III与THUMS两种假人模型的颈部、胸椎及腰椎进行三点弧简化的基础上,搭建驾驶员有限元约束系统模型,分析正面碰撞中,两种假人模型颈部、胸椎及腰椎旋转运动的区别。并进一步研究了AEB作用对于两种假人模型转动姿态的影响。结果表明:AEB作用结束后,假人初始姿态发生变化,相比Hybrid III假人,THUMS假人躯干前倾现象更明显,骨盆有更大的向前滑移量;AEB作用下,两假人颈部与腰椎夹角变化有较大区别。

假人与人体模型在AEB作用下的驾驶员离位响应对比

为研究假人与人体模型在不同制动强度下驾驶员离位响应差异性,进行假人与人体模型的仿真实验。构建人体乘员约束测试装置(THOR)假人和人体安全模型(THUMS)的驾驶员约束系统模型,将MADYMO的主动人体模型(AHM)与LS-DYNA有限元约束系统耦合构建AHM模型的驾驶员约束系统模型,提取假人与人体模型头部、肩部、胸部及膝部的位移―时间历程曲线,并开展假人与人体模型离位差异性分析和不同安全带约束下驾驶员离位分析。结果表明:参考志愿者实验数据,3个模型离位都在志愿者响应通道范围内,人体模型AHM和THUMS具有更高的离位运动生物逼真度;相较于标准安全带,主动预紧安全带能够有效降低驾驶员在自动紧急制动(AEB)工况下离位响应。

基于本体论的AEB关键场景生成方法研究

为满足自动紧急制动功能仿真测试的复杂验证需求,解决海量测试场景无法进行全覆盖的遍历式测试问题。通过设计面向自动紧急制动(AEB)功能的环境本体生成测试用例,本体自动转换生成组合测试的输入模型,再使用组合测试生成测试用例,获得的抽象测试用例用于生成具体的测试场景。上述场景为验证AEB功能的仿真测试提供了基础。仿真结果表明,生成的测试场景能够满足AEB功能测试要求,检测到AEB功能关键场景,且相比于遍历式测试,能够提高测试效率。

AEB系统的CarMaker/Simulink联合仿真研究

针对汽车AEB系统,提出了一种基于碰撞时间的控制算法。研究选取车辆碰撞时间作为控制变量,通过输出的期望减速度来确定各车轮上的制动力矩,从而提高车辆的纵向行驶安全性。为保证研究的准确性,采用CarMaker/Simulink联合建立虚拟仿真环境,并选取C-NCAP(2018版)AEB系统的追尾评分场景进行验证。结果表明:试验较好地验证了AEB系统算法的有效性;根据碰撞时间可以准确预判危险程度,使车辆保持在合适的安全车距范围内。