基于自适应权重MPC的AEB-P控制策略研究

为进一步优化面向行人的汽车自动紧急制动系统(AEB-P)控制算法,提出了一种综合考虑驾驶舒适性和行人损伤风险的AEB-P分层控制策略。针对C-NCAP的AEB-P评价标准,设计了考虑制动时驾驶员舒适感的制动安全距离模型;通过引入模糊规则综合考虑行人损伤风险和场景工况得到权重系数调整策略,并基于此设计自适应权重系数MPC上层控制器,采用PID下层控制器对自车实际减速度进行修正;建立车辆纵向动力学模型并通过CarSim与Matlab/Simulink搭建测试场景和控制算法,通过硬件在环实验对本文方法和固定TTC阈值算法进行对比。结果表明,所提控制算法能够在93.75%的测试工况中有效避撞,而固定TTC阈值算法避障成功率仅有43.75%。相较于传统控制策略,该方法能使自车和前方行人保持较稳定的最小间距,鲁棒性更好,可为AEB-P控制理论提供参考依据。

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。

加装传统AEB后的未避免事故典型碰撞场景与事故特征

为了解车辆装备自动紧急制动系统(AEB)后的典型人车碰撞场景及事故特征,在再现187例事故并采集碰撞前参数后,运用联合仿真技术评估传统AEB系统的效果,并用统计学方法分析未避免的73例事故(39%),获得6类典型的未避免人车碰撞场景。研究发现,未避免事故中:事故主要发生在照明条件良好、路面干燥的非路口,且95.88%案例中碰撞速度低于40 km/h;人车碰撞损伤均显著降低,但不同场景中降幅有差异;人地碰撞损伤降低方面存在不确定性,典型场景中61.9%的案例中人地碰撞损伤有增加风险,损伤增加比例随碰撞场景变化而不同。进一步分析发现,人地碰撞损伤增加的主要原因是AEB降低车速后行人落地顺序改变、人体下肢与车辆前端再次接触、人车碰撞位置改变等。研究成果不仅能为智能车主、被动安全研究中的实验设计提供边界条件,还能为设计更安全的AEB系统提供支持。

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。

基于驾驶行为特性的AEB系统控制策略研究

为提高自动紧急制动系统在城市路况下的适用性,提出了一种基于驾驶行为特性的自动紧急制动系统控制策略。首先搭建驾驶员在环测试实验台,采集不同驾驶员在制动过程中的驾驶数据,分析驾驶行为特性与车辆间相对运动状态之间的关系。然后以分层控制的思想设计一种两级预警与制动控制策略:上层控制器确定制动减速度及预警和制动触发时间阈值,下层控制器设计模糊PID控制器实现对制动主缸压力的控制。最后利用CarSim与Matlab/Simulink进行前车静止场景仿真,并搭建无人驾驶线控底盘测试平台进行半实物实验验证。结果表明:两级预警与制动功能均能有效触发,制动过程中实际制动减速度能够很好地跟随期望制动减速度,且制动完成后车间距均控制在2.15 m左右,体现了设计的AEB系统具有良好的预警和紧急避撞效果。

汽车与二轮车十字路口垂向行驶工况的AEB系统优化

为研究汽车与二轮车十字路口垂向行驶工况汽车自动紧急制动(Automatic Emergency Braking,AEB)系统的效能,从国家车辆事故深度调查体系中筛选88起汽车与二轮车事故,运用PreScan搭建预碰撞场景,使用MATLAB/Simulink搭建AEB控制算法模型,分析优化触发宽度、制动提前时间后事故避撞情况。利用PC-Crash重建未避撞事故,研究优化前后二轮车骑车人损伤情况。结果表明:当触发宽度为3.75 m、部分制动提前时间为1.6 s、全力制动提前时间为0.6 s时,汽车速度小于30 km/h,避撞效果最优;当触发宽度为3.75 m、一级制动提前时间为1.6 s时,汽车速度小于40 km/h,事故均可避撞;当汽车及二轮车速度均大于40 km/h时,事故均未避撞。同时优化两参数也存在无法避撞的事故,二轮车速度对无法避撞影响最大,应将其纳入决策变量;未避撞的事故优化后较优化前骑车人身体各部位损伤大幅度降低。该研究结果可为AEB系统算法完善提供参考。

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。

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。

基于动态碰撞时间的自动紧急制动策略设计

针对基于碰撞时间(TTC)的传统自动紧急制动(AEB)策略未考虑自车车速的局限性,提出了一种考虑车速的动态碰撞时间阈值模型,设计了基于动态碰撞时间阈值的AEB控制策略。为保证制动过程的舒适性与安全性,确定了两级制动策略并对减速度的变化率进行限制,利用PI控制算法完成车辆减速度控制,并通过仿真确定不同车速下的TTC阈值,建立动态碰撞时间阈值模型。硬件在环仿真结果表明:在保证舒适性的前提下,相比于传统AEB策略,所设计的AEB策略避撞成功率提高了47.6%,具有更优的综合性能。

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。

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。

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。

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。

紧急制动工况下虚拟轨道列车车间铰接力研究

围绕一种新型多轴铰接式城市轨道交通工具——虚拟轨道列车,针对路面附着条件变化会造成轮胎制动力不足、车轮抱死和车间铰接力增大的问题,提出了一种考虑路面附着系数的列车自动紧急制动策略.首先,采用扩展卡尔曼滤波和模型预测控制原理设计了上层控制器,基于实时估计的路面附着系数、列车制动舒适性和安全性,确定列车期望制动加速度;其次,基于轴荷比例分配原则和PID反馈补偿控制原理设计了下层控制器,根据列车期望制动加速度确定列车各轮胎的制动力矩;最后,搭建了Matlab/Simulink与Trucksim联合仿真平台,研究了列车制动过程中车间铰接力变化情况.结果表明,列车载重、制动初始车速以及路面附着系数变化对车间最大铰接力有影响;本文的制动策略具有良好的鲁棒性,在不同工况下能够有效防止车轮抱死、减小最大铰接力,提高列车制动过程中的舒适性和安全性.

面向自动紧急制动功能测试的目标物移动平台设计

为实现车辆自动紧急制动(AEB)系统功能测试中目标物移动平台的开发,针对移动平台进行了构型设计、强度分析、疲劳寿命估计、测试场景路径跟踪等研究。通过对《C-NCAP管理规则(2024年版)》规定的测试场景进行分析,提取目标物运动路径,根据边界条件得到期望轨迹,再通过动力学仿真得到轨迹跟踪结果。经过对比,仿真结果与规定要求基本一致,表明设计的移动平台能够满足AEB系统功能测试需求。

AEB行人检测系统的设计与验证分析

针对有行人出现时汽车自动紧急制动(AEB)测试需求,设计了一种行人检测系统。该系统主要包括假人目标、假人驱动装置以及控制系统,可根据中国新车评价规程(C-NCAP)的AEB行人测试场景要求,驱动假人目标按规定的路线移动,并与测试汽车的驾驶机器人实现互联互通。为验证所设计的行人检测系统的有效性,进行了假人目标移动位移、移动速度和驾驶机器人的协同测试。测试结果表明:该行人检测系统的一次成功率达90%以上,假人速度控制的精度达96%,假人与测试汽车的碰撞位置准确度达96%,可以模拟行人出现时的汽车紧急制动场景。该AEB行人测试系统可以用于C-NCAP行人测试,在汽车AEB功能测评中应用具有较强的实际应用价值。

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。

超磁致伸缩式自动紧急制动系统协同控制策略研究

超磁致伸缩式自动紧急制动系统是一种以超磁致伸缩致动器(Giant Magnetostrictive Actuator,GMA)为制动执行机构的自动紧急制动(Autonomous Emergency Braking,AEB)系统,能够实现车辆车身轻量化和快速制动的效果。针对同速近距离跟车状况下TTC算法失效,提出一种采用TTC(Time To Collision)算法和安全距离算法协同控制的控制策略。本文搭建了PreScan/SimulinkCarSim的联合仿真平台,采用CCRm(前方匀速行驶车辆追尾测试)的测试方法。联合仿真结果表明,协同控制策略与GMA结合,制动后避撞效果良好,极大提高车辆主动安全性能。