驾驶人行为不确定性对车辆轨迹预测的影响分析

针对驾驶行为不确定性影响车辆轨迹预测精度的问题,采用预瞄控制方法和滑模控制方法,分析了不同行驶车速与工况下车辆轨迹预测误差。结果表明:预瞄控制方法和滑模控制方法能够有效处理驾驶人超车、避障和转向行为的外部干扰,将轨迹预测误差控制在0.5 m以内,但高速工况下的轨迹误差明显大于低速工况下的轨迹误差;在小曲率转向工况下,基于单点预瞄驾驶人视觉轨迹预测误差小于基于双点预瞄驾驶人视觉轨迹预测误;在大曲率转向工况下,基于单点预瞄驾驶人视觉轨迹预测误差大于基于双点预瞄驾驶人视觉轨迹预测误。研究结果为驾驶人视觉轨迹预测策略的制定及车辆不同行驶工况下驾驶人行为不确定性的处理提供了理论依据。

基于预瞄-优化驾驶员模型的多轴车辆操纵稳定性仿真研究

多轴特种车辆的操纵稳定性是其机动性能的关键性能指标,而且是保证车辆安全的前提。在UG中建立某8轴车辆三维模型,将三维模型导入ADAMS,建立整车动力学模型。基于预瞄-优化理论,在Fortran语言环境下建立驾驶员模型,嵌入到ADAMS中实现人-车-路闭环的控制系统仿真。根据所建立的模型,分别进行转向盘角阶跃输入、双移线和蛇行的车辆操纵稳定性仿真,仿真结果表明,驾驶员模型能够有效地控制车辆位置和速度进行轨迹跟踪,整车的操纵稳定性较好。

基于加速度反馈的任意道路和车速跟随控制驾驶员模型

建立一个高效的能够适应复杂汽车行驶工况的驾驶员模型是进行'人—车—路'闭环仿真的关键。利用离散的数表方式对驾驶员跟随的任意道路路径和车速进行描述。以此为基础,提出任意路径下的预瞄点搜索算法,使'预瞄—跟随'驾驶员建模理论可应用于任意道路路径和车速的跟随控制。根据车速变化不断更新侧向加速度增益,实现驾驶员模型方向控制和速度控制的解耦。通过引入加速度反馈,建立一个简单而有效的跟随任意道路路径和车速的方向与速度综合控制驾驶员模型。仿真表明该驾驶员模型具有良好的路径与车速跟随精度。

预瞄时间自适应的最优预瞄驾驶员模型

驾驶员模型是汽车动力学仿真和控制算法开发中的重要环节。在极限工况下汽车动力学稳定性仿真与控制中,为模拟驾驶员在人-车-路复杂系统中对汽车的操纵特征,要求驾驶员模型能够在复杂道路与整车稳定性约束条件下完成驾驶操作,而不是单纯的路径预瞄跟踪。在最优预瞄驾驶员模型的基础上,提出一种预瞄时间自适应算法。该算法根据不同的预瞄时间,预测将来一段时间内车辆运行情况,并根据所设计的优化函数,选取合适的预瞄时间使得车辆稳定通过测试路径。对所开发的驾驶员模型进行仿真测试,结果表明,预瞄时间自适应的最优预瞄驾驶员模型能够在复杂道路、极限工况、有边界约束条件下完成驾驶操作。

驾驶员方向控制模型圆弧式预瞄算法的研究

在传统的预瞄算法中,预瞄位置的确定需要大量坐标变换,影响运算速度;且通过线性插值计算预瞄点坐标和路径方向,会使预期路径方向在路径点处不连续,导致人-车-路闭环系统仿真出现振荡。为此,本文中提出一种无需坐标变换的圆弧预瞄位置确定算法,并通过三次埃尔米特插值实现对局部路径的光滑处理。仿真结果表明:该算法效果良好,运算速度较快;且采用三次埃尔米特插值代替线性插值,可有效缓解闭环系统仿真振荡。

基于时间系数的单点预瞄驾驶员模型分析

本文中建立了一种车辆新的单点预瞄驾驶员模型,分析了预瞄时间和误差反馈系数对跟踪效果的影响。提出稳态误差存在的根本原因是"纵向预瞄时间和侧向加速时间没有解耦"的假设。通过增设表征侧向加速时间与纵向预瞄时间之间关系的时间系数F,该模型在保证系统振动频率可调的前提下,可无差地跟踪给定的弧形弯道。

基于航向角和位置偏差控制的驾驶员模型

建立能够适应复杂路径的驾驶员模型是车辆操纵稳定性闭环仿真的关键。将驾驶员的预瞄路径分成了数段,在每段计算横向位移和航向角的偏差。在此基础上,基于车辆航向角和横向位移偏差对车辆转向运动进行控制,使车辆可以跟随任意复杂路径。为了获取驾驶员模型的控制参数,设计了不同的行驶工况,采用遗传算法优化驾驶员模型控制参数。Carsim和Simulink联合仿真显示建立的驾驶员模型可有效跟随复杂道路。

基于单点预瞄最优曲率模型的单轨车辆驾驶员模型

单轨车辆动力学特性研究一般需要一个合适的驾驶员模型。基于郭孔辉的单点预瞄最优曲率模型,利用车辆转向时的Ackerman几何关系和稳态转向时横垂面内力的平衡分别确定目标转向角和目标侧倾角,建立适用于单轨车辆的驾驶员模型。模型重点考虑了驾驶员的预瞄、驾驶员对转向手把的转向力矩输入、驾驶员上半身在车座上绕通过髋部的纵向轴线转动的侧倾力矩输入以及驾驶员的动作滞后。为使实际转向角和侧倾角跟随目标转向角和目标侧倾角变化,转向力矩和侧倾力矩皆采用PD控制。采用ADAMS软件建立了驾驶员—车辆闭环动力学模型,并按双移线和蛇行两种典型行驶工况进行仿真。仿真结果表明车辆可以很好地跟随所设定的路径,验证了驾驶员模型的合理性。所建立的驾驶员模型适用于单轨车辆人—车闭环控制模型的动力学仿真研究。

最优预瞄加速度驾驶员模型参数试验辨识方法研究

研究通过试验辨识获得最优预瞄加速度驾驶员模型物理参数的方法。采用时域辨识方法确定模型传递函数,采用非线性最小二乘法确定传递函数中所包含的物理参数,利用已知目标函数优化预瞄时间和反应时间,针对仿真数据进行了辨识分析。结果表明,该方法对驾驶员模型物理参数的辨识具有良好的效果。

基于认知-控制框架的侧风工况下驾驶员横向控制模型研究

本文中基于神经工效学认知理论融入驾驶员预瞄模型,建立了以认知-控制为框架的驾驶员横向控制模型。模型采用Simulink和TruckSim软件联合仿真的形式验证。采用粒子群优化算法对控制框架中的比例-微分(PD)控制器模块参数进行优化标定。结果表明,在侧风工况下,基于认知-控制为框架所建立的驾驶员横向控制模型有效(RMSE=0.09),且精度更高,适应度更广。另外,从认知-控制角度改变预览时间tp、增益比例kp和微分参数kd,可表征不同驾驶风格的驾驶员行为。本研究为提高侧风工况下的高级辅助驾驶系统和自动驾驶汽车的安全性和舒适性提供参考思路。

基于ANFIS的工况跟踪用纵向驾驶员模型开发

针对基于PI控制纵向驾驶员模型的工况跟踪效果不佳等问题,采集了某PHEV试验样车的纵向驾驶行为数据,采用ANFIS建立了二输入参数的纵向驾驶员模型和考虑未来预期车速影响的预瞄纵向驾驶员模型。仿真结果表明,基于ANFIS的预瞄纵向驾驶员模型具有最好的工况跟踪效果,均方根误差为0.993 0 km/h,且其决策出的加速踏板行程、挡位和需求转矩与实车试验结果最为接近。

采用方向预瞄的内模驾驶员模型

为了建立与真实情况更加相符的驾驶员模型,针对汽车驾驶员对整车不确定参数的自适应性,在分析汽车驾驶员预瞄、决策和自适应机理的基础上,建立了基于方向预瞄的内模驾驶员模型。该模型由驾驶员方向预瞄模型、驾驶员决策模型和驾驶员内模模型组成。汽车双移线工况仿真结果表明,内模驾驶员模型能够有效地用于汽车转向控制,并能够充分体现汽车驾驶员所具有的对不确定参数的适应性。

预瞄优化神经网络驾驶员模型

根据预瞄跟随理论并结合真实驾驶员的学习目标、生理限制与不断优化的行为特性,建立了预瞄优化神经网络驾驶员模型。利用2自由度车辆模型进行了汽车在方向控制下的仿真计算。仿真结果表明,预瞄优化神经网络驾驶员模型与实际合格驾驶员行为非常相似,按照该理论建立的驾驶员模型可以应用于驾驶员-汽车闭环系统的研究和自动驾驶等智能车辆的控制。

基于自适应障碍物识别的汽车主动防撞系统

为了保障驾驶安全,设计了基于自适应障碍物识别和目标跟踪的汽车防撞系统。根据激光雷达工作原理,提出了自适应阈值的最近邻聚类算法用于障碍物识别;根据城市交通实际状况,提出了基于当前统计模型的自适应Kalman滤波跟踪方法;为了提高驾驶舒适度,提出了融入驾驶员习惯的预瞄安全距离模型;对车体进行改装后实验,结果表明的算法能够快速跟踪移动目标,并且具有很高的跟踪精度;在防碰撞试验中,设计的主动防撞系统能够在安全距离及时制动车辆,说明了防撞系统的安全可靠性。

面向公路线形评价的驾驶人方向控制模型

为了客观地评价公路线形设计成果,基于驾驶人轨迹预瞄理论,结合汽车的实时状态拟合预瞄轨迹,考虑汽车转向传递特征和操作的滞后性,建立了驾驶人方向控制模型,并在VB 6.0环境下编制了程序,进行了车辆运行的仿真试验。结果表明:所建模型可计算汽车行驶时的横向加速度和方向盘转角,能较好地反映公路的行车舒适性和安全性,并可用于公路线形的评价;汽车初始速度为0和54 km/h的运行结果仅在起始路段有显著差别;在汽车运行稳定后,横向加速度和方向盘转角的变化与平面线形的变化基本一致。

基于障碍物斥力场的汽车主动避撞系统

为提高汽车行驶安全性,设计了基于障碍物斥力场模型的汽车主动避撞系统,建立了道路算盘模型和驾驶员预瞄跟随模型,利用算盘模型可求解出避撞路径,使用驾驶员预瞄跟随模型可求解出汽车转向盘最优转角。通过动静态障碍物环境下的仿真试验表明,利用算盘模型规划出的路径平滑、安全、可跟踪;驾驶员预瞄跟随模型的路径跟随精度高,实现了汽车主动避撞。

考虑道路几何设计的智能网联车队横纵向协同控制

针对智能网联车队行驶过程中车辆跟驰和路径跟踪的横纵向协同控制,建立三自由度车辆动力学模型并将其作为控制系统,基于改进的智能驾驶员模型模型设计分层式纵向控制器;基于预瞄-跟随理论设计横向控制器。考虑车辆纵向、横向运动的耦合特性,以纵向速度作为横向控制器的状态变量设计横纵向协同控制策略,在CarSim/Simulink仿真平台搭建车队横纵向协同控制器。采用单移线、隧道工况验证控制器的横向、纵向控制性能;考虑道路弯道、坡度和超高等道路几何设计,设置匝道工况验证控制器横纵向协同控制性能并分析道路超高对车辆跟驰和路径跟踪精度及稳定性的影响。结果表明:控制器能实现给定工况下车辆速度与转向的跟踪控制,且具有较高的跟踪精度,良好的跟驰效果和行驶稳定性;对于弯道行驶,设置道路超高能使车辆转向平稳,速度跟随精度高且行车间距增加,有利于提高车队行驶安全性。

基于大脑情感学习回路的驾驶员模型研究

驾驶员的转向行为主要包含视觉信息的选取、视觉信息的处理两个过程。为了建立与真实转向行为相符的驾驶员转向模型,借鉴了人类生物科学相关研究成果。针对这两个过程分别建立了远、近两点驾驶员预瞄模型和基于大脑情感学习回路的驾驶员决策模型。最后进行人-车-路闭环仿真验证。仿真结果表明,所建立的驾驶员模型与真实驾驶员的转向行为具有一致性。

驾驶员预瞄时间与公路弯道半径的耦合特征

为了研究驾驶员预瞄时间与公路弯道半径耦合特征对汽车操纵稳定性的影响,建立了人-车-路系统动力学模型,通过基于实际道路数据的仿真试验,分析了驾驶员预瞄时间和弯道半径对汽车动力学特征和路径跟踪情况的影响,验证了模型的正确性.利用相轨迹变化、轮胎侧向力、汽车行驶轨迹偏差、车身姿态变化、汽车状态变量(纵向速度、侧向速度、横摆角速度)参数,分析了驾驶员预瞄时间和公路弯道半径的耦合特征对汽车操纵稳定性的影响.结果表明:驾驶员预瞄时间与公路弯道半径存在显著的耦合特征,当汽车的纵向速度、道路横坡度相同时,随着驾驶员的预瞄时间缩短,汽车安全运行所需的弯道最小半径增大.

基于两点融合的驾驶员模型的分析

为有效反应驾驶员的预瞄机理,建立更加真实的驾驶员模型,提出建立一种基于两点融合的方向预瞄驾驶员模型,通过融合远近预瞄点的位置信息进行转向决策。该模型由驾驶员远点预瞄、近点预瞄和决策模块组成。模型分析仿真结果表明,与单点预瞄驾驶员模型相比,基于两点融合的驾驶员模型具有更好地方向控制能力和适应能力,更能反应实际驾驶员的预瞄和决策机理。