论文部分内容阅读
汽车智能驾驶技术的快速发展备受瞩目。对其在减少由事故带来乘员损伤方面的有效性进行评价,需要综合测试场景提取、待评价对象的辨识与建模、乘员损伤估算等多种理论方法。目前对智能驾驶系统有效性评价方法的研究存在着测试场景单一、不能适应于技术日益复杂且差异化的趋势、中国乘员损伤模型欠缺等问题。针对上述问题,本文提出了基于多源数据挖掘的汽车智能驾驶系统有效性评价方法。其合理利用实车、事故、FOT等多源数据,融合系统辨识、乘员损伤风险估算、随机场景建模等多种方法,以仿真的方式可实现不同种类汽车智能驾驶系统的有效性评价。该方法综合了现有实车路试、事故仿真、随机仿真等方法的优势,具有针对不同智能驾驶系统的可扩展性、测试场景私密和公平性、结果可重复、时间成本低等特点。为建立该方法,本文在待评价系统建模、评价指标提取等方面开展工作如下。为提高稳态工况且仅采用通用信号情形下的参数可观性,提出了一种基于车辆动力学频响特性的的关键参数估计方法。该方法通过分析电-机-轮胎间耦合动力学系统的频响规律,得到了各子系统频域特征点与关键参数的函数关系,基于此,结合频域辨识方法实现参数估计。其仅采用汽车运行数据中的轮速、加速度等通用信号,不需要轮胎纵侧向力、滑移率和侧偏角信息,使得其应用方便。为解决我国深度调查事故样本较少、难以建立可信的乘员损伤模型的问题,提出了基于车辆变形深度的乘员损伤风险估算方法。本文通过德国和美国的事故数据统计分析,详细论证了变形深度作为乘员损伤评价指标的可行性。在此基础上,该方法利用回归分析建立了基于变形深度的乘员损伤模型,并结合事故中EES数据与车辆变形深度间的函数关系,估计乘员损伤风险。该方法的应用过程并不需要大量的深度调查事故数据,可采用常规的事故数据库。为验证所提出的智能驾驶系统有效性评价方法中各项关键技术的正确性,基于搭建的仿真和实验平台对其进行了多工况测试。进而应用本文评价方法得到不同智能驾驶系统有效性结果,与现有文献结论进行比较。验证结果表明所提出的评价方法能够融合现有方法的优势,具有较高准确性,适用于智能驾驶技术日益复杂且差异化的趋势。