论文部分内容阅读
传统汽车控制系统由于受到汽车机械结构的限制,汽车的潜能不能很好发挥。随着车载网络、微处理器等技术的迅速发展,很多研究机构和汽车厂家都将线控技术运用到了汽车上。汽车线控技术减少了液压、机械控制装置等部件,降低了整车质量,方便了电线布置,由于线控系统控制算法的灵活多变和系统参数可调,线控汽车的动力学控制比传统汽车具有更大的发展空间,线控汽车已成为国内外研究热点。将驾驶员的特性考虑到车辆集成控制的设计中,就可以实现人性化设计,变“人适应车”的现状为“车适应人”。另外,汽车上各种电控系统的应用及电控系统的集成控制,提高了汽车电子化和智能化水平,在汽车的主动安全性和驾驶舒适性方面发挥了越来越重要的作用。为了提高不同驾驶员对驾驶辅助系统的接受度,在设计控制算法时需要考虑驾驶员的特性,在保证汽车安全性和驾驶舒适性的前提下,通过对驾驶员特性的辨识实现汽车对驾驶员的自适应和驾驶员个性化驾驶。因此无论是要实现“车适应人”线控汽车,还是提高驾驶员对驾驶辅助系统的接受度,都需要对驾驶员特性进行辨识。本文依托于吉林大学汽车仿真与控制国家重点实验室开放基金项目‘’Integrated Control Method for a Full Drive-by-Wire Electric Vehicle Based on Driver’s Intention Recognition"(基金编号：20120111)、中国博士后科学基金资助项目(项目编号：2014M561289)和国家自然科学基金青年基金资助项目(项目编号：51305190),以建立一套适用于线控汽车底盘动力学控制系统的驾驶员行为特性辨识算法为目标,搭建驾驶模拟器并选用多名驾驶员进行试验,从采集到的试验数据中提取特征参数并利用K-means进行聚类,获得驾驶员行为特性的类型和数据样本,以此为基础,建立了基于神经网络的驾驶员行为特性辨识模型,并通过驾驶模拟器试验对模型的精度和预测能力进行了验证。为了建立驾驶员行为特性辨识模型,本文主要进行了以下工作：(1)搭建驾驶模拟器为了充分挖掘驾驶员的行为特性,需要进行不同工况下的大量实验,由于实车的可调参数少,以及受环境限制所能选取的工况有限,因此,本文在课题组已有研究基础上,搭建驾驶模拟器进行试验,获取数据样本,为建立驾驶员行为特性辨识模型做准备。本文在提出驾驶模拟器的总体框架和工作原理基础上,详细介绍了驾驶模拟器主体、模拟器操控台、车辆动力学仿真模型、实时仿真系统、转向力感模拟系统和传感器系统等关键组成部分。(2)对驾驶员行为特性进行分类本文总结并分析了驾驶员行为特性分类的方法,选用K-means算法对驾驶员行为特性进行分类；基于已搭建的驾驶模拟器,设计了转向、制动、加速试验工况,选用13名试验人员进行试验并采集数据；通过对驾驶员转向、制动、加速行为进行分析,选取表征驾驶员转向、制动、加速行为特性的特征参数,并利用MATLAB编程从试验数据中提取特征参数；基于K-means算法对特征参数进行聚类,进而将驾驶员的转向、制动、加速行为特性分别分为谨慎型、一般型和激进型,同时获得每个类型的数据样本,为搭建驾驶员行为特性辨识模型提供数据。(3)建立驾驶员行为特性辨识模型由于驾驶员特性辨识就是对驾驶员特性这一模式进行识别的过程,因此本文介绍了几种常用的模式识别方法并分析对比了它们各自的优缺点,以及这些模式识别方法用于驾驶员行为特性辨识时的优缺点和适用范围,确定选取BP神经网络作为驾驶员行为特性辨识模型的建模方法。本文利用驾驶员行为分类中所得到的各个类型的数据样本,建立了基于BP神经网络的驾驶员行为特性辨识模型,针对BP神经网络输入输出变量的选取、网络结构的设计以及网络的训练过程进行了详细说明,最后利用驾驶模拟器试验对模型精度及预测能力进行了验证。