【《车辆行驶意图辨识方法及MATLAB仿真研究》12000字】

)2.2车辆驱动和制动意图辨识的参数选择查阅大量国内外文献得知，许多机构及学者对车辆行驶意图的识别参数进行了实验，得出不同变速强度下加速过程中车辆行驶速度、加速度、加速踏板开合度、滑移率等数据进行处理，分析了利用不同参数描述驾驶意图的利弊，最终确定预测加速度是研究驾驶员加速意图的最确切参数。显然，仅仅使用预测加速度一个参数并不能非常全面地体现车辆行驶意图意图。根据相关研究，未来汽车发展趋势，汽车更偏向于自动驾驶方面发展，虽然国内无人驾驶技术不是非常成熟，但许多学者都致力于该项技术的研究，无人驾驶汽车出现，使驱车出行更加安全，降低事故发生概率，无人驾驶汽车已经出现，但要实现大众化还需要更多的时间和技术。为了保持一定的前瞻性，本文最终确定研究驾驶员起步意图时采用预测加速度和滑移率作为识别参数。2.3基于模糊理论的车辆驱动意图辨识上述驱动意图的分类和识别参数确定的基础上，运用模糊控制进行驱动意图辨识。在模糊控制工具箱中，将预测加速度和滑移率作为输入量，输出量为意图特征。其隶属度函数选择如表4-2。表4-1驾驶员起步意图、分类及其特征驾驶意图分类意图特征轻度加速预测加速度正值接近于0或很小，滑移率的值很小加速意图中度加速预测加速度正值很小或适中，滑移率适中紧急加速预测加速度正值很大，滑移率的值很大匀速意图匀速行驶预测加速度为0，滑移率为0表4-2加速意图的输入量模糊变量论域语言值隶属度函数Z三角形PE三角形预测加速度0-10PS三角形PM三角形PB三角形Z三角形滑移率0-0.4S三角形M三角形B三角形2.5本章小结本章提出了基于模糊理论的车辆行驶意图辨识的研究方法，首先介绍了研究背景、模糊理论以及模糊控制规则表的设计方法，如专家经验法、观察法和自组织法等等。然后选择了介绍了隶属度函数的概念及分类，其中三角形隶属度函数、高斯型隶属度函数、广义钟型以及梯形隶属度函数比较常见，建立了驱动和制动数学模型。最后选择了研究驾驶员起步意图的参数，确认选用滑移率s和预测加速度a作为研究车辆行驶意图的输入量，选择行驶意图特征di作为输出量。第三章基于MATLAB的驱动意图仿真分析本章基于前述的理论知识，利用模糊控制工具箱对驱动意图辨识进行模型建立。3.1驱动意图辨识模型建立在本文中，将选择在MATLAB中选用模糊控制工具箱对驱动意图辨识模型进行建立。其建立的大致步骤可以分为：1．对模糊控制器结构进行确定：也就是根据具体的系统确定输入量和输出量。经过查阅相关的文献、资料ADDINCNKISM.Ref.{AF26F1CE8FDE48eaB7BB60C43C79B0FA}[9-12]，可以发现输入量会影响驾驶员的驱动意图是否能够被更加完整且准确地描绘出，也会影响驱动意图辨识模型的建立。因此在本文中，除了将预测加速度作为实验的输入量之外，还选择将滑移率作为输入量。输入参数设置和算法设置如图7所示。由图可知，我们选择的结构是标准的二维控制结构，该控制结构有两个输入和一个输出。输入为滑移率s和预测加速度a，输出为行驶意图特征di。图7.输入参数设置及算法设置2．输入输出变量的模糊化：对输入输出参进行设置后，还需要将输入输出的精确量转变成相应的语言变量的模糊集合。首先描述输入输出变量语言值的模糊子集需要被确定下来，本文中预测加速度的模糊子集为{Z，PE，PS，PM，PB}，滑移率的模糊子集为{Z，S，M，B}。确定模糊子集后还需要设置输入量和输出量的论域，预测加速度的论域为[010]，滑移率的论域为[00.4]。之后在模糊子集和论域的基础上为模糊语言变量选取添加最为合适的隶属度函数。如图8所示，预测加速度a，主要是划分为5个隶属度函数：Z表示预测加速度为0，PE表示预测加速度正值接近于0，PS表示预测加速度正值很小，PM表示预测加速度正值适中，PB表示预测加速度正值很大。图8.预测加速度的隶属度函数如图9所示，滑移率s则是选取的4个隶属度函数：Z表示滑移率的值在0附近，S表示滑移率的值较小，M表示滑移率的值适中，B表示滑移率的值很大。图9.滑移率隶属度函数行驶意图特征di选择的是4个隶属度函数：UV表示匀速行驶，SA表示轻度加速，MA表示中度加速，CA表示紧急加速。隶属度函数如图10所示。图10.行驶意图特征隶属度函数3．设计模糊推理决策的算法：也就是在模糊控制规则的基础上进行模糊推理，从而决策出模糊输出量。模糊规则的确定即是根据专家经验，以上已经确定了输入量以及输出量，由于本文中选择的是二维控制结构，且本系统为多输入单输出系统。模糊规则恰恰是整个模糊设计的核心，模糊规则设计得是否符合现实逻辑对控制器的性能有着很大的影响。根据相应的输入模糊集，最终制定了20条模糊控制规则，本系统根据车辆滑移率和预测加速度的状态，进一步地确定了车辆的行驶意图特征。以上内容制定完成以后，会生成一个关于模糊控制规则的矩阵，输入量将会按照相对应的模糊推理算法完成计算，最终决策出输出量。模糊控制规则库如表3所示。表3.模糊控制规则库滑移率加速度ZPEPSPMPBZUVUVUVUVUVSUVSASAMAMAMSASAMAMACABCACACACACA4．对输出模糊量进行解模糊：由于一开始模糊控制器的输出量还只是一个模糊集合，为了得到更为精确的量，我们可以通过反模糊化的方法。根据相关资料和经验，本文的解模糊选取的是重心法，即centroid。本文的这些规则的权重系数都是1，运用MATLAB自带的模糊控制工具箱，最终得到的结果如图11、12所示。图11中通过拖动红色竖线可以清楚地观察设计规则。图12则是输入和输出变量的三维曲面图。图11.隶属度函数总览图12.行驶意图特征模糊规则特征图3.2本章小结从本章中，我们可以看到MATLAB模糊控制工具箱在设计过程中存在的优点是它是一种更为便捷的方式，通过模糊控制工具箱，可以省略掉很多复杂的过程，我们只需要设定输入输出等相应的参数，不需要繁杂的多余操作便可以实现满足需求的控制器。但在设定控制规则的时候，主要依据专家经验，该控制规则确定后不能实时调整，适应性较差。若有需要对控制器进行修改的地方，通过模糊控制工具箱便能够很轻易地调整。本章主要是描述了对驱动意图阶段进行建模的过程，对输入量进行分类，设计了模糊控制规则，最终得到行驶意图特征的模糊规则特征图。第四章基于MATLAB的制动意图仿真分析基于前文的理论知识，利用MATLAB对行驶意图进行的建模，在驱动阶段，需要研究车辆行驶意图中的匀速意图和加速意图，而在本章只需要研究制动意图ADDINCNKISM.Ref.{1524D875EE814c45B270338D2F47992B}[19]这个部分。4.2驾驶员行驶意图辨识模型建立车辆行驶意图主要通过滑移率和预测加速度来体现，以这两个变量为输入量，以行驶意图特征为输出，可以建立如图14所示的行驶意图模型。图14.行驶意图模糊推理模型该模型是多输入单输出的模型，查阅相关文献，隶属度函数仍然采用三角形。论域U1表示预测加速度的变化范围，U1的范围是[-10,0]，论域U2表示滑移率的变化范围，U2的范围是[0,4]。如表5所示。表5.加速意图的输入量和输出量模糊变量论域语言值隶属度函数NB三角形预测加速度[-10,0]NM三角形NS三角形NE三角形Z三角形滑移率[0,0.4]S三角形M三角形B三角形ED三角形行驶意图特征[0,1]MD三角形SD三角形确定输入量和输出量的论域、语言值以及隶属度函数形态之后，可以开始确定行驶意图的分类及其特征。ADDINCNKISM.Ref.{80D00BEFB70A485683D72148F3C30F01}[20-21]如表6所示。表6.驾驶员行驶意图、分类及其特征驾驶意图分类意图特征轻度制动预测加速度负值接近于0或很小，滑移率的值很小制动意图中度制动预测加速度负值很小或适中，滑移率适中紧急制动预测加速度负值很大，滑移率的值很大制定模糊控制规则库，就是对输入量和输出量之间的关系进行设计。输入参数为预测加速度和滑移率，输出为驾驶员行驶意图。输入参数预测加速度和滑移率分别用a和s表示，设置如图15和图16。输出参数驾驶员行驶意图用di表示，设置如图17，共有模糊规则16条，模糊控制规则库如表7所示。图15.预测加速度的隶属度函数图16.滑移率的隶属度函数图17.行驶意图特征的隶属度函数表7.驾驶员行驶意图模糊控制规则表滑移率预测加速度NBNMNSNEZEDSDSDSDSEDMDSDSDMEDMDMDMDBEDEDEDED本文的这些规则的权重系数都是1，运用MATLAB自带的模糊控制工具箱，选择Mamdani的运算方法，使用最大隶属度的方法进行计算，这就是根据模糊规则表，得到的模糊规则特征图。如图18、19所示。图18.隶属度函数总览图19.行驶意图特征模糊规则特征图4.3本章小结本章对制动意图辨识进行了仿真分析，研究行驶过程中的驾驶意图辨识模型，以预测加速度和滑移率为输入量，以行驶意图特征为输出量，最终得到行驶意图特征模糊规则特征图。第五章总结与展望5.1全文总结近些年来，随着自动驾驶技术越来越成为研究热点，与人类驾驶汽车相比，自动驾驶汽车技术可能会提供一定的优势。其中一个潜在的优势是，它们可以提高道路上的安全性——车辆事故每年造成许多人死亡，自动车辆可能会减少伤亡人数，因为与人类相比，自动车辆使用的软件可能会犯更少的错误。事故数量的减少也可以减少交通拥堵，这是自动驾驶汽车带来的另一个潜在优势。自动驾驶也可以通过消除造成道路阻塞的人类行为，显著提高运输效率。自动驾驶的另一个可能的优势是，由于年龄和残疾等因素不能开车的人可以使用自动汽车作为更方便的交通系统。自动驾驶汽车还有一个优势就是消除驾驶疲劳，并能在夜间行驶时休息，因为疲劳驾驶造成的交通事故也是屡见不鲜。在自动变速器的车辆中，启停功能的工作非常简单。只需要踩一下刹车，当汽车停止时，引擎就会自动关闭。当脚从刹车踏板上抬起时，汽车再次启动。对驾驶员驱动意图辨识的研究是提高汽车主动安全的突破点，对于带有启停功能的或48V轻混系统的车辆来说，可以根据驱动时车辆不同的动力需求，实时调节启停功能中电机助力大小或48V轻混系统中皮带电机助力大小。对于自动驾驶车辆的变速器控制中，监测车辆行驶意图，知悉车辆的动力需求，对换挡规律的研究也有助益。本文的研究内容主要如下：（1）对模糊理论的概念、优点和车辆行驶意图的国内外研究现状都进行了大量理论研究，明确了本文的主要研究内容。（2）首先介绍了各种输入量的利弊，最终选择加速度和滑移率作为输入量，因为这两个输入量对自动驾驶也具有参考意义，并且设计模糊控制规则。（3）用模糊控制工具箱对该模型进行建模，又进行拓展，研究驾驶员行驶意图，将制动也纳入研究范围。5.2未来展望在人类社会以后的发展中，各项技术都会飞速发展，呈现出百花齐放之态，不仅仅是自动驾驶技术，还有人工智能技术、智能制造技术，大数据等等都会进入人们的视野，方便人们的生活，这对于本文的研究方向也有促进作用。对于基于模糊理论的驾驶员驱动意图辨识的问题，本文虽然具有的一些研究价值，但是仍然存在不足之处：（1）只将预测加速度和滑移率作为输入量，没有让输入量多样化，比如可以将油门踏板开度或者加速度的变化率作为输入量，作为比较，哪个输入量更加贴合。（2）模糊规则的设计，主要依据的是专家经验，主观性比较强，但是本文的研究对象需要在实际生活中进行运行，需要考虑的实际因素还有很多。（3）本文只是在MATLAB中进行建模，但是并没有对其进行仿真验证，还可以利用MATLAB的Simulink中模糊板块的部分，输入真实数据进行仿真验证，更能佐证本文模型的正确性。（4）实车试验。由于试验条件有限，本文建立的模型并没有在实车上进行验证，后续可以进一步验证。ADDINCNKISM.Bib参考文献[1]孙平,宋瑞,王海霞.我国道路交通事故成因分析及预防对策_孙平[J].安全与环境工程,2007,54(2):97-100.[2]高建平,赵金宝,杨松,等.基于驾驶意图的插电式混合动力公交车控制策略*[J].机械工程学报,2016,52(24):107-114.[3]戴丰.基于驾驶员起步意图的AMT控制方法研究[D].上海交通大学,2013.[4]基于工况与驾驶意图识别的HEV控制策略_吕仁志.2013[J].[5]王玉海,宋健,李兴坤.驾驶员意图与行驶环境的统一识别及实时算法[J].机械工程学报,2006,42(4):206-212.[6]宗长富,王畅,何磊,等.基于双层隐式马尔科夫模型的驾驶意图辨识[J].汽车工程,2011,33(8):701-706.[7]赵轩,马建,汪贵平.基于制动驾驶意图辨识的纯电动客车复合制动控制策略[J].交通运输工程学报,2014,14(4):64-75.[8]SalvucciDD.ModelingDriverBehaviorinaCognitiveArchitecture.[J].HumanFactors,2006,48(2):362-380.[9]PentlandA,LiuA.ModelingandPredictionofHumanBehavior[J].NeuralComputation,1999,11(1):229-242.[10]SakaiI,IwakiY,HagaT,etal.VehicleAutomaticTransmissionControlSystemUsingFuzzyLogictoDetermineSlopeandanInferredDriver'sIntentiontoDecelerate(dec)toDeterminetheCorrectGearPosition[J].Us,1995.[11]GhaemiS,KhanmohammadiS,TinatiM.Driver'sBehaviorModelingUsingFuzzyLogic[J].MathematicalProblemsinEngineering,2010,(2010-07-28),2010,2010(PT.2):29.[12]AmantiniA,cacciabuePC.ASimpleSimulationPredictingDriverBehavior,AttitudesandErrors[C]//InternationalConferenceonDigitalHumanModeling:Heldas,2009.[13]MinK,SimG,AhnS,etal.VehicleDecelerationPredictionModeltoReflectIndividualDriverCha