论文部分内容阅读
自动紧急制动系统(Autonomous Emergency Braking System,AEB)是一种高级辅助驾驶系统(Advanced Driving Assistant System,ADAS),它可实现车辆避撞和行人避撞,提高车辆的主动安全性。现AEB系统的研究主要集中在实现车辆的追尾避撞,而要实现行人避撞,AEB系统则会面临更多的技术难点和更高的功能要求。针对如何保护行人生命安全、应对复杂的行人避撞试验工况、解决行人轨迹更为灵活,不确定因素更多等问题,论文展开了研究,主要内容有:针对自动紧急制动行人避撞系统(AEB Pedestrian System,AEB-P)的技术难点,对设计的AEB-P系统提出了功能要求。建立了AEB-P系统的体系结构,定义了系统各模块的基本功能和逻辑关系。通过CarSim动力学仿真分析软件和Matlab/Simulink软件建立了某款E级SUV车型的动力学模型,进行理论推导得到了车辆逆动力学模型。为满足AEB-P系统制动控制要求,构建了BP前馈模糊神经网络理论模型,并对其误差反传算法进行了推导。针对模糊神经网络的训练参数初始值只能随机产生,可能影响训练效果,产生控制误差等问题,引入了遗传算法,进行理论控制模型优化。优化后的AEB-P制动控制理论模型具有实时调节制动力大小,自学习和适应不同驾驶员驾驶习惯,能反映熟练驾驶员紧急制动操作经验的特点。确定了AEB-P系统所需行车信息,并进行了相关计算处理。以碰撞时间(Time to collision,TTC)、制动安全距离等相关理论为研究基础,划分行车安全等级,建立了AEB-P系统预警模型,得到了不同车速工况下TTC取值范围和对应安全等级。界定了AEB-P预警系统的工作区域。设计了AEB-P系统上层模糊神经网络控制器,以有经验驾驶员的行人纵向避撞数据为训练样本,进行BP神经网络训练,对遗传算法优化前后结果进行对比分析。结果表明:优化后的理论控制模型,制动控制误差显著下降,训练效率明显提高,增强了AEB-P系统的稳定性和功能安全性。基于PID理论设计AEB-P系统下层控制器,实现了期望减速度到车辆制动管路压力的转换。以国内行人避撞试验规范为标准,确定了相关测试场景的设置参数,建立了三维行人模型,在Carsim软件中搭建了相关行人测试场景。建立了AEB-P系统的CarSim和Simulink联合仿真模型,并进行仿真分析,验证本文提出策略的正确性。