基于智能交通系统的汽车行驶主动安全技术.docVIP

基于智能交通系统的汽车行驶主动安全技术 摘要：汽车行驶主动安全技术是智能交通系统的重要研究内容之一。本文针对智能交通系统环境下车辆行驶主动安全所涉及的主要内容，研究了车辆运动中对周围障碍物的感知技术和方法、车辆行驶危险或安全状态的动态辨识方法、汽车主动避撞控制及执行技术等关键技术问题，并开发了相关系统。文中通过仿真及实验结果验证了各相关技术的正确性及合理性。 关键词：智能交通系统 汽车主动安全 汽车主动避撞 利用信息感知、动态辨识、控制等技术与方法于一体提高汽车的主动安全性，是ITS 的主要研究内容之一。世界各大汽车公司在政府的支持下，都在开展这方面的研究开发工作，例如：日本由各大汽车公司及大学等研究机构参与的先进安全汽车（ASV）项目，通过概念设计、单元技术实用化及系统综合技术研究开发、试验车制作、实车试验的实施等步骤，已取得实用化成果[1][2]。美国交通部（DOT）主导的 ITS 中的 AHS （Automated Highway Systems）开发项目结束后，于1998 年开始了以主动避撞系统CAS (Collision Avoidance System)为中心的初级智能汽车IVI (Intelligent Vehicle Initiative)项目,并取得阶段成果[3][4]。国内对智能交通环境下汽车行驶主动安全技术的研究起步较晚，只对其中涉及的局部技术进行了一些尝试性的探讨 [5][6] 。 本文针对智能交通系统环境下车辆行驶主动安全技术所涉及的关键内容进行了研究。研究了车辆运动中对周围障碍物的感知技术和方法，解决了探测雷达信号处理中的干扰和实时性问题；研究了车辆危险或安全状态的动态辨识方法，提出了基于驾驶员感觉的安全距离确定方法；研究了汽车主动避撞控制技术及控制执行技术，针对车辆纵向控制系统中存在的问题，设计了控制算法及控制执行器系统。通过对各关键单元技术的研究，系统解决了智能交通系统环境下车辆行驶主动安全的关键技术问题。通过相应的仿真及实车实验结果，对各关键技术的研究成果进行了验证。 1 基于智能交通系统的汽车行驶主动安全系统 基于智能交通系统的汽车行驶主动安全系统指利用现代信息技术、传感技术来扩展驾驶人员的感知能力，将感知技术获取的外界信息（如车速、其它障碍物距离）传递给驾驶人员，同时在路况与车况的综合信息中辨识是否构成安全隐患；在紧急情况下，能自动采取措施控制汽车，使汽车能主动避开危险，保证车辆安全行驶，也就是通常所说的汽车主动避撞系统。国内外对车辆行驶主动安全技术的研究主要集中于车辆行车信息感知及行车安全状态辨识技术、车辆主动避撞系统控制技术及车辆控制执行技术等方面。系统中所涉及到的关键技术及相互关系如图1 所示。 图1 汽车主动避撞系统关键技术 2 汽车行驶主动安全关键技术研究 2.1 车辆行车信息感知及安全状态动态辨识技术 车辆行车信息感知及安全状态动态辨识技术，就是利用安装于汽车上的各种传感器，实时的对车辆运行参数进行检测，并通过必要的信号处理及信息融合获得车辆的行车安全状态的动态信息。测距雷达信号处理技术和行车安全距离动态算法是其中最关键的技术。 2.1.1 测距雷达信号处理技术 经测距雷达传来的目标物距离信号含有随机误差，必须要对原始数据进行处理，才可以在系统计算中应用。另外测距雷达传来的只是车辆间的距离信息，必须从这些距离信息中比较准确的提取出车辆间的相对速度以及相对加速度信息。过去采用的办法是直接对距离信号取微分，得相对速度值，再对相对速度值取微分得相对加速度值，这种方法经实践证实是不可行的。问题主要有两点：一是距离误差对相对速度以及相对加速度的影响较大，实际计算得到的相对速度及相对加速度值难以应用。二是由于算法所限，系统实时性不好。在控制工程中常用的Kalman 滤波算法是一种实时滤波算法，并可以得到系统状态向量的平滑估计，本研究将Kalman 滤波算法应用于汽车主动避撞系统的雷达信号处理，可以有效地弥补上述两点不足。 图2 是对一次试验记录数据的滤波结果对比图。首先，Kalman 滤波由于是实时滤波，保证了系统处理的实时性。其次，从相对距离对比图中可以非常直接的看出，经Kalman 滤波处理后，由测量误差带来的距离值的突变得到了有效地抑制。从相对速度对比图可以看出，采用对距离值直接微分的方法得到的相对速度值波动非常巨大，实际计算中根本无法使用，而用Kalman 滤波方法得到的相对速度值则去掉了相对速度值的大的波动，反映了实际相对速度值的变化情况。 图2 Kalman 滤波结果对比图 2.1.2 行车安全距离动态算法 传感器正确获取车辆行车信息之后，需要进行各种信号的融合，进行车辆危险或安全状态的实时辨识。需要确定的是当前情况下的行车安全