基于意图辨识线控汽车紧急转向控制方法.docxVIP

基于意图辨识线控汽车紧急转向控制方法 摘要：针对线控转向汽车在紧急转向时，按理想转 向传动比控制得到的横摆角速度动态响应慢、超调量大、稳 定时间长的问题，提出了一种基于驾驶员转向意图辨识的横 摆角速度反馈控制方法.该方法在正常转向时，车辆按照理 想转向传动比控制；在紧急转向时，在理想转向传动比控制 基础上，叠加横摆角速度反馈控制?车辆紧急转向引入驾驶 员转向意图辨识环节，以判定何时叠加横摆角速度反馈控制. 转向意图辨识利用多维高斯隐马尔可夫模型建模，通过离线 训练参数、在线辨识识别的方式实现.实验验证结果表明： 该方法能够有效降低线控汽车瞬态转向响应的超调量、减少 稳定时间. 关键词：汽车；线控转向；意图辨识；隐马尔可夫模型； 反馈控制 中图分类号：U463. 4文献标识码：A 线控转向系统由于取消了转向盘与转向器的机械连接 并通过电子控制单元控制转向，使得转向传动比的设计自由 度变大，能够实现保证汽车稳态增益不变的理想转向传动 比，让汽车驾驶适合于更多的人群，特别是让更多的非职业 驾驶员容易掌握汽车动力学特性[1].但是，驾驶员在紧急转 向时，按照理想转向传动比得到的横摆角速度动态响应无论 在响应速度、超调量，还是稳定时间上都不是理想的，通过 加入横摆角速度反馈控制则可以降低超调量、缩短稳定时间. 横摆角速度反馈控制仅在紧急转向工况下进行叠加，因此， 需引入驾驶员转向意图辨识环节，以此判定何时进行横摆角 速度反馈控制. 驾驶员转向意图辨识本质上是一个模式识别过程，在此 领域主要使用的模式识别方法有模糊模式识别、神经网络模 式识别和统计模式识别等?其中，神经网络模式识别方法中 神经网络的设计和实现没有理论依据可以借鉴，只能依赖于 经验[2].结构模式识别方法适合结构性强的模式识别，其抗 噪声能力差，计算复杂度高[3].统计模式识别有很多具体的 方法，进入21世纪以来，Bayes决策理论越来越多地用来解 决具体的模式识别问题，并产生了优异的分类性能[4].基于 Bayes决策理论的隐式马尔可夫模型(Hidden Markov Model, 简称HMM),由于具有处理时间序列数据的特性，近年来广泛 应用于语音识别和驾驶员行为辨识领域中.以HMM为基础的 模式识别方法随着样本的增加，模型会变得越来越好. 鉴于转向驾驶行为的强时间序列性，本文以为基础 理论，搭建多维高斯HMM模型，对模型中的参数进行训练， 辨识驾驶员的转向意图，并根据辨识出的转向意图，对车辆 进行不同模式的控制：在正常转向时，车辆按照理想转向传 动比控制；在紧急转向时，在理想转向传动比控制基础上叠 加横摆角速度反馈控制. 1驾驶员转向意图辨识方法 1.1隐式马尔科夫模型 隐式马尔科夫包含双重的随机过程，分别是Markov链 和一般的随机过程?在HMM里，状态是不能直接看到的，观 察者只能看到基于状态产生的模型输出（观察序列）?每一 个状态与其可能的观察值之间的关系通过一般的随机过程 描述；状态间的转移通过Markov链来描述.应用这两个随机 过程，能透过HMM产生的观察序列，得到状态时间序列和模 型的相关信息. 1.2多维高斯HMM建模及模型参数的训练方法 鉴于HMM的处理时序序列的能力和强的统计学基础，本 文借助吉林大学的驾驶模拟器采集转向盘转角和转向盘角 速度的数据，对数据预处理后，用BaumWelch算法对紧急转 向、正常转向和直线行驶三个转向驾驶行为HMM模型的参数 进行优化?然后借助于NI公司的LabVIEW和驾驶模拟器对转 向驾驶行为进行实时的验证?整个过程如图1所示. 模型采集的数据都是连续的，为了防止信号量子化造成 的信号失真，本文应用多维高斯HMM理论来搭建驾驶员转向 行为模型：直线行驶、正常转向及紧急转向.这些驾驶员转 向行为对应的多维高斯HMM模型的模型结构如图2所示. 训练数据的采集借助于驾驶模拟器，选定正常转向、紧 急转向和直线行驶三个工况，其中正常转向和直线行驶是在 驾驶模拟器的一般道路试验场景里完成的，紧急转向是借助 于双移线场景完成的?不同年龄的专业驾驶员对应每个工况 的多次试验数据构成了整个训练数据集. 对数据集的数据进行滤波处理，将滤波后的数据按辨识 长度进行截断、剔除异常数据段之后，借助于Kmeans算法 确定驾驶员意识上的直线行驶、正常转向和紧急转向的界限 值，根据这个界限值对截断后的数据段进行分类，以得到驾 驶员直线行驶、正常转向及紧急转向驾驶行为模型的训练数 据.编写MATLAB程序，结合HMM工具箱里的BaumWelch算法, 训练得出多维高斯HMM模型参数. 2线控汽车紧急转向控制方法 车辆紧急转向时，转向盘输入的速度较大，车辆瞬态转 向特性表现较为明显?为了弥补车辆设计时的瞬态转向响应 品质的不足，在车辆理想转向传动