崔高健+李連京+李紹松+涂永發(fā)

摘 要：近年來隨著汽車技術(shù)和汽車制造業(yè)的快速發(fā)展，汽車擁有量快速增加，交通狀況變得更加錯(cuò)綜復(fù)雜、交通事故頻發(fā)。由此，汽車主動(dòng)安全性的重要性越來越凸顯，逐漸成為當(dāng)今汽車行業(yè)的發(fā)展趨勢(shì)。而制動(dòng)系統(tǒng)作為汽車主動(dòng)安全性能中最為重要的環(huán)節(jié)，被越來越多的研究人員關(guān)注[1]。文章基于神經(jīng)網(wǎng)絡(luò)方法建立駕駛員制動(dòng)模式辨識(shí)模型，對(duì)電機(jī)-低、電機(jī)-高、緊急制動(dòng)、SOC閾值等四種制動(dòng)模式進(jìn)行辨識(shí)，得到高精度駕駛員制動(dòng)模式辨識(shí)模型，通過模糊神經(jīng)網(wǎng)絡(luò)方法，驗(yàn)證了駕駛員制動(dòng)意圖辨識(shí)方法的有效性。

關(guān)鍵詞：制動(dòng)意圖；神經(jīng)網(wǎng)絡(luò)；模型辨識(shí)

引言

近年來隨著汽車技術(shù)和汽車制造業(yè)的快速發(fā)展，汽車擁有量快速增加，交通狀況變得更加錯(cuò)綜復(fù)雜、交通事故頻發(fā)。因此，越來越多的研究人員把側(cè)重點(diǎn)放在了汽車的主被動(dòng)安全上，意在于提高汽車的安全性。這幾年，線控驅(qū)動(dòng)系統(tǒng)成為了研究熱門，線控驅(qū)動(dòng)系統(tǒng)包含線控制動(dòng)系統(tǒng)、線控轉(zhuǎn)向系統(tǒng)、線控油門系統(tǒng)等。它的導(dǎo)線走向布置非常靈活，所以汽車的操縱部件也不用死板的排放，汽車底盤實(shí)現(xiàn)了集成控制，擴(kuò)大了汽車的自由空間。這項(xiàng)技術(shù)是利用傳感器來感受駕駛意圖，通過導(dǎo)線將意圖傳給中央處理器，經(jīng)中央處理器處理后，它給相應(yīng)的執(zhí)行系統(tǒng)發(fā)送指令，以便完成駕駛員的各項(xiàng)操作?？梢妼?duì)線控驅(qū)動(dòng)系統(tǒng)來說，必須要靠駕駛員的駕駛行為實(shí)時(shí)、準(zhǔn)確辨識(shí)出駕駛員的駕駛意圖，才能實(shí)現(xiàn)對(duì)線控汽車的準(zhǔn)確控制。

1 制動(dòng)意圖解析[2]

文章提出對(duì)制動(dòng)踏板的智能解析實(shí)現(xiàn)對(duì)踏板開度及變化率的綜合分析，同時(shí)對(duì)兩組數(shù)值進(jìn)行模糊化處理[3]，構(gòu)建模糊規(guī)則獲得所需制動(dòng)力矩，實(shí)現(xiàn)更佳的制動(dòng)性能。

首先，所需制動(dòng)力矩分別采用制動(dòng)踏板開度與制動(dòng)踏板開度變化率構(gòu)建模糊規(guī)則[4]。我們將制動(dòng)踏板開度設(shè)為L，開度變化率設(shè)為d L，制動(dòng)減速度設(shè)為V。確定輸入變量的區(qū)間：踏板開度從零到全開；根據(jù)每個(gè)制動(dòng)工況獲得的試驗(yàn)數(shù)據(jù)，將踏板開度變化率取為每秒中-10到150個(gè)開度。將制動(dòng)踏板開度及其變化率進(jìn)行模糊化。導(dǎo)入基于Matlab調(diào)出的FIS編輯器中，設(shè)定為二維Sugeno型模糊系統(tǒng)。并編輯隸屬度函數(shù)為高斯函數(shù)并通過模糊規(guī)則編輯器編輯相關(guān)模糊規(guī)則[5]，而后生成FIS輸出曲面，得到所需制動(dòng)力數(shù)據(jù)。

基于汽車制動(dòng)系統(tǒng)硬件在環(huán)試驗(yàn)平臺(tái)中所使用的電機(jī)模型繪得的電機(jī)外特性曲線得到最大電機(jī)制動(dòng)力矩；基于汽車制動(dòng)系統(tǒng)硬件在環(huán)試驗(yàn)平臺(tái)中SOC測(cè)量裝置實(shí)時(shí)監(jiān)測(cè)到的SOC值。將所需制動(dòng)力數(shù)據(jù)、SOC值數(shù)據(jù)作為相關(guān)樣本數(shù)據(jù)。把所需制動(dòng)力矩?cái)?shù)據(jù)、最大電機(jī)制動(dòng)力矩?cái)?shù)據(jù)、SOC閾值數(shù)據(jù)經(jīng)過均值濾波去噪處理后；將所需制動(dòng)力矩、SOC值分別進(jìn)行模糊化處理；其中所需制動(dòng)力矩?cái)?shù)據(jù)、SOC值分別構(gòu)建大、中、小三個(gè)模糊子集。

將相關(guān)樣本數(shù)據(jù)模糊化處理后，所述的相關(guān)樣本數(shù)據(jù)包括：所需制動(dòng)力數(shù)據(jù)、車速數(shù)據(jù)、SOC值數(shù)據(jù)；導(dǎo)入ANFIS編輯器，應(yīng)用零階Sugeno模糊神經(jīng)網(wǎng)絡(luò)模型進(jìn)行離線辨識(shí)，隸屬度函數(shù)為高斯函數(shù)，并規(guī)定每個(gè)輸入有三個(gè)節(jié)點(diǎn)，即每組數(shù)據(jù)的三個(gè)模糊子集，各模糊子集各模糊子集相互組合之后在辨識(shí)模型中獲得27條模糊規(guī)則[6]；在此基礎(chǔ)上利用反饋方式進(jìn)行訓(xùn)練，調(diào)整誤差公差為0.001，訓(xùn)練次數(shù)為1500次，最終得到駕駛員制動(dòng)模式辨識(shí)模型；對(duì)駕駛員制動(dòng)模式辨識(shí)模型輸入所需制動(dòng)力、SOC閾值信息，可以輸出量化的制動(dòng)模式，即輸出數(shù)字1代表電機(jī)-低模式，輸出數(shù)字2代表電機(jī)-高模式，輸出數(shù)字3代表緊急制動(dòng)模式，輸出數(shù)字4代表SOC閾值模式。

電機(jī)-低模式是當(dāng)SOC值正常時(shí)，所需制動(dòng)力小于電機(jī)最大制動(dòng)力矩的時(shí)候，使用再生制動(dòng)；電機(jī)-高模式是當(dāng)SOC值正常時(shí)，所需制動(dòng)力大于電機(jī)最大制動(dòng)力矩的時(shí)候，使用再生制動(dòng)和機(jī)械制動(dòng)混合的混合制動(dòng)力矩；緊急制動(dòng)模式是當(dāng)電機(jī)宕機(jī)時(shí)使用純機(jī)械制動(dòng)；SOC閾值模式是當(dāng)超級(jí)電容或蓄能器電量達(dá)到一定閾值的時(shí)候，采用放電模式即機(jī)械制動(dòng)。

2 制動(dòng)意圖辨識(shí)

我們利用模糊神經(jīng)網(wǎng)絡(luò)方法進(jìn)行駕駛員制動(dòng)意圖辨識(shí)[7]。利用制動(dòng)踏板與dSPACE連接搭建乘用車模擬器，通過dSPACE與CarSim&Simulink軟件聯(lián)合仿真，進(jìn)行了電機(jī)-低、電機(jī)-高、緊急制動(dòng)、SOC閾值等4種制動(dòng)模式模擬試驗(yàn)。通過對(duì)測(cè)得參數(shù)進(jìn)行篩選，最終選擇了制動(dòng)踏板開度及其變化率、電機(jī)最大轉(zhuǎn)矩和SOC閾值四個(gè)特征參數(shù)作為駕駛員制動(dòng)意圖辨識(shí)模型的輸入。最后，利用Matlab中的ANFIS編輯器建立制動(dòng)意圖辨識(shí)模型并進(jìn)行訓(xùn)練。以最大相似性原則對(duì)數(shù)據(jù)進(jìn)行歸類，輸出量化的制動(dòng)意圖。制動(dòng)意圖推理規(guī)則如表1所示。

3 制動(dòng)意圖辨識(shí)方法的驗(yàn)證

在Matlab命令行輸入“anfisedit”，進(jìn)入ANFIS編輯器，依照ANFIS的工作流程，將分類好的訓(xùn)練數(shù)據(jù)與檢驗(yàn)數(shù)據(jù)導(dǎo)入編輯器中，如圖1。

由于是單輸出，所以我們?cè)O(shè)定一個(gè)零階Sugeno模糊神經(jīng)網(wǎng)絡(luò)模型，規(guī)定每個(gè)輸入有三個(gè)節(jié)點(diǎn)，隸屬度函數(shù)的類型為高斯函數(shù)（gaussmf），得到模糊神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖。

根據(jù)以上關(guān)系設(shè)定，辨識(shí)模型共有27條模糊規(guī)則，每一條都可以用“If A and B and C then D”這樣的條件語句來表示。我們將訓(xùn)練方式設(shè)置成反饋方式，誤差公差為0.001，訓(xùn)練次數(shù)1500次，經(jīng)過訓(xùn)練后輸出的誤差為0.156，如圖2所示，誤差在范圍內(nèi)，滿足要求。

得到的檢驗(yàn)結(jié)果如圖3所示。

從圖3中可以看出輸出值與真實(shí)值二者之間的微小差異對(duì)意圖辨識(shí)不會(huì)造成很大影響，由此可以得出，經(jīng)模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練的模型系統(tǒng)可以辨識(shí)駕駛員不同的制動(dòng)意圖。

根據(jù)獲得的數(shù)據(jù)，選取了所需制動(dòng)力、SOC值和電機(jī)制動(dòng)力矩作為辨識(shí)參數(shù)。利用Matlab中的ANFIS編輯器建立了意圖辨識(shí)的模型，并對(duì)其進(jìn)行了訓(xùn)練，經(jīng)過檢驗(yàn)數(shù)據(jù)檢驗(yàn)，對(duì)比結(jié)果滿足精度要求范圍，進(jìn)而得到了準(zhǔn)確的制動(dòng)意圖辨識(shí)模型。

4 結(jié)束語

文章對(duì)經(jīng)典制動(dòng)工況的分析歸納總結(jié)為更新更適用于電動(dòng)車的制動(dòng)模式，采用模糊神經(jīng)網(wǎng)絡(luò)方法并進(jìn)行訓(xùn)練。以最大相似性原則對(duì)數(shù)據(jù)進(jìn)行歸類，輸出量化的制動(dòng)意圖并進(jìn)行驗(yàn)證。結(jié)果驗(yàn)證辨識(shí)方法的準(zhǔn)確性以及辨識(shí)模型的有效性。辨識(shí)駕駛員制動(dòng)意圖可以實(shí)現(xiàn)很多功能，文章只是對(duì)方法的有效性進(jìn)行了驗(yàn)證，并未將其與其他系統(tǒng)結(jié)合應(yīng)用。以后的研究者可以將其作為制動(dòng)力分配的基礎(chǔ)，根據(jù)辨識(shí)的意圖，合理的進(jìn)行制動(dòng)力分配，保證汽車的安全性。

參考文獻(xiàn)

[1]王暢.基于隱形馬爾科夫模型的駕駛員意圖辨識(shí)方法研究[J].長春：吉林大學(xué)，2011.

[2]王俊，陳慧勇.混合動(dòng)力車輛中的加速與制動(dòng)意圖識(shí)別[D].吉林大學(xué)學(xué)報(bào)，2014.

[3]彭曉燕，董曉丹，章兢.汽車線控制動(dòng)系統(tǒng)的可靠性分析和容錯(cuò)技術(shù)研究[J].汽車工程，2009，31（7）：624-628.

[4]王英范，寧國寶，余卓平.乘用車駕駛員制動(dòng)意圖辨識(shí)參數(shù)的選擇[J].汽車工程，2011，33（3）：213-217.

[5]李弼程，邵美珍，黃潔.模式辨識(shí)原理與應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2008：121-140.

[6]王玉海，宋健，李興坤.基于模糊推理的駕駛員意圖辨識(shí)研究[J].公路交通科技，2005，22（12）.

[7]Filev D， Lu J B， Asante K P， et al. Real-time Driving Behavior Identification Based on Driver-in-the-loop Vehicle Dynamics and Control[C]. Proceedings of the 2009 IEEE International Conference on Systems， Man， and Cybernetics， San Antonio TX USA， 2009.

作者簡介：崔高?。?970-），男，漢族，吉林長春，博士，教授，就職于長春工業(yè)大學(xué)，研究方向：車輛動(dòng)力學(xué)與控制。

李連京（1990，12-），男，漢族，吉林長春，碩士研究生，就職于長春工業(yè)大學(xué)，研究方向：機(jī)械工程。