基于学习控制的汽车全速自适应巡航决策与控制算法研究
发布时间：2021-11-04 06:53
随着城市建设的不断推进,原本简单的道路交通环境变得复杂多样。与此同时,汽车保有量逐年增长,使得越来越多的新手驾驶员面临更多的操控负担与决策难题。然而,目前市场上产品化的自适应巡航系统虽然能够解决大部分驾驶辅助问题,但其功能性却未覆盖全速范围,并且缺少面向驾驶员操控特性的“人性化”设计以及面向车辆自身动力学特性的“车性化”考虑,致使产品的适宜性大打折扣。因此,本文进行了基于学习控制的汽车全速自适应巡航决策与控制算法研究,通过对真实驾驶员纵向驾驶规律的深入分析,从学习控制角度出发,将自适应巡航系统的“人性化”决策以及“车性化”控制问题转化为对学习算法的设计问题,旨在提升系统自主行为决策的因果关联性,与此同时实现全时速范围内的自适应巡航控制功能。主要研究内容如下:首先,针对驾驶员纵向驾驶行为特性的研究问题,本文利用驾驶模拟器以及实车平台分别进行跟车行为和起停行为的实验测试,获得了用于表征驾驶员纵向驾驶行为特性的关键参数。与此同时,利用以上关键参数并结合安全性及工效性指标,建立了基于Sigmoid函数的驾驶员操控风格模糊评价体系,进而综合驾乘人员的主客观三方评价结果,提出了表征综合评价指标的加...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：151 页
【学位级别】：博士
【部分图文】：
驾驶员常规驾驶过程与ACC系统工作过程的相互关系示意图
图 1.1 驾驶员常规驾驶过程与 ACC 系统工作过程的相互关系示意图综上所述，本文依托于国家自然科学基金(51775236，51675224，U1564214)以及国家科技部重点研发项目(2017YFB0102600)，围绕基于学习控制的汽车全速自适应巡航系决策与控制算法进行了研究，综合考虑驾驶员纵向驾驶时的操控行为特性，主要解决车辆在全速范围内的自主行为决策与运动控制问题，如图 1.2 所示。
图 1.3 2013 年至 2019 年我国汽车保有量及驾驶员数量统计在“人-车-路”组成的闭环系统中，驾驶员享有对车辆控制的最高优先级，但驾驶员操控下车辆所能达到的最大速度和最强制动都受人类生理极限的限制，并且由于驾驶员的性格、职业、年龄和驾龄等自身属性不同，其反应时长、判断标准及决策依据均存在差异，当出现紧急突发工况时，人类驾驶员便成为系统中最薄弱的环节，极易出现慌乱状态下的错误决策甚至错误的操控行为[40-41]。与此同时，为了满足市民的出行需求和城市的经济发展，缓解城市道路交通资源紧张的现状，各城市均兴建大型立体化交通网络，这意味着所有驾驶员都将面对越来越复杂的交通环境，况且随着“新手”驾驶员基数的不断增长，驾驶员操控风格多样，由驾驶经验不足、驾驶技能欠佳等问题诱发的交通事故也愈发频繁[42]。如此看来，人类驾驶员在驾驶过程中存在的弊端是容易受到多种外界影响的干扰很难及时对当前工况进行合理处理；相对而言，人类驾驶员在驾驶过程中具备的优势[43-45]
【参考文献】：
期刊论文
[1]汽车自适应巡航行驶系统控制过程的研究[J]. 毕厚煌,安宗权,汪新伟,郭文举. 芜湖职业技术学院学报. 2019(02)
[2]国外推动车辆自动驾驶发展情况研究[J]. 范煜君. 交通世界. 2019(12)
[3]考虑驾驶员和道路特性的车辆自适应巡航模型预测控制[J]. 仇林至. 上海汽车. 2019(02)
[4]汽车PID巡航系统控制策略浅析[J]. 张俊. 山东工业技术. 2019(03)
[5]智能汽车人机协同控制的研究现状与展望[J]. 胡云峰,曲婷,刘俊,施竹清,朱冰,曹东璞,陈虹. 自动化学报. 2019(07)
[6]智能驾驶汽车纵向运动控制研究综述[J]. 罗玉峰,钟陈志鹏,陈齐平,魏佳成,苏校. 汽车实用技术. 2018(22)
[7]自动驾驶关键技术与产业发展态势研究[J]. 宫慧琪,牛芳. 信息通信技术与政策. 2018(08)
[8]道路交通事故损失统计分析[J]. 秦恩国. 内燃机与配件. 2018(15)
[9]车辆多模式多目标自适应巡航控制[J]. 章军辉,李庆,陈大鹏. 电子科技大学学报. 2018(03)
[10]带启停巡航功能的全速自适应巡航控制器的设计[J]. 陆逸适,张哲,王立强,韩宗奇. 机械设计与制造. 2017(05)
博士论文
[1]基于行为和生理指标的驾驶风险分析与模式识别研究[D]. 把余韬.清华大学 2015
[2]基于增强学习和车辆动力学的高速公路自主驾驶研究[D]. 刘春明.国防科学技术大学 2014
[3]城市环境下无人驾驶车辆决策系统研究[D]. 陈佳佳.中国科学技术大学 2014
[4]基于驾驶员特性自学习方法的车辆纵向驾驶辅助系统[D]. 张磊.清华大学 2009
[5]智能运输系统——基于毫米波雷达的车辆防撞技术与实验研究[D]. 贺乐厅.东南大学 2003
硕士论文
[1]车辆巡航系统高效模型预测控制算法设计及实现[D]. 何文韬.浙江工业大学 2019
[2]考虑驾驶员驾驶习性的汽车纵向智能辅助驾驶系统研究[D]. 苏琛.吉林大学 2018
[3]面向无人驾驶的增强学习算法研究[D]. 陈银银.电子科技大学 2018
[4]基于时空递归神经网络的智能车端到端决策研究[D]. 金凡.电子科技大学 2018
[5]驾驶员疲劳状态分析及其预警算法研究[D]. 于兹文.吉林大学 2018
[6]自动驾驶电动汽车的轨迹跟随控制研究[D]. 张金城.长沙理工大学 2017
[7]纯电动汽车全速自适应巡航控制系统的研究[D]. 张丽.哈尔滨工业大学 2017
[8]基于驾驶员特性的车辆制动安全距离的研究[D]. 王春迎.山东理工大学 2015
[9]基于HMM的驾驶模式识别方法研究及应用[D]. 萧超武.华南理工大学 2015
[10]强化学习算法的研究与实验[D]. 田苗.西安电子科技大学 2014
本文编号：3475224
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：151 页
【学位级别】：博士
【部分图文】：
驾驶员常规驾驶过程与ACC系统工作过程的相互关系示意图
图 1.1 驾驶员常规驾驶过程与 ACC 系统工作过程的相互关系示意图综上所述，本文依托于国家自然科学基金(51775236，51675224，U1564214)以及国家科技部重点研发项目(2017YFB0102600)，围绕基于学习控制的汽车全速自适应巡航系决策与控制算法进行了研究，综合考虑驾驶员纵向驾驶时的操控行为特性，主要解决车辆在全速范围内的自主行为决策与运动控制问题，如图 1.2 所示。
图 1.3 2013 年至 2019 年我国汽车保有量及驾驶员数量统计在“人-车-路”组成的闭环系统中，驾驶员享有对车辆控制的最高优先级，但驾驶员操控下车辆所能达到的最大速度和最强制动都受人类生理极限的限制，并且由于驾驶员的性格、职业、年龄和驾龄等自身属性不同，其反应时长、判断标准及决策依据均存在差异，当出现紧急突发工况时，人类驾驶员便成为系统中最薄弱的环节，极易出现慌乱状态下的错误决策甚至错误的操控行为[40-41]。与此同时，为了满足市民的出行需求和城市的经济发展，缓解城市道路交通资源紧张的现状，各城市均兴建大型立体化交通网络，这意味着所有驾驶员都将面对越来越复杂的交通环境，况且随着“新手”驾驶员基数的不断增长，驾驶员操控风格多样，由驾驶经验不足、驾驶技能欠佳等问题诱发的交通事故也愈发频繁[42]。如此看来，人类驾驶员在驾驶过程中存在的弊端是容易受到多种外界影响的干扰很难及时对当前工况进行合理处理；相对而言，人类驾驶员在驾驶过程中具备的优势[43-45]
【参考文献】：
期刊论文
[1]汽车自适应巡航行驶系统控制过程的研究[J]. 毕厚煌,安宗权,汪新伟,郭文举. 芜湖职业技术学院学报. 2019(02)
[2]国外推动车辆自动驾驶发展情况研究[J]. 范煜君. 交通世界. 2019(12)
[3]考虑驾驶员和道路特性的车辆自适应巡航模型预测控制[J]. 仇林至. 上海汽车. 2019(02)
[4]汽车PID巡航系统控制策略浅析[J]. 张俊. 山东工业技术. 2019(03)
[5]智能汽车人机协同控制的研究现状与展望[J]. 胡云峰,曲婷,刘俊,施竹清,朱冰,曹东璞,陈虹. 自动化学报. 2019(07)
[6]智能驾驶汽车纵向运动控制研究综述[J]. 罗玉峰,钟陈志鹏,陈齐平,魏佳成,苏校. 汽车实用技术. 2018(22)
[7]自动驾驶关键技术与产业发展态势研究[J]. 宫慧琪,牛芳. 信息通信技术与政策. 2018(08)
[8]道路交通事故损失统计分析[J]. 秦恩国. 内燃机与配件. 2018(15)
[9]车辆多模式多目标自适应巡航控制[J]. 章军辉,李庆,陈大鹏. 电子科技大学学报. 2018(03)
[10]带启停巡航功能的全速自适应巡航控制器的设计[J]. 陆逸适,张哲,王立强,韩宗奇. 机械设计与制造. 2017(05)
博士论文
[1]基于行为和生理指标的驾驶风险分析与模式识别研究[D]. 把余韬.清华大学 2015
[2]基于增强学习和车辆动力学的高速公路自主驾驶研究[D]. 刘春明.国防科学技术大学 2014
[3]城市环境下无人驾驶车辆决策系统研究[D]. 陈佳佳.中国科学技术大学 2014
[4]基于驾驶员特性自学习方法的车辆纵向驾驶辅助系统[D]. 张磊.清华大学 2009
[5]智能运输系统——基于毫米波雷达的车辆防撞技术与实验研究[D]. 贺乐厅.东南大学 2003
硕士论文
[1]车辆巡航系统高效模型预测控制算法设计及实现[D]. 何文韬.浙江工业大学 2019
[2]考虑驾驶员驾驶习性的汽车纵向智能辅助驾驶系统研究[D]. 苏琛.吉林大学 2018
[3]面向无人驾驶的增强学习算法研究[D]. 陈银银.电子科技大学 2018
[4]基于时空递归神经网络的智能车端到端决策研究[D]. 金凡.电子科技大学 2018
[5]驾驶员疲劳状态分析及其预警算法研究[D]. 于兹文.吉林大学 2018
[6]自动驾驶电动汽车的轨迹跟随控制研究[D]. 张金城.长沙理工大学 2017
[7]纯电动汽车全速自适应巡航控制系统的研究[D]. 张丽.哈尔滨工业大学 2017
[8]基于驾驶员特性的车辆制动安全距离的研究[D]. 王春迎.山东理工大学 2015
[9]基于HMM的驾驶模式识别方法研究及应用[D]. 萧超武.华南理工大学 2015
[10]强化学习算法的研究与实验[D]. 田苗.西安电子科技大学 2014
本文编号：3475224
本文链接：https://www.wllwen.com/kejilunwen/qiche/3475224.html
