智能化是汽車未來的重要發(fā)展方向,當前針對汽車智能化的研究主要集中在交通環(huán)境的適應性及決策控制等方面,而對路面行駛條件適應性的研究較少,路面行駛條件影響行車安全性和駕乘舒適性,是當前的研究熱點。人可以通過視覺、方向盤力感、身體顛簸程度感知到路面條件,并根據(jù)不同的路面調(diào)整其駕駛方式,較好地完成駕駛?cè)蝿?此過程說明人是具有自學習、自適應路面的能力,智能汽車也應該具有像人一樣認知路面的能力。當前針對路面的識別研究主要集中在底盤電控系統(tǒng)對路面摩擦系數(shù)單一參數(shù)的精確識別,無法滿足智能汽車路徑規(guī)劃、決策、控制等環(huán)節(jié)的需求,因此,有必要針對汽車的路面類型認知進行研究。針對上述問題,本文模仿人類駕駛員不需要路面參數(shù)準確數(shù)值的能力,采用人工智能方法認知路面環(huán)境。本文在不增加現(xiàn)有車載傳感器的前提下,選用高斯混合隱含馬爾可夫模型作為識別工具,根據(jù)從CAN總線上獲取的車輛運動響應及操作信號,實時認知每個車輪所對應的路面類型。本文重點研究了以下幾個方面的內(nèi)容:首先,本文調(diào)研了現(xiàn)有的模式識別方法,并重點研究了隱含馬爾可夫模型的訓練和識別的相關(guān)算法。其次,本文分析了不同路面特征的車輛敏感響應量。根據(jù)路面的摩擦系數(shù)、滾... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：132 頁

【學位級別】：碩士

【部分圖文】：

汽車的發(fā)展歷程

在行駛時能夠使乘客生理上感到舒適；心理接受是指能夠使乘客放心；社會接受是指對其他交通參與者不造成阻礙或者威脅。人在駕駛汽車時可以使人普遍接受，因此，智能汽車讓人接受與否的關(guān)鍵，就是能否像人一樣控制汽車，其擬人化研究具有重大意義[6]。可靠的路面實時認知技術(shù)，能夠為智能汽車的控制器提供可靠的輸入信息從而實現(xiàn)車輛的準確控制，因此路面認知對智能汽車而言具有重要意義。1.2 國內(nèi)外研究現(xiàn)狀國內(nèi)外相關(guān)人員對路面識別進行了大量的研究，實時、全面、準確、迅速可靠的路面識別技術(shù)是當今研究的重點和難點。目前，國內(nèi)外相關(guān)研究大部分集中在路面的參數(shù)識別上，包括：附著系數(shù)的識別、路面不平度的識別，以及軟硬路面的識別。也有一部分研究是先識別路面類型，而后得到路面參數(shù)。本文通過總結(jié)相關(guān)研究，按照研究對象的不同將路面識別分為如圖 1.2 所示的幾類。

指的是附著系數(shù)， F 指的是地面對輪胎切向相反作用力的最大值，zF 指的是驅(qū)動輪的垂向壓力。由公式可知，附著系數(shù)越大，可以利用的附著力就越大，汽車就越不容易打滑。對于傳統(tǒng)的底盤電控系統(tǒng)而言，為了能最大限度地利用輪胎與地面之間的作用力，路面的附著系數(shù)識別是必不可少的[8]。路面的附著系數(shù)的實時識別可以使傳統(tǒng)底盤電控系統(tǒng)在第一時間之內(nèi)根據(jù)識別出來的附著系數(shù)進行相關(guān)的策略調(diào)整，從而提高車輛的操縱穩(wěn)定性和安全性[9]。如圖 1.3 所示，附著系數(shù)識別的基本方法可以被分為兩類：基于路面?zhèn)鞲衅鞯闹苯幼R別方法，以及基于車輛動力學響應的間接識別方法。近幾十年來國內(nèi)外相關(guān)人員對附著系數(shù)識別做了大量的研究，因此本文不再重復贅述，具體研究現(xiàn)狀可參考文獻[10]，下面僅進行簡單介紹。

【參考文獻】：
期刊論文
[1]采用路面識別方法的重型救援車輛主動懸架控制策略[J]. 鞏明德,顏鑫.  西安交通大學學報. 2019(02)
[2]“工業(yè)4.0”對中國制造業(yè)的影響探討[J]. 楊豐瑜,于佳靜.  現(xiàn)代商貿(mào)工業(yè). 2018(36)
[3]基于附著系數(shù)實時監(jiān)測的軟土地面類型自動識別的研究[J]. 李智,魯楊,吳樹岸,魯植雄,儲佳佳.  江西農(nóng)業(yè)大學學報. 2018(05)
[4]基于機器學習的車輛路面類型識別技術(shù)研究[J]. 王世峰,都凱悅,孟穎,王銳.  兵工學報. 2017(08)
[5]對汽車智能化進程及其關(guān)鍵技術(shù)的思考[J]. 陳虹,郭露露,邊寧.  科技導報. 2017(11)
[6]基于深度學習框架Caffe的路面裂縫識別研究[J]. 李楠.  工程技術(shù)研究. 2017(03)
[7]基于投影特征提取的路面裂紋識別與檢測[J]. 萬金晶,盧艷橋,魏家馨,雷可可,楊峰.  軟件導刊. 2017(02)
[8]路面裂縫圖像自動識別系統(tǒng)[J]. 汪文,英紅,馬驍.  工程技術(shù)研究. 2017(02)
[9]基于支持向量機的路面圖像分類方法[J]. 段瑗,李春書,閆堯.  河北農(nóng)業(yè)大學學報. 2016(06)
[10]智能汽車發(fā)展現(xiàn)狀及前景展望[J]. 陳明哲.  黑龍江科技信息. 2016(31)

博士論文
[1]汽車防撞預警相關(guān)路面狀態(tài)識別的研究[D]. 漆燕.華中科技大學 2013

碩士論文
[1]基于車輛響應識別路面不平度的神經(jīng)網(wǎng)絡方法研究[D]. 谷盛豐.吉林大學 2018
[2]基于多傳感器的特定道路信息識別算法研究[D]. 趙國欽.哈爾濱工業(yè)大學 2017
[3]基于多源信息融合的試驗場道路識別系統(tǒng)研究[D]. 孫覺非.東南大學 2016
[4]車載路面裂紋檢測系統(tǒng)圖像標定與裂紋辨識方法研究[D]. 劉換平.吉林大學 2016
[5]基于GMM-HMM的聲學模型訓練研究[D]. 王為凱.華南理工大學 2016
[6]基于隱馬爾科夫模型的滬深300市場波動結(jié)構(gòu)突變研究[D]. 陳之星.成都理工大學 2015
[7]基于改進灰度分割算法的路面裂縫識別研究[D]. 王盼盼.長安大學 2014
[8]全線控純電動汽車行駛狀態(tài)估算與路面識別[D]. 卜未琦.吉林大學 2014
[9]移動機器人路面識別技術(shù)的研究[D]. 高偉.河北工業(yè)大學 2014
[10]基于模糊聚類算法的路面識別的研究[D]. 張利敏.江蘇科技大學 2014



本文編號：3454609