智能化是汽車未來的重要發(fā)展方向,當(dāng)前針對(duì)汽車智能化的研究主要集中在交通環(huán)境的適應(yīng)性及決策控制等方面,而對(duì)路面行駛條件適應(yīng)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(dāng)前的研究熱點(diǎn)。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?wù),此過程說明人是具有自學(xué)習(xí)、自適應(yīng)路面的能力,智能汽車也應(yīng)該具有像人一樣認(rèn)知路面的能力。當(dāng)前針對(duì)路面的識(shí)別研究主要集中在底盤電控系統(tǒng)對(duì)路面摩擦系數(shù)單一參數(shù)的精確識(shí)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(duì)汽車的路面類型認(rèn)知進(jìn)行研究。針對(duì)上述問題,本文模仿人類駕駛員不需要路面參數(shù)準(zhǔn)確數(shù)值的能力,采用人工智能方法認(rèn)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(shí)別工具,根據(jù)從CAN總線上獲取的車輛運(yùn)動(dòng)響應(yīng)及操作信號(hào),實(shí)時(shí)認(rèn)知每個(gè)車輪所對(duì)應(yīng)的路面類型。本文重點(diǎn)研究了以下幾個(gè)方面的內(nèi)容:首先,本文調(diào)研了現(xiàn)有的模式識(shí)別方法,并重點(diǎn)研究了隱含馬爾可夫模型的訓(xùn)練和識(shí)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(yīng)量。根據(jù)路面的摩擦系數(shù)、滾... 

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

【文章頁(yè)數(shù)】：132 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

汽車的發(fā)展歷程

在行駛時(shí)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(huì)接受是指對(duì)其他交通參與者不造成阻礙或者威脅。人在駕駛汽車時(shí)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(shí)時(shí)認(rèn)知技術(shù)，能夠?yàn)橹悄芷嚨目刂破魈峁┛煽康妮斎胄畔亩鴮?shí)現(xiàn)車輛的準(zhǔn)確控制，因此路面認(rèn)知對(duì)智能汽車而言具有重要意義。1.2 國(guó)內(nèi)外研究現(xiàn)狀國(guó)內(nèi)外相關(guān)人員對(duì)路面識(shí)別進(jìn)行了大量的研究，實(shí)時(shí)、全面、準(zhǔn)確、迅速可靠的路面識(shí)別技術(shù)是當(dāng)今研究的重點(diǎn)和難點(diǎn)。目前，國(guó)內(nèi)外相關(guān)研究大部分集中在路面的參數(shù)識(shí)別上，包括：附著系數(shù)的識(shí)別、路面不平度的識(shí)別，以及軟硬路面的識(shí)別。也有一部分研究是先識(shí)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(duì)象的不同將路面識(shí)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(duì)輪胎切向相反作用力的最大值，zF 指的是驅(qū)動(dòng)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(duì)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(shí)別是必不可少的[8]。路面的附著系數(shù)的實(shí)時(shí)識(shí)別可以使傳統(tǒng)底盤電控系統(tǒng)在第一時(shí)間之內(nèi)根據(jù)識(shí)別出來的附著系數(shù)進(jìn)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(shí)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(shí)別方法，以及基于車輛動(dòng)力學(xué)響應(yīng)的間接識(shí)別方法。近幾十年來國(guó)內(nèi)外相關(guān)人員對(duì)附著系數(shù)識(shí)別做了大量的研究，因此本文不再重復(fù)贅述，具體研究現(xiàn)狀可參考文獻(xiàn)[10]，下面僅進(jìn)行簡(jiǎn)單介紹。

【參考文獻(xiàn)】：
期刊論文
[1]采用路面識(shí)別方法的重型救援車輛主動(dòng)懸架控制策略[J]. 鞏明德,顏鑫.  西安交通大學(xué)學(xué)報(bào). 2019(02)
[2]“工業(yè)4.0”對(duì)中國(guó)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(shí)時(shí)監(jiān)測(cè)的軟土地面類型自動(dòng)識(shí)別的研究[J]. 李智,魯楊,吳樹岸,魯植雄,儲(chǔ)佳佳.  江西農(nóng)業(yè)大學(xué)學(xué)報(bào). 2018(05)
[4]基于機(jī)器學(xué)習(xí)的車輛路面類型識(shí)別技術(shù)研究[J]. 王世峰,都凱悅,孟穎,王銳.  兵工學(xué)報(bào). 2017(08)
[5]對(duì)汽車智能化進(jìn)程及其關(guān)鍵技術(shù)的思考[J]. 陳虹,郭露露,邊寧.  科技導(dǎo)報(bào). 2017(11)
[6]基于深度學(xué)習(xí)框架Caffe的路面裂縫識(shí)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(shí)別與檢測(cè)[J]. 萬金晶,盧艷橋,魏家馨,雷可可,楊峰.  軟件導(dǎo)刊. 2017(02)
[8]路面裂縫圖像自動(dòng)識(shí)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(jī)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(xué)學(xué)報(bào). 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(yù)警相關(guān)路面狀態(tài)識(shí)別的研究[D]. 漆燕.華中科技大學(xué) 2013

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



本文編號(hào)：3454609