路灯车辅助制动系统的制动意图辨识   四会出租路灯车, 四会租赁路灯车, 四会路灯车   因为路灯车辅助制动系统只是在驾驶员紧急制动的条件下才起作用，所以需要建立驾驶员的制动意图辨识模型，判断驾驶员的制动操作的制动类型。本章将驾驶员的制动意图分成三种类型：紧急制动，平缓制动和调节制动。通过在驾驶模拟器上采集驾驶员制动时的踏板力、踏板位移以及车速的信息，采用BP神经网络算法对驾驶员的制动意图进行辨识。

       在路灯车电子研发的仿真计算方面应用比较广泛的就是硬件在环测试技术。硬件在环测试技术也被称为半实物仿真测试技术，它是通过将仿真软件与部分实物相连，形成半闭环系统，使仿真结果与实际的作用效果更为贴切。硬件在环测试技术不仅结果能够保证准确性，而且与实车测试相比，硬件在环测试技术调节方便，更重要的是能够进行各种极限工况的实验，降低实验的危险系数。硬件在环测试技术运行速度也较快，很大程度上降低了开发新技术的周期，缩小成本。所以硬件在环测试技术受到了广大的科研院所以及各大企业的欢迎。 本次采集数据使用的驾驶模拟器模拟器硬件在环实验台主要由以下几个部分组成：经过改装过的实车，操纵控制台，CarsimRT仿真软件，dSPACE实时仿真系统，以及需要提供的实时仿真画面的显示器、音频等数码设备。将车体内部的发动机、变速器、传动轴等动力装置拆卸掉，在路灯车的关键部位安装各种传感器，以便在仿真时，能够监测到实车数据的具体变化。在操纵控制台主要进行仿真实验的操纵，以及控制模型的搭建。CarsimRT425仿真软件是由Carsim软件扩展得来，能够与硬件在环进行联合仿真。dSPACE实时仿真系统最大的特点就是具有很好的实时性，能够比较准确的显示仿真的过程中的参数变化趋势。

     制动意图数据的采集与处理.  制动意图的数据采集对于驾驶员驾驶车辆时的周围信息，不同的驾驶员会对他接收到的信息有不同的处理方式。按驾驶员制动时的制动方式来分析，在没有突发情况正常制动时，谨慎的人在进行制动时可能会采取“点刹”的方式进行制动，所谓的“点刹”就是通过不停的踩压，释放踏板，使车辆达到停止的目的的操作方式；而有的人在进行正常制动时，通常也会采取平缓的制动的方式，即根据具体的情况采取适当的力踩压制动踏板直到车辆停止，426松开踏板。而在驾驶车辆遇到有突发的情况下，人们往往会进行紧急制动，来达到快速停车，使制动的距离最小，避免造成伤害的目的。所以通过上述的分析，将制动意图分为为三种形式，分别为紧急制动，平缓制动，调节制动三种。

      四会出租路灯车, 四会租赁路灯车, 四会路灯车

      在进行制动意图的数据采集的过程中，驾驶员驾驶车辆的制动时将三种意图的操作规定如下：

    （1）紧急制动：当驾驶员在直车道上驾驶时，辅助实验员在没有任何提示的前提下大喊“停”，以暗示前面车道上有障碍物出现；驾驶员马上执行紧急制动，大力、快速的踩压踏板，直到车辆停止时，释放踏板。

   （2）平缓制动：当驾驶员在直车道上驾驶时,驾驶员按照自己的制动意愿,随时可以进行有意识的制动操作，采用适当的力踩压踏板不放，直到车辆停止，释放踏板。

   （3）调节制动：即一般所说的“点刹”，通过不间断的踩制动踏板，来调节制动，使路灯车停止，停止踏板操作。借助驾驶模拟器，采集驾驶员在制动时的踏板力和踏板位移的传感器数据以及车速的数据，在进行制动工况数据采集时，将10-120km/h的速度分为12个等级。在驾驶模拟器中，当驾驶员将车速加速到10km/h时，进行三种工况的操作，每种工况可进行操作30次，在其他等级中依次按上述介绍的操作进行实验，这样实验结束后，共采集到1080组数据，为后续的制动意图的辨识提供准备。在驾驶模拟器中采集的数据需要进行滤波处理，消除由于传感器等所带来的噪音因素，保证数据的准确性，提高辨识能力。  在紧急制动工况下时的制动踏板力变化范围最为明显，在很短的时间内能够达到制动踏板力的最大值。而调节制动和平缓制动工况下的踏板制动力的变化范围总体较小，调节制动的踏板制动力的峰值相比平缓制动有较小的区别。 各工况下踏板位移的变化趋势与踏板制动力的变化趋势大致相同，踏板位移变化较大的依然是紧急制动，并是在较短的时间内达到峰值，完成紧急制动操作。而调节制动与平缓制动制动相比，峰值有所区别，两种的工况的作用时间也比较长。

      剔除异常数据在进行制动意图辨识的数据采集的过程中，会存在由于驾驶员个别的时候操作不当等因素，会导致该测试数据的结果与其他测试的结果存在差异。由于制动意图的辨识都是依靠在驾驶模拟器中采集的数据进行训练和检验，如果用于训练或检验的数据库存在这种异常的数据，将会影响到后续的制动意图辨识的准确性。所以在建立制动意图辨识模型之前，有必要要将数据库中的异常的数据进行剔除。将异常数据的剔除方法有多种，本文选用t-test方法，对驾驶员在制动工况下进行制动时采集的制动踏板力和制动踏板位移数据进行剔除异常数据。在t-test检验方法中，异常数据的定义为，在一组的样本数据中1y，2y，3y……n1y，ny中，若这组样本数据中的某个值my的统计量大于临界值，则这个值就称为异常值。根据异常值的定义可写成的表达式：mR为样本数据中某个值的统计量，pRn为样本数据的临界值。mR的计算方式为  'y与's分别为不包含ym的其他样本数据的样本均值和样本标准差。pRn的计算方式：n为样本数据的个数；(2)n为自由度为n的t分布的p分位数，(2)n可以查表得到，这里要注意的是当系统为单侧检验时p1，当系统为双侧检验时为p1/2。在本文当中将采取双侧检验的方法进行数据的剔除，在一般的情况下，要将异常值剔除通常取0.01，所以p的取值为0.995。因为在接下来进行驾驶员制动意图辨识时，要根据数据库中的某个特征值进行辨识，所以将采集到的踏板位移和踏板力的数据取最大值当做制动意图辨识的特征数据，通过t-test方法对踏板位移和踏板力数据的特征值进行剔除。为驾驶员在40km/h的车速的情况下进行紧急制动30组数据的踏板力最大值和踏板位移数据的最大值，通过t-test的方法对该数据库进行判断，对判断出为异常数据进行剔除。已经判断p0.995，自由度为28，查表求得临界值2.878pRn。求得每个踏板力和踏板位移数据的统计量mR，通过比较统计量mR与临界值Rn，来判断是否将数据剔除。如果某个踏板力或踏板位移数据的统计量mR大于其对应的临界值pRn，则可将该数据进行剔除。制动踏板位移数据最大观测值，制动踏板位移数据统计量临界值对比图，通过与临界值比较，在图中能够明显制动踏板位移的统计量均在临界值下边，所以在这组数据中均满足条件，不需要剔除。制动踏板位移数据最大观测值，制动踏板位移数据统计量临界值对比图，存在一个数据的统计量在临界值的上方，则此数据不满足适用条件，需将该数据进行剔除，则剩下的数据则可以用于制动意图辨识的数据库，该数据对应的编号。数据剔除后的制动踏板力的观测值。所以综上所述，编号17的制动踏板力被判定为异常数据，则需要将编号17对应的制动踏板位移和制动踏板力一并删除，不可用该数据进行辨识模型的训练与验证。其他组的数据按照此方法进行数据处理即可，这里不再赘述。经过数据剔除后，一共剔除数据26组，剩1052组数据可使用。

    四会出租路灯车, 四会租赁路灯车, 四会路灯车