王 姝，余 強(qiáng), 趙 軒

(長安大學(xué) 汽車學(xué)院，陜西 西安 710064)

?

基于駕駛員意圖識別的電動(dòng)汽車電機(jī)制動(dòng)失效監(jiān)控系統(tǒng)研究

王 姝，余 強(qiáng), 趙 軒

(長安大學(xué) 汽車學(xué)院，陜西 西安 710064)

為避免電機(jī)制動(dòng)失效對駕駛安全的影響，提出了一種基于駕駛員意圖識別的電動(dòng)汽車電機(jī)制動(dòng)失效監(jiān)控系統(tǒng)。根據(jù)控制要求, 將系統(tǒng)的硬件部分分為電源電路、信號采集調(diào)理電路、故障監(jiān)測電路和故障處理電路并進(jìn)行了設(shè)計(jì)。將駕駛員制動(dòng)意圖分為緩慢制動(dòng)、緊急制動(dòng)、正常制動(dòng)。利用k-medoids聚類算法對數(shù)據(jù)進(jìn)行離散化處理，利用雙層隱形馬爾科夫模型對駕駛員的制動(dòng)操作意圖進(jìn)行識別。提出基于模糊推理的失效等級進(jìn)行判斷方法，并根據(jù)不同失效等級制訂了車輛響應(yīng)方式。利用Simulink與Simplorer對控制系統(tǒng)進(jìn)行聯(lián)合仿真，并對系統(tǒng)進(jìn)行了試驗(yàn)驗(yàn)證。結(jié)果表明，該控制策略能正確識別駕駛員的制動(dòng)操作意圖，正確判斷故障等級，并據(jù)此作出正確響應(yīng)，可保證車輛制動(dòng)時(shí)的安全性、操控性，實(shí)現(xiàn)既定的控制要求。

汽車工程；監(jiān)控系統(tǒng)；駕駛員意圖識別；電動(dòng)汽車；電機(jī)制動(dòng)失效

0 引言

由于電動(dòng)汽車的特殊性，使得電動(dòng)汽車在制動(dòng)工況下存在兩種制動(dòng)：機(jī)械制動(dòng)和電機(jī)制動(dòng)。電機(jī)制動(dòng)即電機(jī)利用汽車的慣性動(dòng)能發(fā)電產(chǎn)生制動(dòng)轉(zhuǎn)矩，使車輛減速，同時(shí)產(chǎn)生的電流回饋到蓄電池。當(dāng)電動(dòng)汽車制動(dòng)時(shí)，如果電機(jī)不能做出正確的響應(yīng)，在采取制動(dòng)措施一定時(shí)間后仍有超過允許的電流從電機(jī)控制器輸出；同時(shí)還存在機(jī)械制動(dòng)，因而存在電機(jī)扭矩輸出，而制動(dòng)器需要車輪停止旋轉(zhuǎn)，這會(huì)造成電機(jī)的堵轉(zhuǎn)，長時(shí)間會(huì)造成電機(jī)損壞。當(dāng)駕駛員停止制動(dòng)時(shí)，由于電機(jī)仍有扭矩輸出，會(huì)使車輛突然躥出失去控制。因此在電動(dòng)汽車制動(dòng)尤其是緊急制動(dòng)過程中，電機(jī)制動(dòng)失效將對車輛、駕駛員及群眾造成嚴(yán)重的安全威脅。

目前，由于制動(dòng)能量回收在電動(dòng)汽車上的廣泛應(yīng)用，迫切需要對電機(jī)制動(dòng)狀況進(jìn)行監(jiān)測。文獻(xiàn)[1-3]均提出了一種制動(dòng)能量回收控制策略，文獻(xiàn)[1]基于分層控制提出了一種電動(dòng)汽車倒拖制動(dòng)控制策略，它們均未考慮到電機(jī)制動(dòng)失效時(shí)對安全的影響。文獻(xiàn)[2]從硬件和控制策略兩方面進(jìn)行了制動(dòng)能量回收的研究，建立了制動(dòng)各階段主缸、踏板行程及輪缸壓力的關(guān)系，并利用此關(guān)系進(jìn)行壓力估算，通過對制動(dòng)管路壓力檢測并以此監(jiān)測電機(jī)制動(dòng)狀態(tài)。

基于前人經(jīng)驗(yàn)，本文針對電動(dòng)汽車提出一種基于駕駛員意圖識別的電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)，對電動(dòng)汽車制動(dòng)時(shí)的電機(jī)狀態(tài)進(jìn)行監(jiān)控，以確保制動(dòng)時(shí)車輛的安全性、操控性。

1 方案設(shè)計(jì)

導(dǎo)致電機(jī)制動(dòng)失效的原因較多，常見的主要有：(1)駕駛員操作不當(dāng)；(2)加速踏板故障，例如加速踏板釋放后不能迅速回位或加速踏板傳感器故障，使得在制動(dòng)踏板空行程時(shí)仍有加速踏板信號；(3)電機(jī)控制器故障引起IGBT不能迅速關(guān)斷或無法關(guān)斷等。這些故障會(huì)造成車輛制動(dòng)時(shí)仍有正向電流流出，由于導(dǎo)致失效原因的多樣化，因此需要設(shè)計(jì)出廣泛適用的電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)。

在電機(jī)制動(dòng)中，將車輛處于制動(dòng)狀態(tài)但有正向電流流入控制器的狀態(tài)稱為沖突狀態(tài)，電機(jī)制動(dòng)失效檢測系統(tǒng)是根據(jù)當(dāng)前駕駛員制動(dòng)意圖與電機(jī)狀態(tài)和沖突狀態(tài)持續(xù)時(shí)間，來判斷電機(jī)制動(dòng)是否需處于失效，并判斷故障等級。根據(jù)不同的故障等級，通過改變電機(jī)控制器的油門踏板信號、制動(dòng)信號及對安全回路進(jìn)行控制，確保行駛安全。

因此，電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)主要包括3部分：數(shù)據(jù)采集模塊、故障檢測模塊、故障處理模塊。數(shù)據(jù)采集模塊用以采集當(dāng)前車輛運(yùn)行狀態(tài)、駕駛員操作狀態(tài)及電機(jī)運(yùn)行狀態(tài)的相關(guān)數(shù)據(jù)，包括輪速采集系統(tǒng)、母線電壓采集系統(tǒng)、電流采集系統(tǒng)、制動(dòng)踏板位移及制動(dòng)管路壓力的采集數(shù)據(jù)，并輸入故障檢測模塊中。故障檢測模塊對數(shù)據(jù)采集模塊輸入的信號進(jìn)行處理，識別當(dāng)前駕駛員的制動(dòng)意圖，并根據(jù)電機(jī)運(yùn)行狀態(tài)和沖突時(shí)間判斷當(dāng)前失效狀態(tài)等級，向故障處理模塊發(fā)出動(dòng)作指令。故障處理模塊根據(jù)指令作出合理響應(yīng)，切斷驅(qū)動(dòng)系統(tǒng)，使車輛迅速停止運(yùn)行，同時(shí)給予駕駛員及后車直觀警示。

為了避免電機(jī)制動(dòng)失效造成的危險(xiǎn)，基于駕駛員意圖識別的電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)應(yīng)實(shí)現(xiàn)如下功能：

(1)在制動(dòng)過程中，能夠正確識別駕駛員的制動(dòng)意圖。

(2)正確判斷失效狀態(tài)等級。

(3)能夠根據(jù)不同的故障等級及時(shí)作出合理響應(yīng)，警示駕駛員及周圍行駛車輛，并使車輛迅速減速。

(4)擁有備用純硬件系統(tǒng)，避免在緊急制動(dòng)下由于ECU故障引起安全問題。

(5)處理和存儲(chǔ)各信號、報(bào)文。

(6)由于車輛上配備有開關(guān)電源，會(huì)產(chǎn)生強(qiáng)烈的電磁干擾，因此需要采取措施進(jìn)行電磁屏蔽，以使設(shè)備能正常穩(wěn)定。

電機(jī)制動(dòng)失效檢測系統(tǒng)的總體結(jié)構(gòu)如圖1所示。

2 電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)硬件設(shè)計(jì)

電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)硬件電路除了保證系統(tǒng)的正常運(yùn)行，還應(yīng)能處理在緊急制動(dòng)時(shí)系統(tǒng)ECU故障導(dǎo)致的緊急危險(xiǎn)情況。硬件電路包括電源電路、信號采集調(diào)理電路、故障監(jiān)測電路、故障處理電路。電路原理圖如圖2所示。

圖1 電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of monitor system for motor brake failure

圖2 電路原理圖Fig.2 Circuit diagram

2.1 電源電路

由于磷酸鐵鋰電池組額定電壓為12.8 V，最高電壓為14.4 V，而控制器內(nèi)單片機(jī)及各芯片均需要5 V 電源，電流傳感器需要穩(wěn)定的12 V電源，電壓傳感器需要15 V電源，因此需要通過電源電路穩(wěn)定產(chǎn)生以上所需電壓，保證整個(gè)系統(tǒng)可靠運(yùn)行。方案中使用3個(gè)穩(wěn)壓芯片(LM2940，LM7812，LM7815)分別將電源電壓穩(wěn)定至5，12，15 V。

2.2 信號調(diào)理電路

由于制動(dòng)管路壓力采用電壓輸出型液壓送變器進(jìn)行測量，輸出范圍為0～10 V，而單片機(jī)IO口的采集范圍為0～5 V，因此需要對電壓信號進(jìn)行處理。為了提高轉(zhuǎn)換精度，本方案中并未采用常見的電阻分壓，而是采用運(yùn)算放大器進(jìn)行信號處理。由于同向比例放大器放大比例不能小于1，因此采用LM358設(shè)計(jì)兩級反向比例放大器，放大比例分別為-0.5，-1。

2.3 故障監(jiān)測電路

故障監(jiān)測電路主要實(shí)現(xiàn)電機(jī)工作狀態(tài)估計(jì)和沖突時(shí)間計(jì)算。利用電壓比較器LM393判斷母線上的電流是否超過閾值，基準(zhǔn)端使用滑動(dòng)變阻器用以根據(jù)不同車型調(diào)節(jié)故障閾值。電壓比較器的輸出端與模式識別信號共同輸入到與門芯片74LS11中，以判斷車輛是否處于沖突狀態(tài)。沖突時(shí)間檢測利用74LS161計(jì)數(shù)器與NE555定時(shí)器，在處于沖突狀態(tài)后，計(jì)數(shù)器對定時(shí)器溢出進(jìn)行累加，直到設(shè)定的時(shí)間閾值。如果在時(shí)間閾值內(nèi)沖突消失，將自動(dòng)對計(jì)數(shù)器清零。為了保證駕駛安全，采用D觸發(fā)器74LS74將出現(xiàn)三級故障后的車輛鎖定，直至駕駛員重啟車輛。

2.4 故障處理電路

故障處理電路主要對控制系統(tǒng)輸出的不同故障等級信號產(chǎn)生響應(yīng)。故障處理模塊接收到D觸發(fā)器的輸出信號后，利用光電耦合器進(jìn)行光電隔離，經(jīng)三極管放大后驅(qū)動(dòng)直流接觸器，切斷直流輸出，并啟動(dòng)駕駛艙內(nèi)故障指示燈。為了保證切斷直流輸入后電機(jī)控制器的電壓迅速下降到人體安全電壓以下，需要設(shè)計(jì)放電回路。經(jīng)測量選用的電機(jī)控制器等效電容值為660 μF，為了使電壓在2 s內(nèi)降至36 V，采用RC放電回路公式，即：

(1)

式中，uc為放電終止電壓；u0為放電起始電壓；R為放電電阻值；C為電機(jī)控制器等效電容；t為放電時(shí)間。

根據(jù)式(1)可得到放電電阻，選擇200 W 200 Ω。

3 電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)軟件設(shè)計(jì)

電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)的正常工作除了需要可靠的硬件系統(tǒng)，還需要有相對應(yīng)的程序?qū)ζ溥M(jìn)行控制。本節(jié)將介紹監(jiān)測系統(tǒng)各子模塊軟件的設(shè)計(jì)，使得各硬件在程序控制下能穩(wěn)定可靠工作。

為了降低程序復(fù)雜度，使程序設(shè)計(jì)、調(diào)試和維護(hù)等操作簡單化，軟件部分采用模塊化程序設(shè)計(jì)，將整個(gè)系統(tǒng)分為駕駛員意圖識別模塊、故障等級判斷模塊、故障處理模塊，整個(gè)系統(tǒng)在3個(gè)模塊相互轉(zhuǎn)化過程中運(yùn)行。主程序流程圖如圖3所示。系統(tǒng)上電后首先進(jìn)行各模塊的初始化，之后進(jìn)行系統(tǒng)自檢，自檢通過后進(jìn)行數(shù)據(jù)采集，將采集到的數(shù)據(jù)分別進(jìn)行HMM駕駛員制動(dòng)意圖識別、沖突時(shí)間識別、電機(jī)狀態(tài)識別，將識別結(jié)果送入模糊推理模型進(jìn)行故障等級判斷，然后根據(jù)不同的故障等級進(jìn)行故障處理，并完成實(shí)時(shí)通信等工作。

圖3 主程序流程圖Fig.3 Flowchart of main program

3.1 駕駛員意圖識別模塊

駕駛員對車輛的操作是對當(dāng)前駕駛環(huán)境感知的外在反應(yīng)，是駕駛意圖的具體體現(xiàn)[4]。車輛制動(dòng)操作屬于時(shí)間較長的復(fù)雜事件，因此駕駛員駕駛意圖不能單一通過判斷當(dāng)前制動(dòng)狀態(tài)，而應(yīng)通過判斷一段時(shí)間內(nèi)的制動(dòng)狀態(tài)產(chǎn)生，因此將制動(dòng)過程分割成持續(xù)時(shí)間較短的單一事件，包括:(1)快速踩下制動(dòng)踏板；(2)緩慢踩下制動(dòng)踏板；(3)快速松開制動(dòng)踏板；(4)緩慢松開制動(dòng)踏板；(5)制動(dòng)踏板保持。這些操縱行為按照時(shí)間上的組合反映了當(dāng)前駕駛員根據(jù)駕駛環(huán)境所產(chǎn)生的駕駛意圖。但是駕駛員的駕駛意圖并不能直接獲得，只能通過觀測駕駛員的駕駛行為組合，進(jìn)而辨識駕駛員的駕駛意圖。而隱形馬爾可夫模型(Hidden Markov Model, HMM)恰能解決模型狀態(tài)不能直接觀察到而僅能得到觀測序列的問題[4]。

本文根據(jù)層次化結(jié)構(gòu)模型搭建了雙層HMM，模型包括底層制動(dòng)動(dòng)作識別和高層制動(dòng)意圖識別兩層結(jié)構(gòu)。底層馬爾可夫模型主要以制動(dòng)踏板位移、速度、力作為觀測序列進(jìn)行制動(dòng)動(dòng)作識別；高層狀態(tài)識別模塊是一個(gè)由3部分序列組成的多維離散化序列，分別對應(yīng)著制動(dòng)動(dòng)作狀態(tài)序列、車速變化序列、制動(dòng)減速度序列。高層模型通過對離散參數(shù)序列進(jìn)行不同的HMM隸屬度識別，最終得到車輛制動(dòng)運(yùn)行模式[5-6]，雙層HMM結(jié)構(gòu)如圖4所示。

圖4 雙層HMM結(jié)構(gòu)Fig.4 Structure of bi-layer HMM

3.1.1 數(shù)據(jù)的離散化處理

雙層HMM駕駛意圖識別模型結(jié)構(gòu)確定后，首先對駕駛員操作行為(制動(dòng)踏板、制動(dòng)減速度、車速)進(jìn)行底層識別。由于這些觀測值都是隨時(shí)間變化的連續(xù)變量，而HMM識別需要的是離散的自然符號，因此需要對這些連續(xù)量進(jìn)行離散符號化。數(shù)據(jù)離散化常用的是k-means算法，然而k-means算法對初值敏感，不同初值下常導(dǎo)致不同的聚類結(jié)果，沒有良好的穩(wěn)定性，對異常數(shù)據(jù)亦敏感[7]。因此本文中采用k-medoids算法實(shí)現(xiàn)觀測值的離散化，以制動(dòng)踏板速度為例，其離散化結(jié)果如圖5所示。

圖5 制動(dòng)踏板速度離散化結(jié)果Fig.5 Discretization result of break speed

(1)制動(dòng)踏板位移變化率(Z1)的離散化

(2)

(2)制動(dòng)踏板位移(Z2)的離散化

(3)

(3)制動(dòng)踏板力(Z3)的離散化

(4)

(4)制動(dòng)減速度(Z4)的離散化

(5)

(5)車速的離散化

(6)

底層HMM包括3部分，即制動(dòng)踏板行為識別、制動(dòng)減速度識別、車速識別。制動(dòng)踏板行為識別由制動(dòng)踏板位移變化率、制動(dòng)踏板位移及制動(dòng)踏板力的離散化序列Z1，Z2，Z3作為觀測量，制動(dòng)減速度識別由制動(dòng)減速度的離散變化序列Z4作為觀測量，車速識別由車速的離散化序列Z5作為觀測量。分別將它們送入對應(yīng)的HMM中，分別應(yīng)用Baum-Welch算法訓(xùn)練5個(gè)制動(dòng)踏板模型，即：快速踩下制動(dòng)踏板模型、緩慢踩下制動(dòng)踏板模型、快速松開制動(dòng)踏板模型、緩慢松開制動(dòng)踏板模型、制動(dòng)踏板保持模型，并得到模型參數(shù)[6]。

3.1.2 HMM高層駕駛員制動(dòng)模式識別

HMM高層駕駛員制動(dòng)模式識別是一種根據(jù)制動(dòng)動(dòng)作、制動(dòng)減速度、車速狀態(tài)進(jìn)行綜合識別的系統(tǒng)。本層模型包括3個(gè)子模型λ1，λ2，λ3，分別對應(yīng)駕駛員制動(dòng)操作的3個(gè)模型{緩慢制動(dòng)模型，正常制動(dòng)模型，緊急制動(dòng)模型}。將底層HMM的識別結(jié)果序列O=O1O2O3作為觀測值輸入高層HMM中，然后應(yīng)用 Baum-Welch 算法進(jìn)行模型訓(xùn)練，確定各模型的參數(shù)λ=(π,A,B)，其中π為初始化概率向量；A為狀態(tài)轉(zhuǎn)移矩陣；B為觀察值概率矩陣。應(yīng)用前向-后向算法計(jì)算3個(gè)HMM的匹配程度，選取似然度最大的模型作為當(dāng)前駕駛員制動(dòng)模式的識別結(jié)果[4]。

在MATLAB中，將制動(dòng)踏板操作識別序列、制動(dòng)減速度識別序列、車速狀態(tài)識別序列作為高層模型的三維觀察值序列，對模型的3個(gè)參數(shù)π，A，B進(jìn)行多次離線優(yōu)化，應(yīng)使每次訓(xùn)練后新模型能夠比原有模型更好地表示觀測序列，直至lgP(O/λ)-lgP(O/λ0)>a，a為給定的一個(gè)足夠小的值。以緊急制動(dòng)工況為例，經(jīng)多次優(yōu)化后初始化概率向量和狀態(tài)轉(zhuǎn)移矩陣。觀察值概率矩陣分別如下。

3.2 故障等級判斷模塊

在失效狀態(tài)等級判別過程中，失效等級難以用精確的數(shù)學(xué)模型來描述，而模糊推理系統(tǒng)(Fuzzy Inference System，F(xiàn)IS)通過模擬人類的思維模式，實(shí)現(xiàn)近似模糊推理的過程，可同時(shí)處理定性描述和定量描述的問題。本文建立的是基于Mamdani-style推理的FIS系統(tǒng)，采用質(zhì)心法進(jìn)行逆模糊化[8-9]。

制動(dòng)意圖是駕駛員希望達(dá)到期望減速特性的迫切程度，電機(jī)控制器輸入電流及沖突時(shí)間是制動(dòng)過程中用來判斷車輛安全狀態(tài)的重要信號。因此，制動(dòng)意圖、電機(jī)控制器電流及沖突時(shí)間是失效狀態(tài)等級判斷的主要參數(shù)。以這3個(gè)參數(shù)為輸入，以量化的失效狀態(tài)等級為輸出，結(jié)合熟練駕駛員的駕駛經(jīng)驗(yàn)，建立如圖6所示的電機(jī)制動(dòng)失效等級模糊推理模型。

圖6 失效等級模糊推理模型結(jié)構(gòu)圖Fig.6 Structure of fuzzy reasoning model of failure level

該模型屬于多輸入單輸出(MISO)的模糊推理模型,隸屬函數(shù)采用梯形形式。

設(shè)論域UB是駕駛員制動(dòng)意圖B的量化范圍，取為[-6 0]，其上有3個(gè)模糊集合，分別代表緊急制動(dòng)(NB)，正常制動(dòng)(NM)，緩慢制動(dòng)(NS)。

設(shè)論域UI是電機(jī)控制器電流I的量化范圍，取為[0 180]，其上有4個(gè)模糊集合，分別代表電流的零(Z)、正小(PS)、正中(PM)、正大(PB)。

設(shè)論域UT是沖突時(shí)間T的量化范圍，取為[0 3]，其上有4個(gè)模糊集合，分別代表時(shí)間的零(Z)，正小(PS)、正中(PM)、正大(PB)。

設(shè)論域UA是失效狀態(tài)等級A的量化范圍，取為[0 3]，其上有4個(gè)模糊集合，分別代表時(shí)間的零(Z)、正小(PS)、正中(PM)、正大(PB)。

確定輸入輸出論域及隸屬函數(shù)后，制訂模糊推理規(guī)則庫。3個(gè)輸入論域分別有3，4，4個(gè)模糊集合，故總的模糊推理規(guī)則數(shù)目為48條。模糊推理規(guī)則表如表1所示。

表1 失效等級模糊推理規(guī)則表

3.3 故障處理模塊

故障處理模塊處理流程如圖7所示，該模塊根據(jù)故障等級識別模塊的識別結(jié)果產(chǎn)生不同響應(yīng)，三級故障屬于極危險(xiǎn)狀況，應(yīng)使車輛及時(shí)減速停車，因此采取直接斷開驅(qū)動(dòng)電路主接觸器的方式，斷開電池與電機(jī)控制器間的電氣連接；二級故障屬于一般危險(xiǎn)狀況，因此需要失效監(jiān)測控制器向電機(jī)控制器輸出與零扭矩相對應(yīng)的油門踏板信號，并輸出制動(dòng)信號；一級故障屬于輕微危險(xiǎn)狀況，因此只需要電機(jī)制動(dòng)失效檢測系統(tǒng)控制器向電機(jī)控制器輸出與零扭矩相對應(yīng)的油門踏板信號。同時(shí)故障等級只能單向遞增，即故障等級只能由一級向三級故障改變。

圖7 故障處理流程圖Fig.7 Flowchart of fault handling

4 仿真與試驗(yàn)驗(yàn)證

4.1 模型建立

利用Simulink/Simplorer建立聯(lián)合仿真模型：在Simulink中建立HMM仿真模型及模糊推理模型(圖8)；在Simplorer中建立電氣系統(tǒng)仿真模型(圖9)。為了實(shí)現(xiàn)聯(lián)合仿真，還需要在Simulink和Simplorer中分別建立信號交互子模塊。利用Simulink模型進(jìn)行模式識別，將模式識別結(jié)果與Simplorer檢測到的母線電流值和沖突時(shí)間輸入模糊推理模型中，將模糊推理結(jié)果輸入Simplorer模型中，以產(chǎn)生不同的響應(yīng)[10-12]。

圖8 Simulink仿真模型Fig.8 Simulink simulation model

圖9 Simplorer仿真模型Fig.9 Simplorer simulation model

4.2 仿真與試驗(yàn)驗(yàn)證

由于電機(jī)制動(dòng)失效屬于一種危險(xiǎn)狀況，并且不能保證在試驗(yàn)中電機(jī)一定能夠出現(xiàn)制動(dòng)失效的工況，為此采用替代試驗(yàn)的方法，即試驗(yàn)過程中由整車控制器向電流傳感器采集電路發(fā)出信號，并將信號保持一段時(shí)間，以模擬沖突過程。

分別進(jìn)行初速度為50 km/h的緊急制動(dòng)試驗(yàn)、緩慢制動(dòng)試驗(yàn)，初速度為70 km/h的正常制動(dòng)試驗(yàn)，采集制動(dòng)踏板力、制動(dòng)踏板位移、制動(dòng)踏板位移變化率、車速數(shù)據(jù)。具體試驗(yàn)方案如表2所示。

表2 試驗(yàn)方案

采集初速度為50 km/h的緊急制動(dòng)試驗(yàn)數(shù)據(jù)、初速度為50 km/h的緩慢制動(dòng)試驗(yàn)數(shù)據(jù)、初速度為70 km/h的正常制動(dòng)試驗(yàn)數(shù)據(jù)，分別作出如圖10(a)～(c)所示的車速、制動(dòng)踏板位移、制動(dòng)踏板位移變化率及制動(dòng)踏板力隨時(shí)間變化的曲線。

圖10 制動(dòng)試驗(yàn)曲線Fig.10 Break experiment curves

圖11為3組試驗(yàn)的系統(tǒng)響應(yīng)曲線。三級故障、二級故障、一級故障分別用數(shù)值30，20，10表示；模式識別結(jié)果：緊急制動(dòng)、一般制動(dòng)、輕微制動(dòng)分別用數(shù)值30，20，10表示。在車速為50 km/h時(shí)開始制動(dòng)，模式識別結(jié)果為緊急制動(dòng)，制動(dòng)1 s后，控制器檢測到母線輸出功率為10 kW，并且保持1 s，因此模糊推理器判定其為重度危險(xiǎn)狀態(tài)。在車速約為50 km/h時(shí)開始制動(dòng)，模式識別結(jié)果為緩慢制動(dòng)，制動(dòng)2.3 s后，控制器檢測到母線輸出功率為3 kW，并且保持0.3 s，因此模糊推理器判定其為一般危險(xiǎn)狀態(tài)。在車速為70 km/h時(shí)開始制動(dòng)，模式識別結(jié)果為正常制動(dòng)，制動(dòng)2.2 s后，控制器檢測到母線輸出功率為0.5 kW，并且保持0.2 s，因此模糊推理器判定其為輕微危險(xiǎn)狀態(tài)。

圖11 系統(tǒng)響應(yīng)曲線Fig.11 System response curve

以初速度為50 km/h緊急制動(dòng)為例，圖12為得到的3種制動(dòng)狀態(tài)下的狀態(tài)累計(jì)概率對數(shù)值曲線，整個(gè)制動(dòng)過程中緊急制動(dòng)HMM隸屬度平均值為-24.892 5，最大值為-24.266 4，最小值為-25.076 9；正常制動(dòng)HMM隸屬度平均值為-39.901 9，最大值為-32.625 2，最小值為-74.271 8；緩慢制動(dòng)HMM隸屬度平均值為-56.841 6，最大值為-74.271 8，最小值為-103.504 1；整個(gè)模式識別過程中，緊急制動(dòng)模型的隸屬度明顯大于正常制動(dòng)和緩慢制動(dòng)模型的隸屬度，并且緊急制動(dòng)模型的隸屬度波動(dòng)小而平穩(wěn)，而正常制動(dòng)和緩慢制動(dòng)模型的隸屬度波動(dòng)極大，因此可以認(rèn)為雙層HMM正確識別了駕駛員的制動(dòng)意圖。

圖12 狀態(tài)累計(jì)概率對數(shù)值曲線Fig.12 Curves of state cumulative probability in log

試驗(yàn)中放電過程的電壓-時(shí)間曲線如圖13所示。在前 0.5 s，模式識別系統(tǒng)將駕駛員制動(dòng)動(dòng)作識別為緊急制動(dòng)，并且在直流母線上存在10 kW的功率輸入，并保持了1 s，因此模糊推理系統(tǒng)將失效等級判斷為中度危險(xiǎn)，并產(chǎn)生響應(yīng)。斷開電機(jī)控制器直流輸入，并打開放電回路，因此0.5 s后，電機(jī)控制器電壓迅速降低到人體安全電壓下。

圖13 放電過程電壓-時(shí)間曲線Fig.13 Curve of voltage-time in discharge process

5 結(jié)論

(1)為了更加有效地對純電動(dòng)汽車電機(jī)制動(dòng)失效過程進(jìn)行監(jiān)測，設(shè)計(jì)了基于駕駛員意圖識別的電機(jī)制動(dòng)失效監(jiān)測系統(tǒng)，對系統(tǒng)的軟硬件進(jìn)行了設(shè)計(jì)。

(2)將駕駛員制動(dòng)過程看作時(shí)間段上制動(dòng)踏板一系列動(dòng)作的組合，并以此為依據(jù)利用雙層隱形馬爾科夫理論將制動(dòng)模式分為緊急制動(dòng)、正常制動(dòng)、緩慢制動(dòng)，并建立了相應(yīng)模型。仿真結(jié)果表明，基于雙層HMM的駕駛員意圖識別模型能夠正確識別駕駛員的制動(dòng)意圖。

(3)利用模糊推理，根據(jù)模式識別結(jié)果，可用電機(jī)輸入功率、沖突時(shí)間對失效等級進(jìn)行正確判斷。

(4)利用Simulink/Simplorer聯(lián)合仿真，充分利用Simplorer在電氣仿真上的優(yōu)勢，并進(jìn)行了試驗(yàn)驗(yàn)證。結(jié)果表明，該控制系統(tǒng)能夠有效識別駕駛員制動(dòng)意圖，對失效等級判斷正確，對故障處理正確，能確保電機(jī)制動(dòng)失效時(shí)車輛及駕駛員的安全。

[1] 金純, 鄭舒陽, 田海永. 電傳動(dòng)車輛反拖系統(tǒng)設(shè)計(jì)與分層控制策略研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014, 45(4):22-27. JIN Chun, ZHENG Shu-yang, TIAN Hai-yong. Anti-drive System Design and Hierarchy Control Strategy of Electric Drive Vehicle[J]. Transactions of the Chinese Society of Agricultural Machinery, 2014, 45(4):22-27.

[2] 文婧. 電動(dòng)轎車制動(dòng)能量回收系統(tǒng)壓力監(jiān)測與失效分析[D]. 長春：吉林大學(xué), 2014. WEN Jing. Pressure Monitor and Failure Analysis of Regenerative Braking System on Electric Vehicle[D]. Changchun: Jilin University, 2014.

[3] 胡東海, 何仁, 俞劍波, 等. 基于電液復(fù)合制動(dòng)系統(tǒng)的電動(dòng)汽車再生制動(dòng)控制策略研究[J]. 公路交通科技, 2014, 31(3):148-152, 158. HU Dong-hai, HE Ren, YU Jian-bo, et al. Research of Regenerative Braking Control Strategy of Electric Vehicle Based on Electro-hydraulic Hybrid Brake System[J]. Journal of Highway and Transportation Research and Development, 2014,31(3):148-152, 158.

[4] 李晶皎, 王愛俠, 王驕, 等. 模式識別[M]. 北京:電子工業(yè)出版社, 2013: 365-380. LI Jing-jiao, WANG Ai-xia, WANG Jiao, et al. Pattern Recognition[M]. Beijing: Publishing House of Electronics Industry, 2013: 365-380.

[5] MENG Xiao-ning, LEE K K, XU Yang-sheng. Human Driving Behavior Recognition Based on Hidden Markov Models[C]// IEEE International Conference on Robotics and Biomimetics. Kunming:IEEE, 2006: 274-279.[6] 趙軒. 純電動(dòng)客車動(dòng)力總成控制策略研究[D]. 西安:長安大學(xué), 2012. ZHAO Xuan. Study on Control Strategy for Powertrain of Pure Electric Bus[D]. Xi’an: Chang’an University, 2012.

[7] 夏寧霞, 蘇一丹, 覃希. 一種高效的K-medoids聚類算法[J]. 計(jì)算機(jī)應(yīng)用研究, 2010, 27(12):4517-4519. XIA Ning-xia, SU Yi-dan, QIN Xi. Efficient K-medoids Clustering Algorithm[J]. Application Research of Computers, 2010, 27(12):4517-4519.

[8] 柴園園.普適的模糊推理系統(tǒng)理論及應(yīng)用[D]. 北京:北京交通大學(xué), 2010. CHAI Yuan-yuan. Universal Fuzzy Inference Systems: Theory and Application[D]. Beijing: Beijing Jiaotong University, 2010.

[9] 王玉海, 宋健, 李興坤.基于模糊推理的駕駛員意圖識別研究[J]. 公路交通科技, 2005, 22(12):113-118. WANG Yu-hai, SONG Jian, LI Xing-kun. Study on Inference of Driver’s Intentions Based on Fuzzy Reasoning[J]. Journal of Highway and Transportation Research and Development, 2005, 22(12):113-118.

[10]康洪銘, 李光升, 魏寧,等.裝甲車輛電源系統(tǒng)Simulink與Simplorer聯(lián)合仿真[J]. 電源技術(shù), 2013, 37(10):1862-1864. KANG Hong-ming, LI Guang-sheng, WEI Ning,et al. Co-simulation with Simulink and Simplorer of Armored Vehicle Power System[J]. Chinese Journal of Power Sources, 2013, 37(10):1862-1864.

[11]李傲梅, 傅鵬.基于SIMPLORER的電源電路仿真[J]. 系統(tǒng)仿真學(xué)報(bào), 2007, 19(4):745-748. LI Ao-mei, FU Peng. Power Circuit Emulation Based on SIMPLORER [J]. Journal of System Simulation, 2007, 19(4):745-748.

[12]趙魯. 基于Simplorer場路耦合多物理域聯(lián)合仿真[M]. 北京:中國水利水電出版社, 2014. ZHAO Lu. Field-circuit Coupled Physics Co-simulation Based on Simplorer[M]. Beijing: China Water & Power Press, 2013.

Study on System of Monitoring Motor Brake Failure of Electric Vehicle Based on Driver Intention Recognition

WANG Shu, YU Qiang, ZHAO Xuan

(School of Automobile, Chang’an University, Xi’an Shaanxi 710064, China)

In order to avoid the influence of motor brake failure on driving safety, a kind of system of monitoring motor brake failure of electric vehicle based on driver intention recognition is put forward. According to the control requirements, the designed hardware of the system is divided into power supply circuit, signal processing circuit, fault monitoring and failure processing circuit. The driver intention is divided into slow brake, emergency brake, and normal brake. The data is discretized byK-medoids clustering algorithm, and the driver’s operation intention is recognized by double hidden Markov model. The vehicle response modes are respectively made based on the failure grade judged by fuzzy reasoning. The union simulation of control system is conducted by Simulink/Simplorer, and brake test on the system is conducted. The result shows that the control strategy can recognize the driver’s brake intention correctly, judge the failure grade properly, and it makes correct response according to the failure grade. The control system can ensure the vehicle safety, handling in brake, and achieve the established control requirement.

automobile engineering; monitoring system; driver intention recognition; electric car; motor brake failure

2016-05-03

國家自然科學(xué)基金項(xiàng)目(51507013);陜西省工業(yè)科技攻關(guān)項(xiàng)目(2016GY-043); 陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目(2016JQ5012); 2015年中央高校科研業(yè)務(wù)費(fèi)項(xiàng)目(310822151025)

王姝(1991-),女，陜西西安人，博士研究生.(15529529735@163.com)

10.3969/j.issn.1002-0268.2016.12.023

U469.72

A

1002-0268(2016)12-0145-09