塵帥 王吉忠 張西龍 呂林 鄭龍?jiān)?/p>

摘要：制動(dòng)意圖識(shí)別作為新型線控制動(dòng)系統(tǒng)控制的先決條件，其識(shí)別結(jié)果的優(yōu)劣直接影響車輛控制系統(tǒng)的精度，進(jìn)而影響特定工況下的車輛行車安全性，因此為了提高車輛的主動(dòng)安全性，提升車輛的制動(dòng)性能，針對(duì)車輛動(dòng)力學(xué)中的縱向穩(wěn)定性控制問(wèn)題，以制動(dòng)意圖為切入點(diǎn)，介紹了目前制動(dòng)意圖的分類，概述了基于制動(dòng)意圖識(shí)別的車輛動(dòng)力學(xué)控制的國(guó)內(nèi)外研究現(xiàn)狀;結(jié)合制動(dòng)意圖識(shí)別特征的選取問(wèn)題，重點(diǎn)對(duì)比分析了幾種典型的制動(dòng)意圖識(shí)別方法，包括模糊推理系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自適應(yīng)神經(jīng)模糊推理系統(tǒng)、隱馬爾可夫模型和聚類分析;結(jié)合當(dāng)下研究現(xiàn)狀指出了合理選取特征參數(shù)、轉(zhuǎn)換輸出目標(biāo)、多標(biāo)準(zhǔn)評(píng)價(jià)體系是面向車輛動(dòng)力學(xué)控制的制動(dòng)意圖識(shí)別的研究重點(diǎn)和方向。

關(guān)鍵詞：車輛工程;制動(dòng)意圖;意圖識(shí)別;車輛動(dòng)力學(xué);穩(wěn)定性控制

中圖分類號(hào)：U4635文獻(xiàn)標(biāo)志碼：A

Abstract： As a prerequisite for the control of the brake by wire system， the identification of braking intention has a direct impact on the accuracy of the vehicle control system， and it affects the vehicle running safety under specific working conditions， thus， in order to improve the active safety and braking performance of the vehicle， aiming at the longitudinal stability control problem in vehicle dynamics， the braking intention is taken as the breakthrough point， and the classification of braking intentions is introduced. At the same time， the vehicle dynamics control of braking intention recognition based on the research status at home and abroad is outlined. Besides， combining with the braking intention recognition feature selection problem， several typical braking intention recognition methods， including fuzzy inference system， neural network， adaptive neural fuzzy inference system， hidden Markov model and cluster analysis， are comparatively analyzed. Considering the status quo of research， the research emphasis and direction of braking intention recognition for vehicle dynamics control is pointed out， including reasonably selecting characteristic parameters， transition of export target and multistandard evaluation system.

Keywords：vehicle engineering;braking intention;intention recognition;vehicle dynamics; stability control

隨著車輛控制技術(shù)的不斷提升，汽車的電子化、智能化和網(wǎng)絡(luò)化成為當(dāng)下汽車發(fā)展的重要標(biāo)志，而安全、節(jié)能、環(huán)保、舒適是用戶對(duì)車輛永恒的要求[1]。線控技術(shù)及智能網(wǎng)聯(lián)技術(shù)的出現(xiàn)使得人們更加注重車輛行駛安全性，相應(yīng)地對(duì)車輛的制動(dòng)系統(tǒng)也提出了更精準(zhǔn)可靠的要求。線控制動(dòng)系統(tǒng)（brake by wire， BBW）作為一種新型電子制動(dòng)系統(tǒng)，在其車輛結(jié)構(gòu)上取消了部分機(jī)械與液壓連接裝置，將傳統(tǒng)的制動(dòng)系統(tǒng)發(fā)展為主要以電信號(hào)為觸發(fā)信號(hào)、中央控制器協(xié)調(diào)制動(dòng)執(zhí)行器對(duì)車輪進(jìn)行精確制動(dòng)的電子制動(dòng)系統(tǒng)。當(dāng)下針對(duì)線控制動(dòng)系統(tǒng)動(dòng)力學(xué)控制的研究主要集中在路面附著系數(shù)識(shí)別[2-5]、防抱死制動(dòng)控制方法[6-7]、制動(dòng)力分配策略[8]及駕駛員制動(dòng)意圖識(shí)別[9-32]等方面，鑒于BBW將會(huì)成為取代傳統(tǒng)液壓制動(dòng)系統(tǒng)的發(fā)展趨勢(shì)之一，為了更精確可靠地進(jìn)行車輛制動(dòng)控制、提高汽車主動(dòng)安全性，對(duì)駕駛員制動(dòng)意圖識(shí)別方法展開(kāi)深入細(xì)致且合理的研究是非常重要的。制動(dòng)意圖識(shí)別研究主要包括：分類制動(dòng)意圖、選擇意圖識(shí)別方法、選取識(shí)別特征、確定評(píng)價(jià)標(biāo)準(zhǔn)等。

1制動(dòng)意圖研究現(xiàn)狀

目前車輛縱向動(dòng)力學(xué)控制研究的重點(diǎn)主要集中在車輛性能參數(shù)匹配上，較少考慮駕駛員制動(dòng)意圖的影響，而人-車-路作為一個(gè)完整的閉環(huán)系統(tǒng)，在進(jìn)行車輛縱向動(dòng)力學(xué)控制時(shí)應(yīng)當(dāng)考慮人和路面的影響，進(jìn)而提升車輛制動(dòng)系統(tǒng)控制的精度，達(dá)到最優(yōu)的控制效果。面向車輛動(dòng)力學(xué)控制的制動(dòng)意圖研究對(duì)于提高車輛的主動(dòng)安全性及促進(jìn)智能車輛技術(shù)發(fā)展具有重要意義，是國(guó)內(nèi)外科研人員研究的熱點(diǎn)[9]。

1.1國(guó)外制動(dòng)意圖識(shí)別研究現(xiàn)狀

由于國(guó)外科研人員針對(duì)制動(dòng)意圖識(shí)別已開(kāi)展了較長(zhǎng)時(shí)間的研究工作，其研究?jī)?nèi)容不僅包括意圖識(shí)別方法研究，還更多地涉及到多學(xué)科交叉融合研究，因此對(duì)高級(jí)駕駛員輔助系統(tǒng)（advanced driver assistance system，ADAS）及無(wú)人駕駛技術(shù)的發(fā)展具有重要促進(jìn)作用。有些研究人員致力于制動(dòng)意圖識(shí)別方法研究，文獻(xiàn)[10]提出了一種將駕駛員腦電圖（electroencephalography，EEG）信號(hào)與周圍信息融合控制的腦控車輛緊急制動(dòng)意圖檢測(cè)方法，即首先建立一種基于腦電圖的駕駛員緊急制動(dòng)意圖檢測(cè)模型，然后將所提出的基于EEG的意圖檢測(cè)模型的結(jié)果與基于周圍信息的障礙檢測(cè)模型的結(jié)果融合，對(duì)突發(fā)事件進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地檢測(cè)突發(fā)事件，系統(tǒng)準(zhǔn)確率為94.89%。文獻(xiàn)[11]使用EEG信號(hào)來(lái)偵測(cè)緊急制動(dòng)意圖，采用支持向量機(jī)（support vector machines，SVM）和卷積神經(jīng)網(wǎng)絡(luò)對(duì)腦電圖信號(hào)進(jìn)行分類，用以識(shí)別制動(dòng)意圖和正常駕駛意圖，結(jié)果表明SVM對(duì)緊急制動(dòng)意圖的識(shí)別顯著。文獻(xiàn)[12]提出了一種基于雙層隱馬爾可夫模型（hidden markov modle， HMM）的駕駛意圖識(shí)別和駕駛行為預(yù)測(cè)模型，其上層多維離散隱馬爾可夫模型表示聯(lián)合工況下的驅(qū)動(dòng)意圖，它是根據(jù)下層多維高斯隱馬爾可夫模型中某些單一工況下的驅(qū)動(dòng)行為構(gòu)建的，通過(guò)操縱駕駛員信號(hào)和車輛狀態(tài)信息識(shí)別駕駛行為，將識(shí)別結(jié)果發(fā)送到上層HMM以識(shí)別駕駛意圖，研究結(jié)果表明雙層隱馬爾可夫模型能夠準(zhǔn)確有效地識(shí)別駕駛意圖和預(yù)測(cè)駕駛行為。

而有些科研人員則是針對(duì)具體的控制系統(tǒng)考慮制動(dòng)意圖的影響。文獻(xiàn)[13]針對(duì)優(yōu)化高級(jí)駕駛員輔助系統(tǒng)提出了一種計(jì)算效率高的算法，該算法基于3個(gè)主要概念：車輛模型、考慮駕駛員意圖和車輛周圍行人的有效碰撞檢測(cè)系統(tǒng)、生成預(yù)警和緊急制動(dòng)信號(hào)的風(fēng)險(xiǎn)評(píng)估系統(tǒng)，通過(guò)駕駛仿真艙驗(yàn)證發(fā)現(xiàn)考慮駕駛員意圖的算法有效提升了ADAS性能。文獻(xiàn)[14]針對(duì)車輛底盤集成控制提出了一種差動(dòng)制動(dòng)、前后牽引力矩和主動(dòng)橫擺力矩的協(xié)調(diào)控制算法，圖1為該算法的框架圖，其設(shè)計(jì)目的是在保持車輛在車道行駛的同時(shí)，最大限度地提高行駛速度。該算法的控制基礎(chǔ)為駕駛員的意圖和車輛的當(dāng)前狀態(tài)，采用基于優(yōu)化的控制分配策略，在考慮輪胎和車輛限制的情況下，對(duì)執(zhí)行機(jī)構(gòu)控制輸入進(jìn)行優(yōu)化分配。仿真結(jié)果表明，與簡(jiǎn)單的底盤協(xié)調(diào)控制系統(tǒng)相比，考慮駕駛員意圖及當(dāng)前車輛工況的一體化底盤控制器，在保證高速轉(zhuǎn)彎性能的同時(shí)，保證了行駛速度的穩(wěn)定性。文獻(xiàn)[15]提出了一種考慮安全因素的線控液壓制動(dòng)控制策略，該模型由模糊制動(dòng)力監(jiān)控器和PI控制器組成，運(yùn)用模糊推理方法識(shí)別駕駛員的制動(dòng)意圖，模糊制動(dòng)力監(jiān)控器先根據(jù)駕駛員的制動(dòng)意圖計(jì)算出理想的制動(dòng)力，PI控制器再依據(jù)制動(dòng)力偏差調(diào)節(jié)車輪制動(dòng)輪缸壓力。

1.2國(guó)內(nèi)制動(dòng)意圖識(shí)別研究現(xiàn)狀

國(guó)內(nèi)針對(duì)制動(dòng)意圖識(shí)別方面的研究尚處于初步發(fā)展階段，主要深入研究了一些典型的制動(dòng)意圖識(shí)別方法，尤其是在混合動(dòng)力汽車及純電動(dòng)汽車方面，有些成果已經(jīng)轉(zhuǎn)化為產(chǎn)品。文獻(xiàn)[16]針對(duì)插電式混合動(dòng)力汽車的能耗經(jīng)濟(jì)型問(wèn)題，運(yùn)用模糊推理控制器辨識(shí)駕駛員驅(qū)動(dòng)及制動(dòng)意圖，建立能耗經(jīng)濟(jì)性目標(biāo)函數(shù)，使用瞬時(shí)優(yōu)化方法對(duì)發(fā)動(dòng)機(jī)和電機(jī)轉(zhuǎn)矩進(jìn)行分配，以此為基礎(chǔ)提出了考慮駕駛意圖的能量管理策略。文獻(xiàn)[17]針對(duì)電動(dòng)汽車制動(dòng)能量回收問(wèn)題，提出了基于邊界最大化的再生制動(dòng)力分配策略，搭建了模糊制動(dòng)意圖識(shí)別器，用以實(shí)時(shí)識(shí)別駕駛員的制動(dòng)意圖，結(jié)合電池充電保護(hù)模型，運(yùn)用Cruise在NEDC工況下進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明該能量管理策略有效提高了電動(dòng)汽車的續(xù)駛里程。文獻(xiàn)[18]針對(duì)混合動(dòng)力汽車下坡過(guò)程中駕駛員駕駛負(fù)擔(dān)重的問(wèn)題，提出了一種基于駕駛員駕駛意圖的下坡輔助控制方法，即采用分層控制：上層為基于駕駛意圖的車輛行駛安全性需求;中層為采用PID控制的3種制動(dòng)模式的轉(zhuǎn)矩分配策略;下層為發(fā)動(dòng)機(jī)接入過(guò)程及液壓轉(zhuǎn)矩變化過(guò)程中的動(dòng)態(tài)協(xié)調(diào)控制策略。經(jīng)實(shí)車驗(yàn)證，在混合動(dòng)力汽車下坡過(guò)程中，該方法可減輕駕駛員負(fù)擔(dān)、提升行駛過(guò)程安全性且降低油耗;文獻(xiàn)[19—20]針對(duì)混合動(dòng)力汽車的能量經(jīng)濟(jì)性問(wèn)題，基于模糊控制策略，研究了混合動(dòng)力汽車在不同工況下加速及制動(dòng)意圖識(shí)別的問(wèn)題。

同時(shí)，國(guó)內(nèi)有些學(xué)者還著重研究了制動(dòng)意圖識(shí)別方法。文獻(xiàn)[21]提出了基于制動(dòng)踏板平均角速度的制動(dòng)意圖識(shí)別方法，研究了考慮駕駛員制動(dòng)意圖對(duì)電動(dòng)復(fù)合制動(dòng)系統(tǒng)制動(dòng)力分配的問(wèn)題。文獻(xiàn)[22]為了提高行駛舒適性，針對(duì)電液復(fù)合制動(dòng)系統(tǒng)研究了基于反向傳播神經(jīng)網(wǎng)絡(luò)（back propagation，BP）的制動(dòng)意圖識(shí)別方法。

2制動(dòng)意圖分類及識(shí)別特征選取

目前，針對(duì)制動(dòng)意圖的分類問(wèn)題，潘寧等[22]考慮制動(dòng)過(guò)程中的舒適性及安全性，將制動(dòng)意圖分為常規(guī)減速、壓力跟隨及緊急制動(dòng)。王慶年等[23]針對(duì)混合動(dòng)力汽車的制動(dòng)控制問(wèn)題，依據(jù)駕駛員是否對(duì)加速/制動(dòng)踏板有動(dòng)作，將制動(dòng)意圖分為常規(guī)制動(dòng)及滑行制動(dòng)，其中滑行制動(dòng)即駕駛員對(duì)加速和制動(dòng)踏板均未作出動(dòng)作。張?jiān)诺萚21]針對(duì)復(fù)合制動(dòng)系統(tǒng)中再生制動(dòng)力分配策略問(wèn)題，根據(jù)駕駛員制動(dòng)意圖的緊急程度將制動(dòng)意圖分為輕度制動(dòng)、中度制動(dòng)及緊急制動(dòng)。秦大同等[16]針對(duì)PHEV并聯(lián)式制動(dòng)系統(tǒng)控制問(wèn)題，依據(jù)制動(dòng)模式將制動(dòng)意圖分為滑行再生制動(dòng)、再生制動(dòng)、摩擦制動(dòng)。唐先智等[24]針對(duì)電動(dòng)汽車能量回收問(wèn)題采用模糊C均值聚類方法研究制動(dòng)意圖分類中的平緩制動(dòng)、中度制動(dòng)的信號(hào)表征的特征。由上可見(jiàn)，由于科研人員的研究目的不同，對(duì)于制動(dòng)意圖的分類方法也不盡相同，且制動(dòng)意圖分類的應(yīng)用范圍窄，難以形成統(tǒng)一的標(biāo)準(zhǔn)。

制動(dòng)意圖識(shí)別過(guò)程的實(shí)質(zhì)即為模式識(shí)別，而模式識(shí)別的關(guān)鍵在于識(shí)別特征的選取。王英范等[25]在良好的路面上進(jìn)行汽車制動(dòng)實(shí)驗(yàn)，采集汽車車速、制動(dòng)踏板位移、制動(dòng)踏板力等信號(hào)進(jìn)行數(shù)據(jù)處理，最終得出制動(dòng)踏板位移為制動(dòng)意圖最佳識(shí)別參數(shù)。由于實(shí)際汽車制動(dòng)時(shí)，其路面附著條件所對(duì)應(yīng)的制動(dòng)強(qiáng)度是不斷變化的，導(dǎo)致制動(dòng)踏板位移的不確定性，所以為了提高實(shí)際識(shí)別效果應(yīng)該結(jié)合路面條件進(jìn)行駕駛員制動(dòng)意圖識(shí)別研究。王波等[26]提出基于平均經(jīng)驗(yàn)?zāi)Ｊ椒纸猓╡nsemble empirical mode decomposition， EEMD）和熵理論的駕駛員制動(dòng)意圖聚類識(shí)別法，運(yùn)用數(shù)字信號(hào)處理技術(shù)對(duì)制動(dòng)踏板行程進(jìn)行特征提取，進(jìn)而運(yùn)用聚類算法識(shí)別制動(dòng)意圖。吳志新等[17]選用制動(dòng)踏板深度、車速、SOC作為模糊制動(dòng)意圖識(shí)別模型的識(shí)別參數(shù)。文獻(xiàn)[27]采用制動(dòng)踏板開(kāi)度及其變化率作為自適應(yīng)神經(jīng)模糊推理系統(tǒng)的輸入識(shí)別參數(shù)。文獻(xiàn)[28]針對(duì)電動(dòng)汽車再生制動(dòng)過(guò)程中制動(dòng)意圖與制動(dòng)強(qiáng)度的關(guān)系研究，選用制動(dòng)踏板角位移引起的制動(dòng)踏板電壓變化及其變化率作為模糊識(shí)別特征參數(shù)。

3制動(dòng)意圖識(shí)別方法

在車輛行駛過(guò)程中，工況會(huì)發(fā)生改變，進(jìn)而導(dǎo)致駕駛員的制動(dòng)意圖隨之改變，因此，制動(dòng)意圖具有高度不確定性和不可預(yù)測(cè)性。而高效的車輛橫、縱向控制系統(tǒng)需要實(shí)時(shí)精確的制動(dòng)意圖輸入，因此，針對(duì)制動(dòng)意圖的研究對(duì)于促進(jìn)現(xiàn)代車輛動(dòng)力學(xué)控制發(fā)展具有重要作用。當(dāng)下針對(duì)制動(dòng)意圖識(shí)別的方法主要有：模糊推理系統(tǒng)（fuzzy inference system， FIS）、神經(jīng)網(wǎng)絡(luò)（neural network， NN）、自適應(yīng)神經(jīng)模糊推理系統(tǒng)（adaptive neural fuzzy inference system， ANFIS）、隱馬爾可夫模型（hidden Markov modle， HMM）、聚類分析（cluster analysis， CA）等。

3.1模糊推理系統(tǒng)

模糊推理法是用清晰的數(shù)學(xué)方法描述邊界不清的事物的數(shù)學(xué)理論[29]。模糊推理可以對(duì)未知模型或不能確定的模型運(yùn)用模糊規(guī)則進(jìn)行推理，運(yùn)用人的先驗(yàn)經(jīng)驗(yàn)對(duì)不易建模的系統(tǒng)運(yùn)用數(shù)學(xué)語(yǔ)言進(jìn)行有效控制。模糊推理控制系統(tǒng)包括系統(tǒng)輸入、模糊化、推理知識(shí)庫(kù)、模糊推理、解模糊化5個(gè)部分，其中影響模糊控制系統(tǒng)控制效果的關(guān)鍵步驟為系統(tǒng)輸入量及其隸屬度函數(shù)、推理知識(shí)庫(kù)的確定。雖然模糊推理法對(duì)非線性不確定系統(tǒng)控制有一定的優(yōu)勢(shì)，但是對(duì)于其關(guān)鍵步驟的確定存在較多的人為主觀因素的影響，因此對(duì)于一些精度、實(shí)時(shí)性要求較高的車輛模型，往往達(dá)不到實(shí)際控制要求。

3.2神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)具有高度并行性和自適應(yīng)學(xué)習(xí)能力，其泛化性能好、抗干擾能力強(qiáng)。應(yīng)用于模式識(shí)別的神經(jīng)網(wǎng)絡(luò)主要包括反向傳播網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（radial basis function，RBF）等，由于一般任何函數(shù)都可以表示成一組基函數(shù)的加權(quán)和，因此RBF神經(jīng)網(wǎng)絡(luò)可以逼近任何未知函數(shù)。BP神經(jīng)網(wǎng)絡(luò)只要有足夠多的隱含層節(jié)點(diǎn)和隱含層，則BP神經(jīng)網(wǎng)絡(luò)便可以逼近任意非線性映射關(guān)系[30]?；谝陨咸攸c(diǎn)，神經(jīng)網(wǎng)絡(luò)通過(guò)輸入制動(dòng)意圖的特征參數(shù)，使用大量的樣本，通過(guò)特定的算法訓(xùn)練達(dá)到一定的精度后，便可以準(zhǔn)確地輸出制動(dòng)意圖。但是制動(dòng)意圖識(shí)別效果的好壞不只是取決于一組特定的非線性關(guān)系，由于相同的制動(dòng)踏板開(kāi)度及其變化率在不同的路面上產(chǎn)生不同的制動(dòng)減速度，從而造成制動(dòng)性能的改變，即路面附著條件、適用車型數(shù)據(jù)的改變都會(huì)影響制動(dòng)意圖識(shí)別的精度，因此工作量大、數(shù)據(jù)不具備普適性原則、收斂速度慢等成為制約神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于制動(dòng)意圖識(shí)別的因素。

3.3自適應(yīng)神經(jīng)模糊推理系統(tǒng)

基于以上對(duì)模糊推理系統(tǒng)及神經(jīng)網(wǎng)絡(luò)的闡述，這兩種方法各有優(yōu)勢(shì)和缺點(diǎn)，若將兩者的優(yōu)勢(shì)進(jìn)行結(jié)合，則形成一種兼顧人工主觀經(jīng)驗(yàn)及客觀特征數(shù)據(jù)的新型識(shí)別方法，即自適應(yīng)神經(jīng)模糊推理系統(tǒng)。該方法具備自適應(yīng)學(xué)習(xí)能力、泛化性能好、抗干擾性強(qiáng)且能以任意精度逼近任意非線性函數(shù)等優(yōu)點(diǎn)，能夠在一定程度上避免全憑人工主觀意志定義輸入量的隸屬度函數(shù)，因此其在處理非線性、模糊性模型上有更大的優(yōu)勢(shì)，但是仍有工作量大、數(shù)據(jù)不具備普適性原則的弊端。

3.4隱馬爾科夫模型

隱馬爾科夫模型是一種特殊的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型，具有較強(qiáng)的處理時(shí)間序列數(shù)據(jù)的能力。HMM通過(guò)建立雙重隨機(jī)過(guò)程，不但可以描述各狀態(tài)間相互轉(zhuǎn)移的馬爾科夫隨機(jī)過(guò)程，同時(shí)還可以描述各觀測(cè)變量和狀態(tài)之間統(tǒng)計(jì)關(guān)系的隨機(jī)過(guò)程[31]。由于駕駛員進(jìn)行制動(dòng)操作是時(shí)間序列上的動(dòng)作過(guò)程，因此隱馬爾科夫模型具備制動(dòng)意圖識(shí)別的可行性。應(yīng)用HMM需要解決關(guān)于評(píng)估、解碼和學(xué)習(xí)的問(wèn)題[32]，其中評(píng)估問(wèn)題是影響該方法識(shí)別效果的關(guān)鍵因素，即所有隱含狀態(tài)之間的轉(zhuǎn)換概率及隱含狀態(tài)到可見(jiàn)狀態(tài)之間的輸出概率需要提前被獲知，基于此才能完成解碼和學(xué)習(xí)。該方法的特點(diǎn)在于模型識(shí)別效果會(huì)因樣本量的增多而變好，目前已被普遍應(yīng)用于輕度制動(dòng)、正常制動(dòng)、緊急制動(dòng)3種制動(dòng)意圖的訓(xùn)練工作。該方法具有意圖識(shí)別的可行性，但實(shí)際上車輛動(dòng)力學(xué)控制對(duì)于制動(dòng)意圖識(shí)別結(jié)果的要求更精確具體，而此方法雖具備精確識(shí)別緊急制動(dòng)意圖的能力，但不能精確完成對(duì)于常規(guī)制動(dòng)意圖的識(shí)別。

3.5聚類分析

聚類分析是按照樣本的特征，依據(jù)某種相似度度量的方法將特征相同的或相似的樣本歸為一類，完成制動(dòng)意圖聚類識(shí)別。聚類分析是一種簡(jiǎn)單有效的分類器，其算法的重點(diǎn)是求出特征相似的聚合類，即通過(guò)計(jì)算數(shù)據(jù)流中各元素與各聚類中心的距離，計(jì)算出距離各個(gè)元素最近的每個(gè)聚類中心，進(jìn)而完成對(duì)數(shù)據(jù)的分類。但制動(dòng)過(guò)程中特征參數(shù)的選取問(wèn)題對(duì)于聚類算法識(shí)別效果的影響較大，故應(yīng)用聚類分析前通常需要對(duì)制動(dòng)特征參數(shù)進(jìn)行一定的預(yù)處理。唐先智等[24]先對(duì)制動(dòng)踏板行程信號(hào)使用Hilbert-Huang變換以提取信號(hào)時(shí)頻域特征，運(yùn)用模糊C均值聚類算法對(duì)平緩和中等制動(dòng)兩種制動(dòng)意圖進(jìn)行識(shí)別;后又針對(duì)抑制制動(dòng)踏板信號(hào)中的模式混疊現(xiàn)象提出了基于EEMD和熵理論的制動(dòng)意圖聚類識(shí)別法，提高了制動(dòng)意圖識(shí)別的準(zhǔn)確率和實(shí)時(shí)性。

4研究展望

所介紹的各種制動(dòng)意圖識(shí)別方法均能在一定程度上完成制動(dòng)意圖的識(shí)別工作，且識(shí)別準(zhǔn)確率均能達(dá)到90%以上，但也都存在不足之處。制動(dòng)意圖的識(shí)別工作與線控制動(dòng)系統(tǒng)的推廣及應(yīng)用有著密切的聯(lián)系，意圖識(shí)別的準(zhǔn)確與否決定了車輛縱向動(dòng)力學(xué)控制效果的優(yōu)劣，進(jìn)而決定了車輛的主動(dòng)安全性能。作為ADAS的底層控制基礎(chǔ)，制動(dòng)意圖與多信息融合控制的發(fā)展對(duì)未來(lái)無(wú)人駕駛汽車及智能網(wǎng)聯(lián)汽車的發(fā)展與研究產(chǎn)生了巨大的影響。制動(dòng)意圖的準(zhǔn)確識(shí)別及應(yīng)用有助于無(wú)人駕駛汽車從L3到L4的發(fā)展，而當(dāng)無(wú)人駕駛汽車水平達(dá)到L5之后，制動(dòng)意圖識(shí)別將會(huì)成為優(yōu)化整車協(xié)調(diào)控制策略的工具之一。所以，未來(lái)面向車輛動(dòng)力學(xué)控制的制動(dòng)意圖識(shí)別研究，應(yīng)該主要從以下幾個(gè)方面展開(kāi)。

1）合理選取特征參數(shù)。特征參數(shù)的選取影響最終的識(shí)別效果。面向車輛動(dòng)力學(xué)控制的制動(dòng)意圖識(shí)別結(jié)果不僅需要精確，還需要強(qiáng)調(diào)其實(shí)時(shí)性。合理地選取特征參數(shù)有助于提高識(shí)別精度和實(shí)時(shí)性，可以考慮將路面信息作為特征提取參數(shù)之一，進(jìn)而提高工況時(shí)變的車輛縱向動(dòng)力學(xué)控制精度，達(dá)到較為精確、實(shí)時(shí)的控制目的。

2）轉(zhuǎn)換輸出目標(biāo)。目前，針對(duì)意圖識(shí)別的工作主要是輸出平緩制動(dòng)、中等制動(dòng)和緊急制動(dòng)、滑行制動(dòng)這4種制動(dòng)意圖，由于車輛縱向動(dòng)力學(xué)控制需要根據(jù)不同的路面實(shí)時(shí)獲知駕駛員期望的制動(dòng)強(qiáng)度，因此單純的輸出幾種制動(dòng)意圖對(duì)于提高車輛動(dòng)力學(xué)控制精度無(wú)太大作用，應(yīng)考慮將制動(dòng)意圖與制動(dòng)強(qiáng)度聯(lián)結(jié)作為制動(dòng)系統(tǒng)控制的基礎(chǔ)，完成對(duì)車輛的實(shí)時(shí)控制。

3）多標(biāo)準(zhǔn)評(píng)價(jià)體系。目前針對(duì)制動(dòng)意圖識(shí)別的工作主要集中于意圖識(shí)別準(zhǔn)確率上，將意圖識(shí)別準(zhǔn)確率作為最終的評(píng)價(jià)意圖識(shí)別效果的標(biāo)準(zhǔn)。為了提高縱向車輛動(dòng)力學(xué)控制性能，應(yīng)當(dāng)采用多標(biāo)準(zhǔn)評(píng)價(jià)體系，不僅僅需要較高的意圖識(shí)別準(zhǔn)確率，同時(shí)還需要增加如能量回收率、制動(dòng)距離、滑移率、制動(dòng)減速度等評(píng)價(jià)指標(biāo)。

參考文獻(xiàn)/References：

[1]彭曉燕. 汽車線控制動(dòng)系統(tǒng)安全控制技術(shù)研究[D].長(zhǎng)沙：湖南大學(xué)，2013.PENG Xiaoyan. Research on Safety Control Method of Automotive Brake System Based on X-By-Wire[D].Changsha： Hunan University，2013.

[2]何磊. 基于路面在線識(shí)別的線控制動(dòng)系統(tǒng)制動(dòng)力控制策略研究[D].長(zhǎng)沙：湖南大學(xué)，2016.HE Lei. The Braking Force Control Strategy Based on Road Identification Technology for Brake-By-Wire System [D].Changsha： Hunan University，2016.

[3]卜未琦. 全線控純電動(dòng)汽車行駛狀態(tài)估算與路面識(shí)別[D].長(zhǎng)春：吉林大學(xué)，2014.BU Weiqi. State Estimation and Road Identification for a Full Drive-By-Wire Electric Vehicle[D].Changchun： Jilin University， 2014.

[4]袁朝春，張龍飛，陳龍.路面附著系數(shù)識(shí)別方法發(fā)展現(xiàn)狀綜述及展望[J].機(jī)械制造與自動(dòng)化，2018，47（2）：1-4.YUAN Chaochun，ZHANG Longfei，CHEN Long. Summary and prospect of development of road coefficient identification methods[J].Machine Building & Automation，2018，47（2）：1-4.

[5]彭曉燕，章兢，陳昌榮.基于RBF神經(jīng)網(wǎng)絡(luò)的最佳滑移率在線計(jì)算方法[J].機(jī)械工程學(xué)報(bào)，2011，47（14）：108-113.PENG Xiaoyan，ZHANG Jing，CHEN Changrong. Calculation of RBF neural network based optimal slip ratio[J]. Journal of Mechanical Engineering， 2011，47（14）：108-113.

[6]周淑文，陳慶明，孫大明.基于EMB系統(tǒng)的整車ABS滑模變結(jié)構(gòu)控制[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，37（7）：994-997.ZHOU Shuwen，CHEN Qingming，SUN Daming. Variable structure control with sliding mode for ABS of vehicle based on EMB system[J].Journal of Northeastern University（Natural Science）， 2016，37（7）：994-997.

[7]李頂根，張綠原，何保華.基于滑移率的汽車電子機(jī)械制動(dòng)系統(tǒng)的模糊控制[J].機(jī)械工程學(xué)報(bào)，2012，48（20）：124-129.LI Dinggen，ZHANG Lvyuan，HE Baohua. Fuzzy control based on vehicle slip-ratio for electro-mechanical braking systems[J]. Journal of Mechanical Engineering， 2012，48（20）：124-129.

[8]彭曉燕，呂以濱，何磊.基于滑移率的線控制動(dòng)系統(tǒng)制動(dòng)力分配策略研究[J].中國(guó)機(jī)械工程，2016，27（17）：2407-2412.PENG Xiaoyan，LV Yibin，HE Lei.Research on brake-force distribution strategies for brake-by-wire system based on slip ratio[J].China Mechanical Engineering， 2016，27（17）：2407-2412.

[9]李剛，李高超.駕駛員行為意圖及特性辨識(shí)研究綜述[J].河北科技大報(bào)，2017，38（4）：335-340.LI Gang，LI Gaochao. An overview on identification study of driver behavior intention and characteristic[J]. Journal of Hebei University of Science and Technology，2017，38（4）：335-340.

[10]BI Luzheng，TENG Teng，GUAN Cuntai.A novel method of emergency situation detection for a brain-controlled vehicle by combining EEG signals with surrounding information[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering，2018，26（10）：1926-1934.

[11]HERNNDEZ L G， MOZOS O M， FERRNDEZ J M， et al. EEG-based detection of braking intention under different car driving conditions[J]. Frontiers in Neuroinformatics，2018，12： 10.3389/fninf.2018.00029.

[12]HE Lei，ZONG Changfu，WANG Chang. Driving intention recognition and behaviour prediction based on a double-layer hidden Markov model[J]. Journal of Zhejiang University-Science C-Computers & Electronics，2012，13（3）：208-217.

[13]GIRBS V， ARMESTO L， DOLS J， et al. An active safety system for low-speed bus braking assistance[J]. IEEE Transactions on Intelligent Transportation System，2016，18（2）：377-387.

[14]HER H， JOA E， YI K. Integrated chassis control for optimized tyre force coordination to enhance the limit handling performance[J]. Proceedings of the Institution of Mechanical Engineers Part D-Journal of Automotive Engineering， 2015，230（8）：1011-1026.

[15]XU Hui， SONG Chuanxue，LI Shoutao. Fuzzy logic control method of ehb system based on braking intention pattern identification[C]//Proceedings of the IEEE International Conference on Automation and Logistics， 2009： 10.1109/ICAL.2009.5262764.

[16]秦大同，楊官龍，胡明輝，等.基于駕駛意圖的插電式混合動(dòng)力汽車能量管理策略[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2015，45（6）：1743-1750.QIN Datong， YANG Guanlong， HU Minghui， et al. Energy management strategy of plug-in hybrid electric system based on driving intention[J].Journal of Jilin University（Engineering and Technology Edition），2015，45（6）：1743-1750.

[17]吳志新，石金蓬，李亞倫，等.基于制動(dòng)邊界與意圖識(shí)別的再生制動(dòng)策略[J].北京航空航天大學(xué)報(bào)，2017，43（8）：1531-1540.WU Zhixin，SHI Jinpeng，LI Yalun，et al. Regenerative brake strategy based on braking boundary and intention recognition[J]. Journal of Beijing University of Aeronautics and Astronautics， 2017，43（8）：1531-1540.

[18]韓云武，羅禹貢，李克強(qiáng)，等.混合動(dòng)力汽車下坡輔助控制方法[J].機(jī)械工程學(xué)報(bào)，2016，52（6）：136-144.

HAN Yunwu，LUO Yugong，LI Keqiang，et al. Downhill assist control method for hybrid electric vehicle[J]. Journal of Mechanical Engineering，2016，52（6）：136-144.

[19]王慶年，王俊，陳慧勇，等.混合動(dòng)力車輛中的加速與制動(dòng)意圖識(shí)別[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2014，44（2）：281-286.WANG Qingnian，WANG Jun，CHEN Huiyong，et al.Accelerating and braking intention identification in hybrid vehicle[J]. Journal of Jilin University（Engineering and Technology Edition），2014，44（2）：281-286.

[20]姬芬竹，杜發(fā)榮，朱文博.基于制動(dòng)意圖識(shí)別的電動(dòng)汽車能量經(jīng)濟(jì)性[J].北京航空航天大學(xué)學(xué)報(bào)，2016，42（1）：21-27.JI Fenzhu，DU Farong，ZHU Wenbo. Electric vehicle energy economy based on braking intention identification[J].Journal of Beijing University of Aeronautics and Astronautics，2016，42（1）：21-27.

[21]張?jiān)牛嘧科?，徐?lè)，等.基于制動(dòng)意圖的電動(dòng)汽車復(fù)合制動(dòng)系統(tǒng)制動(dòng)力分配策略研究[J].汽車工程，2009，31（3）：244-249.ZHANG Yuancai，YU Zhuoping，XU Le，et al.A study on the strategy of braking force distribution for the hybrid braking system in electric vehicle based on braking intention[J].Automotive Engineering， 2009，31（3）：244-249.

[22]潘寧，于良耀，宋健.考慮舒適性的電動(dòng)汽車制動(dòng)意圖分類與識(shí)別方法[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，56（10）：1097-1103.PAN Ning，YU Liangyao，SONG Jian.Braking intention classification and identification considering braking comfort for electric vehicles[J]. Journal of Tsinghua University（Science and Technology）， 2016，56（10）：1097-1103.

[23]王慶年，孫磊，唐先智，等.HEV制動(dòng)意圖識(shí)別的研究[J].汽車工程，2013，35（9）：769-774.WANG Qingnian，SUN Lei，TANG Xianzhi，et al. A study on braking intention identification for HEV[J].Automotive Engineering， 2013，35（9）：769-774.

[24]唐先智，王波，楊樹(shù)軍，等.基于Hilbert-Huang變換的制動(dòng)意圖聚類識(shí)別[J].汽車工程，2016，38（5）：580-586.TANG Xianzhi，WANG Bo，YANG Shujun，et al.Cluster identification of braking intention based on Hilbert-Huang transform [J].Automotive Engineering， 2016，38（5）：580-586.

[25]王英范，寧國(guó)寶，余卓平.乘用車駕駛員制動(dòng)意圖識(shí)別參數(shù)的選擇[J].汽車工程，2011，33（3）：213-216.WANG Yingfan，NING Guobao，YU Zhuoping. Parameter selection for the identification of driver's braking intention for passenger car[J]. Automotive Engineering， 2011，33（3）：213-216.

[26]王波，唐先智，王連東，等.基于EEMD和熵理論的電動(dòng)汽車制動(dòng)意圖識(shí)別方法[J].汽車工程，2018，40（8）：935-941.WANG Bo，TANG Xianzhi，WANG Liandong，et al. Braking intention identification method for electric vehicles based on EEMD and entropy theory [J].Automotive Engineering， 2018，40（8）：935-941.

[27]曲代麗. 基于模糊神經(jīng)網(wǎng)絡(luò)的駕駛員制動(dòng)意圖辨識(shí)技術(shù)研究[D].長(zhǎng)春：長(zhǎng)春工業(yè)大學(xué)，2016.QU Daili. Research on Identification Technology of Driver's Braking Intention Based on Fuzzy Neural Network[D]. Changchun： Changchun University of Technology， 2016.

[28]劉劍開(kāi)，張向文.電動(dòng)汽車再生制動(dòng)過(guò)程制動(dòng)踏板位移與制動(dòng)意圖及制動(dòng)強(qiáng)度之間的關(guān)系[J].科學(xué)技術(shù)與工程，2018，18（12）：317-325.LIU Jiankai，ZHANG Xiangwen. Relationship among braking pedal displacement， braking intensity and braking strength in regenerative braking process of electric vehicle[J].Science Technology and Engineering， 2018，18（12）：317-325.

[29]周潤(rùn)景.模式識(shí)別與人工智能（基于MATLAB）[M].北京：清華大學(xué)出版社，2018：139.

[30]趙偉強(qiáng). 商用半掛車制動(dòng)意圖辨識(shí)與制動(dòng)力分配控制策略開(kāi)發(fā)及驗(yàn)證[D].沈陽(yáng)：吉林大學(xué)，2013.ZHAO Weiqiang. Development and Test of Intention Recognition and Braking Force Distribution Control Strategies for Tractor-Semitrailer[D].Shenyang：Jilin University，2013.

[31]趙軒，馬建，汪貴平.基于制動(dòng)駕駛意圖辨識(shí)的純電動(dòng)客車復(fù)合制動(dòng)控制策略[J].交通運(yùn)輸工程學(xué)報(bào)，2014，14（4）：64-75.ZHAO Xuan，MA Jian，WANG Guiping. Composite braking control strategy of pure electric bus based on brake driving intention recognition[J]. Journal of Traffic and Transportation Engineering，2014，14（4）：64-75.

[32]張文波. 基于隱馬爾可夫模型的EHB系統(tǒng)制動(dòng)意圖識(shí)別方法研究[D].長(zhǎng)春：長(zhǎng)春工業(yè)大學(xué)，2014.ZHANG Wenbo.Braking Intention Recognition for EHB System Based on Hidden Markov Model [D].Changchun： Changchun University of Technology，