王力斌

（遼寧工程職業(yè)學(xué)院，遼寧 鐵嶺 112000）

汽車(chē)油門(mén)防誤踩系統(tǒng)作為主動(dòng)安全系統(tǒng)中的重要組成，可智能識(shí)別駕駛員對(duì)汽車(chē)油門(mén)踏板的操作意圖，當(dāng)系統(tǒng)辨識(shí)到駕駛員誤踩油門(mén)踏板時(shí)，將對(duì)汽車(chē)進(jìn)行緊急制動(dòng)，以保證駕駛員的人身安全。根據(jù)對(duì)汽車(chē)油門(mén)防誤踩系統(tǒng)控制方案的研究，本文確定了利用模糊推理算法，對(duì)障礙距離、車(chē)速、油門(mén)踏板加速度3 個(gè)主要信號(hào)進(jìn)行計(jì)算分析，綜合判定駕駛員對(duì)油門(mén)踏板操作意圖的控制思路。對(duì)于障礙的識(shí)別決定了該系統(tǒng)對(duì)駕駛員操作意圖的判定準(zhǔn)確率。

1 障礙識(shí)別

目標(biāo)車(chē)輛與障礙車(chē)輛間的最小安全距離為汽車(chē)油門(mén)防誤踩系統(tǒng)的重要辨識(shí)參數(shù)，本文對(duì)最小安全距離按絕對(duì)安全距離計(jì)算方法進(jìn)行計(jì)算，其公式為

式中：u0為汽車(chē)初始運(yùn)行速度；τ′1為駕駛員由有制動(dòng)意愿到執(zhí)行制動(dòng)的生理反應(yīng)時(shí)間；τ″1為腳步移動(dòng)到制動(dòng)踏板上所需時(shí)間；τ′2為駕駛員踩下制動(dòng)踏板到制動(dòng)片與制動(dòng)盤(pán)相接觸所用的時(shí)間；τ″2為制動(dòng)力由最小增加至最大所用的時(shí)間；abmax為最大減速度。

式中：φp為路面峰值附著系數(shù)，其大小與路面情況相關(guān)。本文列舉瀝青路面與混凝土兩種路面在干、濕兩種路面狀況下的峰值附著系數(shù)（見(jiàn)表1）。

表1 兩種路面在不同路面狀況下的峰值附著系數(shù)

按我國(guó)高速公路一般最大限速為120 km/h 作為最大車(chē)速，對(duì)最小車(chē)速到最大車(chē)速進(jìn)行計(jì)算，可得到不同路面狀況下，不同車(chē)速時(shí)的制動(dòng)距離。圖1為車(chē)速為0~120 km/h 的最小安全距離。

圖1 車(chē)速為0~120 km/h的最小安全距離

通過(guò)計(jì)算可知，汽車(chē)在120 km/h 時(shí)進(jìn)行緊急制動(dòng)，其制動(dòng)距離為96.5 m。因此，測(cè)距傳感器的量程應(yīng)超過(guò)100 m。通過(guò)對(duì)比各類(lèi)型測(cè)距傳感器，最終選擇檢測(cè)精度較高、響應(yīng)速度快、適應(yīng)能力強(qiáng)且工作穩(wěn)定性高的毫米波雷達(dá)測(cè)距傳感器。毫米波為微波中的一種，是在電磁頻譜中波長(zhǎng)為1.0~7.5 mm的電磁波，其對(duì)應(yīng)的頻率為40~300 GHz[1]。毫米波雷達(dá)測(cè)距傳感器檢測(cè)的距離可根據(jù)測(cè)距傳感器發(fā)出信號(hào)開(kāi)始到接收到反射信號(hào)過(guò)程中所用的時(shí)間與光在空氣中的傳播速度進(jìn)行計(jì)算，計(jì)算公式為

式中：c 代表光速；Δt 代表信號(hào)往返時(shí)間。

當(dāng)汽車(chē)行駛時(shí)，在正常車(chē)距下測(cè)距傳感器的檢測(cè)范圍應(yīng)可覆蓋整車(chē)寬度，這樣系統(tǒng)才能準(zhǔn)確地判斷駕駛員是否有誤操作。測(cè)距傳感器的探測(cè)角度為

2 DBSCAN 聚類(lèi)算法

DBSCAN 聚類(lèi)算法是一種基于密度的聚類(lèi)算法。它可將多個(gè)檢測(cè)目標(biāo)定義為多相連點(diǎn)的密度集合，再將具有足夠密度點(diǎn)的集合劃分為多個(gè)簇，以此來(lái)辨識(shí)多障礙目標(biāo)。DBSCAN 聚類(lèi)算法事先不需要定義將要檢測(cè)簇的數(shù)量且無(wú)形狀約束[2]。

DBSCAN 聚類(lèi)算法中的兩個(gè)主要參數(shù)為EPS 及Mupts，其中EPS 為以某核心對(duì)象為軸心的超球面鄰域半徑；Mupts 為鄰域內(nèi)最少點(diǎn)數(shù)閾值。通過(guò)EPS 及Mupts，DBSCAN 聚類(lèi)算法將數(shù)據(jù)對(duì)象分為以下3 類(lèi)：一是核心點(diǎn)。當(dāng)某一數(shù)據(jù)對(duì)象處于以EPS 為半徑的鄰域范圍內(nèi)，且其擁有數(shù)據(jù)點(diǎn)數(shù)量大于Mupts，那么該數(shù)據(jù)對(duì)象為核心點(diǎn)。二是邊界點(diǎn)。當(dāng)某一數(shù)據(jù)對(duì)象處于以EPS 為半徑的鄰域范圍內(nèi)，但其擁有數(shù)據(jù)點(diǎn)數(shù)量小于Mupts，那么該數(shù)據(jù)對(duì)象為邊界點(diǎn)。三是噪音點(diǎn)。當(dāng)某一數(shù)據(jù)對(duì)象處于以EPS 為半徑的鄰域范圍外，該數(shù)據(jù)對(duì)象既不是核心點(diǎn)，又不是邊界點(diǎn)，那么稱(chēng)其為噪音點(diǎn)。

當(dāng)某一數(shù)據(jù)點(diǎn)處于核心點(diǎn)的鄰域范圍內(nèi)，那么就說(shuō)該點(diǎn)從核心點(diǎn)發(fā)出為直接密度可達(dá)。如果某一數(shù)據(jù)對(duì)象{P1，P2，…，Pn}，Pi+1是從Pi關(guān)于（EPS，Mupts） 直接密度可達(dá)，則表示數(shù)據(jù)對(duì)象中任意數(shù)據(jù)Pi數(shù)據(jù)可達(dá)。如有數(shù)據(jù)a 和數(shù)據(jù)b，均從核心點(diǎn)O 密度可達(dá)，那么數(shù)據(jù)a 與數(shù)據(jù)b 數(shù)據(jù)相連，且其具有對(duì)稱(chēng)性。核心點(diǎn)與其所有密度可達(dá)的數(shù)據(jù)對(duì)象組成的集合為密度聚類(lèi)簇。當(dāng)進(jìn)行障礙辨識(shí)時(shí)，根據(jù)不同障礙的外形、尺寸，會(huì)出現(xiàn)不同的檢測(cè)點(diǎn)數(shù)，產(chǎn)生不同的密度聚類(lèi)簇。

能源互聯(lián)網(wǎng)不是能源系統(tǒng)的簡(jiǎn)單互聯(lián)，也不僅僅是能源系統(tǒng)的信息化，能源互聯(lián)網(wǎng)是在智能電網(wǎng)的基礎(chǔ)上，利用互聯(lián)網(wǎng)思維與技術(shù)改造傳統(tǒng)能源行業(yè)，實(shí)現(xiàn)橫向多源互補(bǔ)、縱向“源-網(wǎng)-荷-儲(chǔ)”協(xié)調(diào)、能源與信息高度融合的新型能源體系。目的是大幅度提升能源系統(tǒng)效率、促進(jìn)商業(yè)模式創(chuàng)新、支撐綠色發(fā)展理念，如智慧城市、生態(tài)園區(qū)、綠色鄉(xiāng)村、智能家居等[34]。

通過(guò)MATLAB 模擬，建立隨機(jī)1 000 個(gè)數(shù)據(jù)點(diǎn)，對(duì)其進(jìn)行聚類(lèi)辨識(shí)，其結(jié)果見(jiàn)圖2。通過(guò)DBSCAN 聚類(lèi)算法，可精準(zhǔn)地辨識(shí)目標(biāo)車(chē)輛前方障礙的寬度及形狀特性，根據(jù)形狀特性及相對(duì)速度，結(jié)合位置跟蹤所辨識(shí)到的相對(duì)位置，來(lái)判斷駕駛員對(duì)油門(mén)踏板的激烈操作是否為超車(chē)操作行為。當(dāng)兩車(chē)車(chē)距較小，目標(biāo)車(chē)輛車(chē)速快于前方障礙車(chē)輛，且相對(duì)位置不符合超車(chē)操作標(biāo)準(zhǔn)，此時(shí)駕駛員對(duì)油門(mén)踏板的激烈操作將被辨識(shí)為誤踩油門(mén)踏板，汽車(chē)油門(mén)防誤踩系統(tǒng)將對(duì)汽車(chē)進(jìn)行緊急制動(dòng)操作，保證駕駛員的安全。當(dāng)目標(biāo)車(chē)輛姿態(tài)符合超車(chē)操作標(biāo)準(zhǔn)，且前方無(wú)障礙，此時(shí)，系統(tǒng)認(rèn)定駕駛員對(duì)油門(mén)踏板的激烈操作為超車(chē)操作行為，不對(duì)其進(jìn)行制動(dòng)干預(yù)。

圖2 隨機(jī)數(shù)據(jù)點(diǎn)通過(guò)DBSCAN聚類(lèi)算法的MATLAB仿真

3 位置跟蹤

雖然毫米波雷達(dá)測(cè)距傳感器對(duì)運(yùn)動(dòng)物體的檢測(cè)能力非常出色，但是在實(shí)際工作過(guò)程中，由于路面狀況、顛簸、漫反射等因素，使檢測(cè)過(guò)程中出現(xiàn)干擾。這些隨機(jī)出現(xiàn)的干擾會(huì)使毫米波雷達(dá)測(cè)距傳感器輸出信號(hào)出現(xiàn)失真情況，該情況會(huì)使汽車(chē)油門(mén)防誤踩系統(tǒng)對(duì)障礙距離、位置、車(chē)速等信息出現(xiàn)隨機(jī)性誤報(bào)，系統(tǒng)一旦利用錯(cuò)誤信息進(jìn)行駕駛員操作意圖辨識(shí)，后果不堪設(shè)想。因此，利用卡爾曼濾波算法降低干擾、提高毫米波雷達(dá)測(cè)距傳感器對(duì)障礙位置跟蹤的準(zhǔn)確性。從而，在超車(chē)等工況下，保證系統(tǒng)對(duì)駕駛員操作意圖的辨識(shí)準(zhǔn)確性。

卡爾曼濾波算法是一種利用線性系統(tǒng)狀態(tài)方程，通過(guò)對(duì)物體狀態(tài)實(shí)際檢測(cè)值及某一時(shí)刻時(shí)對(duì)下一時(shí)刻物體狀態(tài)估計(jì)值進(jìn)行數(shù)據(jù)融合的算法。它能將檢測(cè)噪音干擾進(jìn)行過(guò)濾，并能對(duì)采集數(shù)據(jù)進(jìn)行時(shí)時(shí)更新和處理，使檢測(cè)值更加精確。卡爾曼濾波算法是目前應(yīng)用最為廣泛的濾波處理算法，在雷達(dá)、導(dǎo)航、制導(dǎo)、控制等方面得到廣泛應(yīng)用。

毫米波雷達(dá)測(cè)距傳感器檢測(cè)障礙的模型為

式中：A 為常量；X（k）為狀態(tài)矩陣；N（k）為噪聲干擾矩陣；Z（k）為觀察量矩陣；W（k）為0 值白噪聲觀測(cè)誤差矩陣。預(yù)測(cè)方程為

式中：σn為過(guò)程噪聲方差?？柭鲆鏋?/p>

式中：σ 為觀測(cè)噪聲方差?？柭鼮V波方程為

卡爾曼濾波誤差方差為

通過(guò)MATLAB 進(jìn)行仿真，仿真結(jié)果見(jiàn)圖3。

圖3 卡爾曼濾波仿真結(jié)果

通過(guò)卡爾曼濾波算法對(duì)實(shí)際檢測(cè)值與預(yù)測(cè)值進(jìn)行綜合分析計(jì)算，最終得到降噪后的穩(wěn)定信號(hào)輸出值。通過(guò)圖3 可看出，其降噪效果非常明顯，滿足汽車(chē)油門(mén)防誤踩系統(tǒng)障礙跟蹤識(shí)別使用需求。

在實(shí)際工作中，汽車(chē)油門(mén)防誤踩系統(tǒng)對(duì)毫米波雷達(dá)測(cè)距傳感器所輸入的數(shù)據(jù)進(jìn)行實(shí)時(shí)更新，利用卡爾曼濾波后的數(shù)據(jù)不斷判斷障礙運(yùn)動(dòng)軌跡，得到最為準(zhǔn)確的障礙信息，并將所檢測(cè)到的車(chē)距信息劃分為5 個(gè)區(qū)間，分別為S1{0.5~5.5 m}；S2{5.8~14.9 m}；S3{15.5~28.7 m}；S4{29.5~69.5 m}；S5{70.8~96.5 m}，并將其依次定義為“非常危險(xiǎn)”“危險(xiǎn)”“較危險(xiǎn)”“較安全”“安全”的模糊集，使其與車(chē)速與油門(mén)踏板加速度模糊集共同輸入模糊控制器，通過(guò)模糊控制規(guī)則進(jìn)行計(jì)算，以此來(lái)辨識(shí)駕駛員操作意圖。通過(guò)MATLAB 對(duì)基于模糊控制的汽車(chē)油門(mén)防誤踩系統(tǒng)進(jìn)行仿真，可得到以下仿真結(jié)果和辨識(shí)結(jié)果，見(jiàn)圖4。

通過(guò)圖4 可看出在不同情況下的模糊控制器對(duì)駕駛員操作意圖的辨識(shí)結(jié)果，系統(tǒng)據(jù)此進(jìn)行判定。

圖4 基于模糊控制的汽車(chē)油門(mén)防誤踩系統(tǒng)仿真結(jié)果和辨識(shí)結(jié)果

圖4 -b 第1 條信息中，當(dāng)輸入車(chē)速信號(hào)參數(shù)為非常危險(xiǎn)、車(chē)距輸入信號(hào)參數(shù)為非常危險(xiǎn)、油門(mén)踏板加速度輸入?yún)?shù)為安全時(shí)，說(shuō)明駕駛車(chē)輛車(chē)速較快，車(chē)距非常小，但駕駛員并沒(méi)有踩下油門(mén)踏板，此時(shí)系統(tǒng)判定駕駛員沒(méi)有對(duì)油門(mén)踏板進(jìn)行誤操作。

圖4-b 第2 條信息中，當(dāng)輸入車(chē)速信號(hào)參數(shù)為非常危險(xiǎn)、車(chē)距輸入信號(hào)參數(shù)為非常危險(xiǎn)、油門(mén)踏板加速度輸入?yún)?shù)為非常危險(xiǎn)時(shí)，說(shuō)明駕駛車(chē)輛車(chē)速較快，車(chē)距非常小，且駕駛員狠踩油門(mén)踏板，此時(shí)系統(tǒng)判定駕駛員對(duì)油門(mén)踏板進(jìn)行了誤操作，對(duì)汽車(chē)油門(mén)防誤踩系統(tǒng)中的機(jī)械執(zhí)行機(jī)構(gòu)發(fā)送緊急制動(dòng)信號(hào)，對(duì)汽車(chē)進(jìn)行緊急制動(dòng)，以保證駕駛員的安全。

4 結(jié)束語(yǔ)

通過(guò)對(duì)汽車(chē)油門(mén)防誤踩系統(tǒng)的仿真可看出障礙信息對(duì)于汽車(chē)油門(mén)防誤踩系統(tǒng)的重要性，如障礙信息采集不準(zhǔn)確，極有可能引發(fā)系統(tǒng)的誤判，從而造成交通事故。利用DBSCAN 聚類(lèi)算法結(jié)合卡爾曼濾波算法，極大地提高了障礙信息的精度，有效提高了障礙信息的精確度，從而提高了汽車(chē)油門(mén)防誤踩系統(tǒng)的判定準(zhǔn)確率。