[发明专利]一种人机耦合的纵向避撞控制方法

说明书

本发明涉及一种人机耦合的纵向避撞控制方法，包括线控制动模块、主动感知模块和拟人控制模块，前述的拟人控制模块包括驾驶员模型和深度神经网络拟人决策控制器，其中主动感知模块获得实时交通状况输入给驾驶员模型输出期望的制动减速度，根据主动感知模块与驾驶员的基础实验数据，深度神经网络拟人决策控制器利用生成对抗网络技术生成大量实验数据输入给深度神经网络，经过训练生成制动避撞控制器，将其输出信息传输给线控制动模块完成制动避撞；本发明有效解决车辆已有避撞控制器适用范围窄、控制生硬等问题，提高了制动避撞系统的自适应性和驾乘人员的舒适性。

技术领域

本发明涉及一种人机耦合的纵向避撞控制方法，属于汽车主动安全领域。

背景技术

随着人工智能时代的来临，智能驾驶已成为当今的研究热点。当前完全自动化驾驶上路还有很长的路要走，人机共驾将是未来一段时间的主要驾乘状态，如何让自动驾驶汽车能像人一样开车，借助人的经验让车驾驶的更安全是当前需要研究的问题；大部分交通事故都是由于车辆之间的碰撞导致的，现有的纵向避撞技术基于安全距离模型执行简单机械式的刹车，完全忽略驾乘人员的感受和意图，容易造成驾驶控制权的冲突，开发人机协调的控制器能有效避免交通事故，保障驾乘人员的什么财产安全，极大提高交通效率，减少能源浪费。

发明内容

本发明提供一种人机耦合的纵向避撞控制方法，有效解决车辆已有避撞控制器适用范围窄、控制生硬等问题，提高了自动驾驶车辆的安全性。

本发明解决其技术问题所采用的技术方案是：

一种人机耦合的纵向避撞控制方法，包括线控制动模块、主动感知模块和拟人控制模块，前述的拟人控制模块包括驾驶员模型和深度神经网络拟人决策控制器，其中主动感知模块获得实时交通状况输入给驾驶员模型输出期望的制动减速度，根据主动感知模块与驾驶员的基础实验数据，深度神经网络拟人决策控制器利用生成对抗网络技术生成大量实验数据输入给深度神经网络，经过训练生成制动避撞控制器，将其输出信息传输给线控制动模块完成制动避撞；

作为本发明的进一步优选，前述的线控制动模块包括车载电源、制动电机、电控单元、压力传感器、轮速传感器以及踏板传感器，前述的主动感知模块包括车速传感器、远程探测雷达、短距探测雷达、摄像头以及加速度传感器，前述的拟人控制模块包括驾驶员模型和深度神经网络拟人决策控制器；

安装在车体内的制动电机和电控单元，两者相互连通，在车体后排座位下方安装用于为制动电机、电控单元供电的车载电源，还包括安装在车体上的制动总泵和制动踏板，其中制动总泵与制动分泵连接，制动分泵同时与车体的四个车轮相连接，在车辆内部后视镜背面安装摄像头，用于检测行人；

在悬架于轮毂连接处安装轮速传感器，其用于获取四个车轮的轮速，在制动分泵的出油口处安装压力传感器，其用于获取四个车轮的制动压力，在制动踏板背部安装踏板传感器，其用于获取驾驶员意图，前述的轮速传感器、压力传感器和踏板传感器均与电控单元相连通，通过电控单元实现线控制动；车载电源同时与压力传感器、轮速传感器、踏板传感器电气相连；在车体顶部中央位置安装车速传感器，其用于获取车体的车速，在车体质心处安装加速度传感器，其用于获取车体的制动减速度；

在车辆车头处车牌正下方固定安装远程探测雷达，在车头两个前照灯下方分别固定安装短距探测雷达，用于获取车体的初始车间距；

上述结构进行人机耦合的控制方法包括以下步骤：

第一步：建立基于隐马尔科夫模型的驾驶员模型、轮胎模型、整车动力学模型、线控制动模型、路面输入模型；

第二步：搭建虚拟仿真试验环境，进行大量制动避撞工况试验，采集成功避撞条件下的制动压力、制动减速度、驾驶员意图、通过递推最小二乘算法根据车速与轮速信息获得的路面附着系数、初始车间距以及通过差分GPS获得的初始车速，将这些数据构成基础数据集；