免费看男阳茎进女阳道视频

                        24小時論文定制熱線

                        咨詢電話

                        ASP.NETVC++MySQLPHP安卓JSPLinuxJava機械VBASP單片機模具汽車工程畢業設計Flash
                        您當前的位置:論文定制 > 畢業設計論文 >
                        快速導航
                        畢業論文定制
                        關于我們
                        我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
                        代做畢業設計
                        常見問題

                        汽車防撞系統使用說明與設計

                        添加時間:2018/07/11
                        隨著道路設施的改善和汽車性能的提高, 汽車的行駛速度大幅提高, 但是隨著汽車持有量的增加, 道路狀況呈現復雜的景況, 交通事故頻繁發生, 造成了巨大的人員財產損失。經分析, 造成交通事故的原因包括酒后駕駛、能見度低、司機誤判、跟車距離較近等。
                          以下為本篇論文正文:

                          摘要:為了保障駕駛安全, 設計了基于自適應障礙物識別和目標跟蹤的汽車防撞系統。根據激光雷達工作原理, 提出了自適應閾值的最近鄰聚類算法用于障礙物識別;根據城市交通實際狀況, 提出了基于當前統計模型的自適應Kalman濾波跟蹤方法;為了提高駕駛舒適度, 提出了融入駕駛員習慣的預瞄安全距離模型;對車體進行改裝后實驗, 結果表明的算法能夠快速跟蹤移動目標, 并且具有很高的跟蹤精度;在防碰撞試驗中, 設計的主動防撞系統能夠在安全距離及時制動車輛, 說明了防撞系統的安全可靠性。

                          關鍵詞:汽車; 主動防撞系統; 自適應閾值最近鄰聚類算法; 當前統計模型; 預瞄安全距離模型;

                          Abstract:To improve the driving safety, automobile collision avoidance system based on adaptive obstacle recognition and target tracking is designed. Depend on working principle of laser radar, the nearest neighbor clustering algorithm with adaptive threshold used to recognize obstacle. Rely on fact of city traffic, adaptive Kalman filter based on current statistical model is put forward to track the goal. To improve comfort level of driver, driver previewer safety distance model integrated with driving habit is raised. A car is refitted to carry out the trial, the result shows that tracking algorithm can convergence quickly with high precision, which can satisfy the use requirement. In the collision requirement, the collision system can stop the vehicle at safe distance in time, which clarifies safe reliability of the collision system.

                          Keyword:Automobile; Initiative Collision Avoidance System; The Nearest Neighbor Clustering Algorithm with Adaptive Threshold; Current Statistical Model; Driver Previewer Safety Distance Model;

                          1、引言

                          隨著道路設施的改善和汽車性能的提高, 汽車的行駛速度大幅提高, 但是隨著汽車持有量的增加, 道路狀況呈現復雜的景況, 交通事故頻繁發生, 造成了巨大的人員財產損失。經分析, 造成交通事故的原因包括酒后駕駛、能見度低、司機誤判、跟車距離較近等, 其中司機誤判占70%左右。當前汽車的安全保護措施是在事故發生后的被動措施, 研究的汽車防撞系統是在事故發生前的主動保護措施, 通過比較當前車距與安全車距判斷車輛應正常行駛還是制動。

                          目前國內的主動防撞系統研究主要集中在院校和科研院所[1-4]。研究層次還處于理論研究和實驗階段, 并未實現產業化。某大學的研究目前處于領先水平, 它建立了駕駛員模型和人機閉環控制系統模型;某大學研究的THMR-V智能車, 傳感器為GPS定位、攝像機視覺、激光雷達測距, 執行機構包括轉向、制動等, 部分系統處于國際領先水平。目前國內還沒有研發出價格合適的樣機, 同時存在虛警率高的問題。

                          為了進一步推動汽車防撞系統的理論研究, 將防撞系統分解為信息獲取、障礙物識別、目標跟蹤、安全評估四部分, 使用聚類分析法識別障礙物, 使用自適應卡爾曼濾波跟蹤目標, 建立了駕駛員預瞄安全距離模型, 最終構建了汽車的主動防撞系統。

                          2、汽車防撞系統使用說明與設計

                          2.1、防撞系統使用說明

                          設計的汽車防撞系統適用于城市道路條件下, 此時車速一般限制在40km/h以下;在同一條街行駛時, 路面情況變化不大, 路面附著系數較大且變化不大;汽車在行駛過程中沒有闖紅燈等違反交通法規的行為, 車輛均正常行駛。

                          2.2、防撞系統設計

                          設計的汽車防撞系統, 如圖1所示。其中, 信息采集包括由激光雷達組成的測距測速系統、由車速傳感器組成的自車車速測量系統。障礙物識別使用的是自適應閾值的最鄰域聚類算法;目標跟蹤使用的是自適應Kalman濾波算法;使用駕駛員預瞄安全距離模型, 用于判斷當前車距與安全車距的大小關系, 若當前車距大于安全車距則算法重復, 否則進行制動使車輛減速。

                        圖1 汽車防撞系統設計
                        圖1 汽車防撞系統設計

                          3、障礙物識別算法

                          3.1、最近鄰聚類算法

                          選用的激光雷達對車前物體進行等角度掃描, 所以屬于同一障礙物的數據必然連續, 最近鄰聚類分析法[5]就是以此為理論依據, 對于距離較近的點認為是同一物體, 距離出現突變的點認為是不同物體。對于激光雷達測得的同一幀數據中相鄰的兩個數據Pi-1 (xi-1, yi-1) 和Pi (xi, yi) , 其距離記為di, 即:

                        距離記為di

                          將兩點間距離與閾值dth比較, 若di>dth則認為兩點處于不同物體上, 兩點不屬于同一類;若di燮dth則認為兩者在同一物體上, 兩點為同一類數據。

                          3.2、自適應閾值最近鄰聚類算法

                          在最近鄰聚類算法中, 閾值dth的選擇至關重要。若dth選擇較小, 則容易將同一物體的數據歸為不同物體;若dth選擇較大, 則容易將不同物體的數據歸為同一物體。在激光雷達的等角度掃描中, 記其掃描角度為λ, 掃描示意圖, 如圖2所示。

                        圖2 激光雷達等角度掃描
                        圖2 激光雷達等角度掃描

                          從圖中可以看出, 對于等角度掃描, 物體距離O點越遠, AB間的距離也越大, 這意味著要根據目標點與測試點的距離自適應地調整閾值dth。記物體與測試點的距離為R, 雷達角度分辨率為λ, 則自適應閾值定義為dth=R*sinλ, 選用的激光雷達角度分辨率為λ=π/360, 屬于小角度, 為了簡化計算, 將自適應閾值重新定義為:

                        自適應閾值重新定義

                          通過以上算法就可以實現數據的聚類, 但是物體要到達一定尺寸才能成為障礙物, 這就要求同一類數據要達到一定數量, 設定數據量閾值N, 當同一類數據大于N時, 將其確定為障礙物, 當同一類數據小于N時, 此類數據被忽略。

                          4、目標跟蹤

                          4.1、目標機動模型

                          目前常見的汽車機動模型包括常速度模型、常加速度模型、Singer模型, 這三種機動模型的運動規律性較強, 不適用于狀況復雜的城市交通, 選用的是當前統計模型[6-7]。當前統計模型的主要思想是, 若汽車在當前時刻以某一加速度運動, 那么在下一時刻汽車的加速度只會出現在上時刻加速度某一鄰域內, 而不會出現加速度的突變或跳躍。下面首先介紹當前統計模型原理。當前方汽車的加速度方向為正時, 加速度的概率密度為:

                        當前汽車加速度的概率密度

                          式中:amax—正向最大加速度;a—汽車加速度;μ—大于0的常數。

                          當前方汽車加速度方向為負時, 加速度的概率密度為:

                        加速度的概率密度

                          若前方車輛加速度為0, 則其加速度概率密度為蒂利克雷函數, 即:Pr (a) =δ (a) (5)

                          為了更好地分析當前統計模型, 可以使用matlab畫出加速度概率密度曲線, 由于篇幅限制, 在此不再給出, 通過分析可以看出, 汽車加速度的概率密度與當前加速度均值有關, 只要能夠計算出汽車當前時刻的加速度均值, 就能夠得到汽車的加速度概率密度分布。為了將此模型應用于自適應卡爾曼濾波算法, 下面建立當前統計模型的空間方程。在當前統計模型中, 汽車的加速度為一階時間相關模型, 其表達式為:

                        其表達式

                          式中:x″ (a) —汽車運動的加速度; —加速度均值;a (t) —均值為0的加速度白噪聲;α—激動頻率;w (t) —高斯噪聲。

                          由式 (6) 可以推導出:

                        可以推導出

                          在當前統計模型中, 選取狀態變量 , 選取觀測變量Z (k) =[x (k) , y (k) ], 建立當前統計模型的空間方程和觀測方程為:

                        計模型的空間方程和觀測方程

                          根據式 (6) 和式 (7) 可以給出式 (8) 中的Φ (k) 、U (k) 、H的具體表達式。

                          4.2、目標的跟蹤算法

                          Kalman濾波利用前一時刻的估計值與當前時刻的觀測值, 得到當前時刻的測試結果, 是一種常用的信息融合算法。在Kalman濾波中, 當過程噪聲較大時, 說明預測值可信度低, 要增加觀測值在輸出值中的比重;相反的, 當過程噪聲較小時, 說明預測值可信度高, 那么就要增加預測值在輸出值中的比重, 因此可以通過過程噪聲Q (k) 的大小, 自適應[8]地調整增益矩陣K (k) 。

                          下面就是給出過程噪聲Q (k) 的計算公式就可以實現自適應卡爾曼濾波[9]。在當前統計模型中, 過程噪聲Q (k) 為:

                        過程噪聲Q (k) 為

                          式中:Qx (k) 、Qy (k) —汽車X、Y方向上的過程噪聲協方差陣。

                          且有:

                        過程噪聲協方差陣

                          5、車輛安全狀態決策

                          經過對障礙物的識別和對前方目標的跟蹤, 自車已經能夠獲取足夠的車輛信息, 下面就是根據這些信息, 對自車行駛的安全狀態進行決策。車輛的安全狀態決策分為安全時間決策和安全距離決策兩種。在車輛駕駛過程中, 根據駕駛習慣可以將司機分為冒進型、平穩性和謹慎型, 每種司機評估的安全距離不同, 為了給司機舒適的駕駛狀態, 要將司機的駕駛習慣融入到駕駛安全狀態決策中, 這種習慣更容易融入到安全距離中, 因此提出了融入駕駛員習慣的預瞄安全距離模型[10]。記自車行駛時間tg (駕駛員反應時間) 后與前車碰撞的臨界車距為Slim, 駕駛員自認為的最小安全距離為Df, 則:

                        駕駛員自認為的最小安全距離為Df

                          式中:Shabit—駕駛員駕駛習慣決定的常量, 按照冒進型、平穩型、謹慎型取不同的值, 一般為 (2~5) m。而碰撞臨界車距Slim計算公式為:

                        碰撞臨界車距Slim計算公式

                          式中:x′ (t) —自身運動速度;xb′ (t) —障礙物運動速度。

                          當傳感器測量到的車距小于Df時, 則汽車判斷為危險車距, 進行制動;當測得的車距大于Df時, 則判斷為安全車距, 繼續正常行駛。

                          6、實驗驗證

                          6.1、目標跟蹤實車試驗

                          首先對汽車進行改裝, 使用車輛為馬自達6, 將LMS-111激光雷達安裝于車牌正上方, 將雷達的掃描范圍定義為±45°;對ABS自動系統進行改裝, 使其能夠自動制動;將輪速傳感器測得的自車車速實時傳至控制器, 改裝后車輛, 如圖3所示。

                        圖3 改裝車輛
                        圖3 改裝車輛

                          為了保證實驗安全且保護實驗裝備, 將車輛相對于障礙物的運動改進為障礙物相對于車輛的運動, 具體方法為:將實驗汽車靜止在某處, 實驗人員在車輛前方20m處靠近車輛, 實驗人員的行走方式與速度不做規定, 數據的采集使用LMS-111激光雷達配套應用軟件SOPAS ET軟件, 雷達的采樣周期為0.106s, 采集數據共150個。得到的位置跟蹤誤差、速度跟蹤誤差, 如圖4、圖5所示在目標跟蹤的實車試驗中, 對實驗人員的運動方式不做規定, 符合在城市軌道中運動多變的特點。從跟蹤效果看, 基于當前統計模型的自適應跟蹤方法能夠快速地收斂, 并且位置和速度的跟蹤精度較高, 能夠滿足使用要求。

                        圖4 X軸、Y軸位置跟蹤誤差
                        圖4 X軸、Y軸位置跟蹤誤差

                        圖5 X軸、Y軸速度跟蹤誤差
                        圖5 X軸、Y軸速度跟蹤誤差

                          6.2、主動防撞系統試驗

                          在試驗時為確保安全, 使用一足夠大的紙箱作為障礙物, 實驗路面的附著系數φ=0.7, 則汽車全力制動加速度為a1=φg, 駕駛員的駕駛預判時間一般為 (1.2~2.0) s, 這里取為tg=1.5s, 駕駛習慣取值Shabit=2.0m。為了對主動防撞系統進行驗證, 在不同速度下對汽車進行試驗。車輛以一定速度駛向障礙物, 雷達檢測到前方障礙物且實時測量車輛與障礙物的距離, 當距離達到安全距離閾值時, 制動系統制動車輛直至停止, 將最終的制動距離進行存儲, 得到的制動距離散點, 如圖6所示。

                        圖6 制動距離
                        圖6 制動距離

                          從圖中可以看出, 汽車在速度增加的情況下, 制動距離也不斷增加, 而且制動距離的增加幅度要大于運動速度的增加幅度。而且汽車制動距離與理論距離大致保持2m距離, 這2m距離就是根據駕駛員駕駛習慣預留出的安全距離Slim, 這充分說明了汽車防撞系統的安全性和有效性, 它能夠在安全距離附近將汽車剎住, 防止碰撞障礙物。

                          7、結論

                          設計了汽車主動防撞系統, 將系統分為四個部分, 包括信息提取、障礙物識別、目標跟蹤、安全狀態決策四個部分。使用了自適應最鄰域聚類算法辨識自車前方障礙物, 給出了基于當前統計模型的自適應Kalman濾波跟蹤方法, 提出了融入駕駛員駕駛習慣的預瞄安全距離模型, 使用實車實驗驗證了涉及系統的安全可靠性。

                          參考文獻
                          [1]高振海, 管欣, 郭孔輝.模糊決策理論在駕駛員行為研究中的應用[J].系統工程理論與實踐, 2001, 21 (6) :104-107. (Gao Zhen-hai, Guan Xin, Guo Kong-hui.The Application of Fuzzy Decision Theory in the Research of Driver Behavior[J].System EngineeringTheory&Practice, 2001, 21 (6) :104-107.)
                          [2]李玉芳.FMCW毫米波雷達系統中頻電路及信號處理研究[Z].上海微系統與信息技術研究所, 2002. (Li Yu-fang.Research on if Circuit and Signal Processing of FMCW Millimeter Wave Radar System[Z].Shanghai Institute of Microsystem and Information Technology, 2002.)
                          [3]吳濤.考慮駕駛員避撞行為特性的汽車前方防碰撞系統研究[D].長春:吉林大學, 2014. (Wu Tao.Study on Forward Collision Avoidance System Considering Drivers’Collision Avoidance Behavior Characteristic[D].Changchun:Jilin University, 2014.)
                          [4]鄒媛.車聯網節點定位及監控系統的設計與研究[D].上海:上海交通大學, 2015. (Zhou Yuan.Design and Research of Vehicular Networking’s Node Location and Monitoring System[D].Shanghai:Shanghai Jiaotong University, 2015.)
                          [5]饒衛振, 金淳, 黃英藝.求解TSP問題的最近鄰域與插入混合算法[J].系統工程理論與實踐, 2011, 31 (8) :1419-1428. (Yao Wei-zhen, Jin Chun, Huang Ying-yi.Hybrid Algorithm of the Nearest Neighbor and Insertion for the Traveling Salesman Problem[J].System Engineering-Theory&Practice, 2011, 31 (8) :1419-1428.)
                          [6]黃偉平, 徐毓, 王杰.基于改進“當前”統計模型的非線性機動目標跟蹤算法[J].控制理論與應用, 2011, 28 (12) :1723-1728. (Huang Wei-ping, Xu Min, Wang Jie.A Nonlinear Maneuver-tracking Algorithm Based on Modified Current Statistical Model[J].Control Theory&Applications, 2011, 28 (12) :1723-1728.)
                          [7]黃偉平, 徐毓, 王杰.基于改進“當前”統計模型的轉彎機動跟蹤算法[J].控制與決策, 2011, 26 (9) :1412-1416. (Huang Wei-ping, Xu Min, Wang Jie.Algorithm based on modified current statistic mode for turn maneuver[J].Control and Decision, 2011, 26 (9) :1412-1416.)
                          [8]王向華, 覃征, 楊新宇.基于多次卡爾曼濾波的目標自適應跟蹤算法與仿真分析[J].系統仿真學報, 2008 (23) :6458-6460. (Wang Xiang-hua, Tan Zheng, Yang Xin-yu.Adaptive Algorithm Based on Multi-Kalman Filter for Target Tracking and Simulation Analyses[J].Journal of System Simulation, 2008 (23) :6458-6460.)
                          [9]符拯, 王書滿, 劉丙杰.自適應卡爾曼濾波的最新進展[J].戰術導彈技術, 2009 (6) :62-66. (Fu Zheng, Wang Shu-man, Liu Bing-jie.An Overview of the Development of Adaptive Kalman Filtering[J].Tactical Missile Technology, 2009 (6) :62-66.)
                          [10]吳祚龍.駕駛員預瞄的改進算法及其輸入信息融合的研究[D].長春:吉林大學, 2011. (Wu Zuo-long.Research on Improved Algorithm for Driver Preview and Fusion of Input Information[D].Changchun:Jilin University, 2011.)

                          相關內容
                          好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。
                          所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
                          如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
                          免费看男阳茎进女阳道视频