CN109572692B - 一种电控车辆防冲撞系统的控制方法 - Google Patents

Abstract

本发明公开了一种电控汽车防冲撞系统，包括：处理系统，其设置在汽车中控台内部；监测单元，其电连接所述处理系统的输入端，用于监测汽车行驶信息和路况信息；控制器，其设置在所述中控台内部，并电连接所述处理系统的输出端；报警系统，其设置在所述中控台外部，并电连接所述控制器的输出端；调节单元，其设置在所述报警系统一侧，并电连接所述控制器的输出端。通过监测系统对汽车行驶过程中的车速和路况进行监测，并随着路况对车速进行调整，在出现紧急情况时进行预警。本发明还提供一种电控汽车防冲撞系统的控制方法。

Description

一种电控车辆防冲撞系统的控制方法

技术领域

本发明涉及一种电控车辆防冲撞系统的控制方法，属于汽车安全领域。

背景技术

随着经济的发展，人们的生活质量水平逐渐提高，汽车日趋成为人们生活中的主要交通代步工具，近年来，汽车保有量不断增加，在汽车保有量增加的同时，交通事故量也在不断攀升，交通事故的与日俱增严总威胁了人们的生命财产，甚至会给家庭带来沉重的灾难。因此汽车驾驶安全操作和提醒，不但对驾驶员自身的生命具有重要影响，还能提高车辆行驶的安全系数。

目前，人们将大部分注意力集中在车辆的被动安全上，比如安装保险杠、安全带、安全气囊等，以减少在出现冲撞情况给驾驶者或乘车者造成伤害。这些主动措施只有在发生碰撞时能够起到保护作用，有时甚至还会起到反作用。因此这些被动安全防护措施在车辆发生冲撞时能够很好的保护乘驾人不受伤害

发明内容

本发明设计开发了一种汽车防冲撞系统，通过监测系统对汽车行驶过程中的车速和路况进行监测，并随着路况对车速进行调整，在出现紧急情况时进行预警。

本发明还设计开发了一种汽车防冲撞系统的控制方法，能够对汽车行驶信息和路况信息进行采集，控制汽车与相邻前车的安全距离，提高汽车行驶的安全性。

本发明的另一发明目的，通过BP神经网络控制汽车行驶过程中的速度，保证汽车在行驶过程中与前车的安全距离，防止发生冲撞，并在出现紧急情况时进行预警。

本发明提供的技术方案为：

一种汽车防冲撞系统的控制方法，包括：

所述电控车辆防冲撞系统包括：

处理系统，其设置在汽车中控台内部；

监测单元，其电连接所述处理系统的输入端，用于监测汽车行驶信息和路况信息；

控制器，其设置在所述中控台内部，并电连接所述处理系统的输出端；

报警系统，其设置在所述中控台外部，并电连接所述控制器的输出端；

调节单元，其设置在所述报警系统一侧，并电连接所述控制器的输出端；

存储单元，其设置在所述中控台内部，并与所述处理系统双向电连接，用于路况信息存储；

影像单元，其设置在汽车前挡风玻璃中间，用于采集车辆行驶过程中的路况信息；

其中，所述监测单元包括：

红外测距传感器，其设置在汽车的前部，用于测量汽车与相邻前车之间的距离；

车速传感器，其设置在汽车底盘上，用于测量汽车行驶速度；

多个振动传感器，其设置在车辆各轮毂上，用于检测汽车行驶时的振幅和振动频率；

油门踏板开度传感器，其设置在车辆油门踏板上，用于测量汽车行驶过程中的油门踏板开度；

所述电控车辆防冲撞系统的控制方法包括：

在汽车行驶过程中，按照采样周期，通过监测单元的各传感器对汽车行驶信息和路况信息进行采集，控制汽车与相邻前车的安全距离，安全距离的经验公式为：

其中，λ为校正系数，d₀为标准安全距离，v_max为汽车行驶的最大速度，v_min为汽车行驶的最小速度，v为汽车行驶速度，L为汽车车身长度，A为汽车行驶的振幅值，α为汽车行驶的油门踏板开度；

所述校正系数λ的经验公式为：

其中，γ为阻力系数，S为汽车车身的实际迎风面积，S₀为标准车身迎风面积，T为汽车行驶时的环境温度、T₀为标准环境温度，σ为路面粗糙度系数，RH汽车行驶时的环境湿度，

为标准环境湿度，P为汽车行驶时的环境大气压，P₀为标准大气压力，e为自然对数底数。

为了保证汽车在行驶过程中与前车的安全距离，防止发生冲撞，通过BP神经网络对汽车在行驶过程进行速度控制，并在紧急情况下进行预警，具体包括如下步骤：

步骤1、按照采样周期，通过监测单元的各传感器，对汽车在行驶过程中的行驶速度v、油门踏板开度α、与相邻前车的距离H以及汽车在行驶过程中的振幅A进行测量；

步骤2、依次将参数进行归一化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄}；其中，x₁为汽车行驶速度系数、x₂为油门踏板开度系数、x₃为为与相邻前车的距离系数、x₄为汽车行驶过程中的振幅系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}；o₁为汽车减速信号、o₂为报警信号，所述输出层神经元值为

k为输出层神经元序列号，k＝{1,2}；其中，当o₁为1时，汽车正常行驶不减速，当o₁为0时，汽车减速；当o₂为1时，路况正常，报警系统不工作，当o₂为0时，路况异常，报警系统进行报警。

优选的是，在所述步骤2中，将所述汽车行驶速度v、油门踏板开度α、与相邻前车的距离H以及汽车在行驶过程中的振幅A进行归一化的公式为：

其中，x_j为输入层向量中的参数，X_j分别为测量参数v、α、H和A，j＝1,2,3,4；X_jmax和X_jmin分别为相应测量参数中的最大值和最小值。

优选的是，所述中间层节点个数m满足：

其中，n为输入层节点个数，p为输出层节点个数；所述中间层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。

本发明所述的有益效果：采用电控汽车防冲撞系统，通过监测单元对汽车行驶过程中的行驶信息和路况信息进行监测，并在出现紧急情况时进行预警，防止汽车在行驶过程中发生冲撞。控制汽车与相邻前车的安全距离，提高汽车行驶的安全性。同时，基于BP神经网络对汽车在行驶过程中的车速进行调节，保证与前车的安全距离，防止发生冲撞，并在出现紧急情况时进行预警，防止在汽车行驶过程中因受到意外冲撞而导致驾驶员和乘车人员在行驶过程中受到的伤害，是汽车的安全性能更高。

附图说明

图1为本发明所述的电控汽车防冲撞系统的控制策略示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供一种电控车辆防冲撞系统，本发明提供一种电控车辆防冲撞系统，能够在汽车的行驶过程中，进行安全防护和报警，提高汽车行驶的安全性。具体包括：处理系统、监测单元、存储单元、影像单元、控制器、调节单元以及报警器。

处理系统设置在汽车驾驶室内的中控台内部，能够对接收到的信息进行处理和传递，监测单元用于对汽车行驶过程中的行驶信息和路况信息进行采集，并将采集到的系信息传递给处理系统；存储单元设置在中控台内部，并与处理系统双向电连接，用于存储处理系统传递的信息。影像单元设置在汽车前挡风玻璃中间，并且影像单元的输入端与处理系统的输出端连接，用于在汽车行驶过程中图像的获取。控制器的输入端与处理系统的输出端电连接，能够接收来自处理系统传递的信息，控制器包括报警系统和调节单元，其中报警系统设置在中控台外部，在出现紧急情况时进行预警，防止汽车发生碰撞；调节单元设置在报警系统的一侧，对汽车的车速进行调节，保持汽车与前车的安全距离。

其中，监测单元包括红外测距传感器，其设置在汽车的前部，用于测量汽车与相邻前车之间的距离；车速传感器，其设置在汽车底盘上，用于测量汽车行驶速度；多个振动传感器，其设置在车辆各轮毂上，用于检测汽车行驶时的振幅和振动频率；以及油门踏板开度传感器，其设置在车辆油门踏板上，用于测量汽车行驶过程中的油门踏板开度。

通过采用电控汽车防冲撞系统对汽车行驶过程进行监测，防止汽车在行驶过程中出现冲撞的情况，提高汽车行驶的安全性。

本发明还提供一种电控汽车防冲撞系统的控制方法，在汽车行驶过程中，按照采样周期，通过监测单元的各传感器对汽车行驶信息和路况信息进行采集，控制汽车与相邻前车的安全距离，安全距离的经验公式为：

其中，λ为校正系数，d₀为标准安全距离，单位为m，v_max为汽车行驶的最大速度，单位为m/s，v_min为汽车行驶的最小速度，单位为m/s，v为汽车行驶速度，单位为m/s，L为汽车车身长度，单位为mm，A为车辆行驶的振幅值，单位为mm，α为汽车行驶的油门踏板开度。

校正系数λ的经验公式为：

其中，γ为阻力系数，S为汽车车身的实际迎风面积，单位为mm，S₀为标准车身迎风面积，单位为mm，T为汽车行驶时的环境温度，单位为℃，T₀为标准环境温度，单位为℃，σ为路面粗糙度系数，RH汽车行驶时的环境湿度，

为标准环境湿度，P为汽车行驶时的环境大气压，单位为Pa，P₀为标准大气压力，单位为Pa，e为自然对数底数。

通过BP神经网络控制汽车行驶过程中的速度，保证汽车在行驶过程中与前车的安全距离，防止发生冲撞，并在出现紧急情况时进行预警，提高汽车行驶的安全性，具体包括如下步骤：

步骤1、建立BP神经网络模型。

本发明采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示设备工作状态的n个监测信号，这些信号参数由数据预处理模块给出。第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共p个节点，由系统实际需要输出的响应确定。

该网络的数学模型为：

输入向量：x＝(x₁,x₂,...,x_n)^T

中间层向量：y＝(y₁,y₂,...,y_m)^T

输出向量：O＝(o₁,o₂,...,o_p)^T

本发明中，输入层节点数为n＝4，输出层节点数为p＝2。隐藏层节点数m由下式估算得出：

输入信号4个参数分别表示为：x₁为汽车行驶速度系数、x₂为油门踏板开度系数、x₃为汽车与相邻前车的距离系数、x₄为汽车行驶过程中的振幅系数

由于传感器获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。

将吸热板温度T、冷却泵的泵速ω、进水口的进水温度t₁、出水口的出水温度t₂进行归一化处理，公式为：

其中，x_j为输入层向量中的参数，X_j分别为测量参数v、α、H和A，j＝1,2,3,4；X_jmax和X_jmin分别为相应测量参数中的最大值和最小值.，采用S型函数，f_j(x)＝1/(1+e^-x)。

具体而言，对于汽车行驶速度v，进行归一化后，得到汽车行驶速度系数x₁：

其中，v_min和v_max分别为汽车行驶速度的最小值和最大值。

同样的，对于油门踏板开度α，进行归一化后，得到油门踏板开度系数x₂：

其中，α_min和α_max分别为油门踏板开度的最小值和最大值。

同样的，对于汽车与前车的距离H进行归一化后，得到汽车与前车的距离系数x₃：

其中，H_min和H_max分别为汽车与前车的距离的最小值和最大值。

同样的，对于汽车行驶过程中的振幅A进行归一化后，得到汽车行驶过程中的振幅系数x₃：

其中，A_min和A_max分别为汽车行驶时的振幅的最小值和最大值

输出信号的2个参数分别表示为：得到输出层向量o＝{o₁,o₂}；o₁为汽车减速信号、o₂为报警信号，所述输出层神经元值为

k为输出层神经元序列号，k＝{1,2}；其中，当o₁为1时，汽车正常行驶不减速，当o₁为0时，汽车减速；当o₂为1时，路况正常，报警系统不工作，当o₂为0时，路况异常，报警系统进行报警。

步骤2、进行BP神经网络训练。

根据历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值W_ij，隐层节点j和输出层节点k之间的连接权值W_jk，隐层节点j的阈值θ_j，输出层节点k的阈值θ_k、W_ij、W_jk、θ_j、θ_k均为-1到1之间的随机数。

在训练过程中，不断修正W_ij、W_jk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

(1)训练方法

各子网采用单独训练的方法；训练时，首先要提供一组训练样本，其中的每一个样本由输入样本和理想输出对组成，当网络的所有实际输出与其理想输出一致时，表明训练结束；否则，通过修正权值，使网络的理想输出与实际输出一致；

(2)训练算法

BP网络采用误差反向传播(Backward Propagation)算法进行训练，其步骤可归纳如下：

第一步：选定一结构合理的网络，设置所有节点阈值和连接权值的初值。

第二步：对每个输入样本作如下计算：

(a)前向计算：对l层的j单元

式中，

为第n次计算时l层的j单元信息加权和，

为l层的j单元与前一层(即l-1层)的单元i之间的连接权值，

为前一层(即l-1层，节点数为n_l-1)的单元i送来的工作信号；i＝0时，令

为l层的j单元的阈值。

若单元j的激活函数为sigmoid函数，则

且

若神经元j属于第一隐层(l＝1)，则有

若神经元j属于输出层(l＝L)，则有

且e_j(n)＝x_j(n)-o_j(n)；

(b)反向计算误差：

对于输出单元

对隐单元

(c)修正权值：

η为学习速率。

第三步：输入新的样本或新一周期样本，直到网络收敛，在训练时各周期中样本的输入顺序要重新随机排序。

BP算法采用梯度下降法求非线性函数极值，存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是Levenberg-Marquardt优化算法，它使得网络学习时间更短，能有效地抑制网络陷于局部极小。其权值调整率选为

Δω＝(J^TJ+μI)^-1J^Te；

其中，J为误差对权值微分的雅可比(Jacobian)矩阵，I为输入向量，e为误差向量，变量μ是一个自适应调整的标量，用来确定学习是根据牛顿法还是梯度法来完成。

在系统设计时，系统模型是一个仅经过初始化了的网络，权值需要根据在使用过程中获得的数据样本进行学习调整，为此设计了系统的自学习功能。在指定了学习样本及数量的情况下，系统可以进行自学习，以不断完善网络性能；

如表1所示，给定了一组训练样本以及训练过程中各节点的值

表1训练过程各节点值

步骤3、采集传感器运行参数输入神经网络得到汽车减速信号和紧急停车信号。

将训练好的人工神经网络固化在芯片之中，使硬件电路具备预测和智能决策功能，从而形成智能硬件。

同时使用传感器采集到的参数，通过将上述参数规格化，得到BP神经网络的初始输入向量

通过BP神经网络的运算得到初始输出向量

步骤4、监测调节单元和报警系统的工作状态。

根据输出层向量o＝{o₁,o₂}；o₁为汽车减速信号、o₂为报警信号，所述输出层神经元值为

k为输出层神经元序列号，k＝{1,2}；其中，当o₁为1时，汽车正常行驶不减速，当o₁为0时，汽车减速；当o₂为1时，路况正常，报警系统不工作，当o₂为0时，路况异常，报警系统进行报警。

通过上述设置，并通过监测单元对汽车行驶过程中的行驶速度V、油门踏板开度α、与相邻前车的距离H以及汽车在行驶过程中的振幅A进行测量，基于BP神经网络对汽车的速度进行调控，并在出现紧急情况时进行紧急停车报警，防止汽车出现碰撞事故，提高驾驶的安全性。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (3)

1.一种电控车辆防冲撞系统的控制方法，其特征在于，

所述电控车辆防冲撞系统包括：

处理系统，其设置在汽车中控台内部；

监测单元，其电连接所述处理系统的输入端，用于监测汽车行驶信息和路况信息；

控制器，其设置在所述中控台内部，并电连接所述处理系统的输出端；

报警系统，其设置在所述中控台外部，并电连接所述控制器的输出端；

调节单元，其设置在所述报警系统一侧，并电连接所述控制器的输出端；

存储单元，其设置在所述中控台内部，并与所述处理系统双向电连接，用于路况信息存储；

影像单元，其设置在汽车前挡风玻璃中间，用于采集车辆行驶过程中的路况信息；

其中，所述监测单元包括：

红外测距传感器，其设置在汽车的前部，用于测量汽车与相邻前车之间的距离；

车速传感器，其设置在汽车底盘上，用于测量汽车行驶速度；

多个振动传感器，其设置在车辆各轮毂上，用于检测汽车行驶时的振幅和振动频率；

油门踏板开度传感器，其设置在车辆油门踏板上，用于测量汽车行驶过程中的油门踏板开度；

所述电控车辆防冲撞系统的控制方法包括：

在汽车行驶过程中，按照采样周期，通过监测单元的各传感器对汽车行驶信息和路况信息进行采集，控制汽车与相邻前车的安全距离，安全距离的经验公式为：

其中，λ为校正系数，d₀为标准安全距离，v_max为汽车行驶的最大速度，v_min为汽车行驶的最小速度，v为汽车行驶速度，L为汽车车身长度，A为汽车行驶的振幅值，α为汽车行驶的油门踏板开度；

所述校正系数λ的经验公式为：

其中，γ为阻力系数，S为汽车车身的实际迎风面积，S₀为标准车身迎风面积，T为汽车行驶时的环境温度、T₀为标准环境温度，σ为路面粗糙度系数，RH汽车行驶时的环境湿度，

为标准环境湿度，P为汽车行驶时的环境大气压，P₀为标准大气压力，e为自然对数底数；

为了保证汽车在行驶过程中与前车的安全距离，防止发生冲撞，通过BP神经网络对汽车在行驶过程进行速度控制，并在紧急情况下进行预警，具体包括如下步骤：

步骤1、按照采样周期，通过监测单元的各传感器，对汽车在行驶过程中的行驶速度v、油门踏板开度α、与相邻前车的距离H以及汽车在行驶过程中的振幅A进行测量；

步骤2、依次将参数进行归一化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄}；其中，x₁为汽车行驶速度系数、x₂为油门踏板开度系数、x₃为为与相邻前车的距离系数、x₄为汽车行驶过程中的振幅系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}；o₁为汽车减速信号、o₂为报警信号，所述输出层神经元值为

k为输出层神经元序列号，k＝{1,2}；其中，当o₁为1时，汽车正常行驶不减速，当o₁为0时，汽车减速；当o₂为1时，路况正常，报警系统不工作，当o₂为0时，路况异常，报警系统进行报警。

2.根据权利要求1所述的电控车辆防冲撞系统的控制方法，其特征在于，在所述步骤2中，将所述汽车行驶速度v、油门踏板开度α、与相邻前车的距离H以及汽车在行驶过程中的振幅A进行归一化的公式为：

其中，x_j为输入层向量中的参数，X_j分别为测量参数v、α、H和A，j＝1,2,3,4；X_jmax和X_jmin分别为相应测量参数中的最大值和最小值。

3.根据权利要求2所述的电控车辆防冲撞系统的控制方法，其特征在于，所述中间层节点个数m满足：

其中，n为输入层节点个数，p为输出层节点个数；所述中间层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。

Images