智能汽车综述Word文件下载.docx
- 文档编号:16732228
- 上传时间:2022-11-25
- 格式:DOCX
- 页数:9
- 大小:70.14KB
智能汽车综述Word文件下载.docx
《智能汽车综述Word文件下载.docx》由会员分享,可在线阅读,更多相关《智能汽车综述Word文件下载.docx(9页珍藏版)》请在冰豆网上搜索。
intelligentvehicle;
;
automobilesafety;
keysupportingtechnologies
1、前言
智能车辆也叫无人车辆,是一个集环境感知、规划决策和多等级辅助驾驶等功能于一体的综合系统。
它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术,是典型的高新技术综合体。
它具有道路障碍自动识别、自动报警、自动制动、自动保持安全距离、车速和巡航控制等功能。
它的主要点是在复杂的道路情况下,能自动地操纵和驾驶车辆绕开障碍物并沿着预定的道路或者轨迹行进。
智能车辆在原车辆系统的基础上要由计算机处理系统、摄像机和些传感器组成。
摄像机主要用来获得道路图像信息,车速传感器用获得当前车速,障碍物传感器用获得前方、侧方、后方障碍物信息,计算机处理系统主要完成对来自摄所获取的图处、增强、分析、识别等工作。
智能车辆基本原理如图1所示。
智能汽车指的是利用多种传感器和智能公路技术实现的汽车自动驾驶。
它有一套导航信息资料库,存有全国公路以及各种服务设施的信息资料以及GPS定位系统、道路状况信息系统、车辆防碰系统等。
它集中运用了计算机、现代传感、通讯、人工智能及自动控制等技术。
目前对智能车辆的研究主要是针对汽车的安全性、舒适性以及人车交互界面。
智能车辆的主要特点是以技术弥补人为因素的缺陷,使得即便在很复杂的道路情况下,也能自动地操纵和驾驶车辆绕开障碍物行驶。
智能汽车不需要人去驾驶,人只舒服地坐在车上享受这高科技的成果就行了。
因为这种汽车上装有相当于汽车的“眼睛”、“大脑”和“脚”的电视摄像机、电子计算机和自动操纵系统之类的装置,这些装置都装有非常复杂的电脑程序,所以这种汽车和人一样会“思考”、“判断”、“行走”,可以自动启动、加速、刹车,可以自动绕过地面障碍物。
在复杂多变的情况下,它的“大脑”能随机应变,自动选择最佳方案,指挥汽车正常、顺利地行驶。
美国的研究人员目前也在设计一款新的智能汽车,这款智能汽车可以自动分析道路状况和车流量,能够提示即将到来的风险并做出正确的驾驶选择,避免车祸发生。
智能汽车非常贴心聪明,如果看到你因忙于应付复杂的交通状况而不希望分心,它可以帮着关掉手机;
或者在怀疑你因注意力分散而不足以应付路况时,向你提出一些用以提高警惕性的针对性问题。
当遇到交通阻塞的情况时,导航系统将引领驾驶员绕道而行。
并且随机应变,依据不同的道路状况和速度变化状况自动启动、加速或刹车。
智能车辆有着十分广泛的应用前景。
世界上许多国家也都在积极进行智能车辆的研究,最典型的应用就是在智能运输系统ITS上的应用。
这主要体现在它有利于缓解交通状况,减轻交通拥挤与交通阻塞。
同时,减少恶性交通事故的发生,提高车辆行驶安全性。
智能车辆本身可以完成道路识别、道路跟踪和障碍避让等,在驾驶员长时间驾车疲劳的情况下,它还可以接替驾驶员自动驾驶,可以完成自动转向、自动制动等操作,减轻驾驶员工作量。
智能车辆在舒适性、友好的人车环境和信息化等方面也有很多优点。
智能车辆在智能物流运输方面的应用也是不容忽视的。
对于仓库,特别是有害、有毒物品的仓库,采用建立在智能车辆技术基础上的仓库智能车辆物流运输平台完成物流自动运输,既可以提高运输效率,又可以避免有害物质对人体的伤害,有效地完成有毒作业。
智能车辆还被广泛应用于军事领域,美国的DEMOIII项目的研究就是指第三代军用无人驾驶车的研究。
智能车辆在军事领域被广泛应用于巡逻、侦察、攻击、战场运输、扫雷和导弹发射等诸多方面。
在未来战争中,使用智能车辆代替人员在核、生物、化学污染区进行侦察、巡逻与污染程度的采样工作,可以更加准确的搜集、掌握相关信息,并可以有效地避免人员伤亡,提高执行任务的效率和安全性。
同时,无人驾驶的进攻性武器系统是现代军事技术的发展方向之一,智能车辆的发展为无人攻击车提供技术支持平台。
2、智能车辆研究
目前,智能车辆的研究主要是基于模糊控制理论、人工神经网络技术和神经模糊技术等人工智能的最新理论和技术而开展研究工作的。
2.1基于模糊控制理论的智能车辆研究
操纵车辆实质上可被看作是一个多输入、多输出、输入输出关系复杂多变、不确定多干扰源的复杂非线性系统的控制过程。
驾驶员对汽车的认识是建立在模糊认识的基础之上的,如对汽车速度的认识就是车速很快、快、较快、较慢、慢,对汽车的转向操纵是左转大、左转小、零、右转大、右转小等。
基于模糊控制理论的车辆的引导控制系统,即车辆模糊引导控制系统是使各车辆都装有该系统的车队保持前后车辆的合适车距,由引导车辆引导随后的车辆自动行驶。
它利用节气门开度值引导车辆的即时速度,根据车辆的前视距离和前视距离的变化来确定模糊控制系统对车速和转向进行控制,从而完成车辆的自动行驶。
模糊汽车模型和模糊驾驶员控制模型是在汽车-驾驶员-环境闭环系统的研究中,模仿人类驾驶员操纵和驾驶车辆的行为。
而且,模糊汽车模型和模糊驾驶员控制模型通过了试车实验,结果表明是可行的,这在一定程度上反映了驾驶员的智能行为。
2.2基于人工神经网络技术的智能车辆研究
人工神经网络在更高层次上体现了人脑的智能行为,神经网络为解决非线性系统、模型未知系统的控制问题提供了新的思路。
人工神经网络在智能车辆的研究中主要是用于智能驾驶员控制模型的建立,这种模型实质是一种智能控制系统,用于车辆的智能化操纵,部分或全部地代替人类驾驶员。
美国密歇根大学交通研究所提出的基于神经网络的汽车转向智能控制系统就是人工神经网络在智能车辆研究中的一例。
该系统是根据来自能反应当前车辆相对于路面边缘的位置和运动取向的传感器信息,对驾驶员控制方向的模型进行模式辩识,以最终达到用神经网络模仿人的行为驾驶车辆的目的。
2.3基于神经模糊技术的智能车辆研究
不论模糊技术还是神经网络技术在智能车辆的研究中都发挥了巨大作用,然而它们自身又都存在一定的问题。
用神经网络解决问题时,在知识的推理上还存在相当大的困难;
而在知识的获取方面,模糊技术又显得十分软弱。
把神经网络和模糊技术结合起来,就能互相弥补其不足,使得知识的获取和加工成为一种较为容易实现的事情,在复杂的动态系统和高度不确定的情况下能获得优质的控制效果。
神经网络和模糊理论结合起来就产生了模糊神经网络学科。
国内外汽车工程界的专家和学者已经及时地把该技术用到了智能车辆的研究中。
除此以外,现代控制理论、自动导航技术等先进技术和理论也在智能车辆的研究中得到了广泛应用。
3、智能车辆的发展及关键技术
20世纪80年代以来,随着科学技术的发展,特别是计算机技术、信息技术、人工智能、电子技术的突飞猛进,智能车辆技术具有了实现的技术基础,并开始从20世纪90年代进入深入、系统、大规模研究阶段。
从20世纪80年代中后期开始,世界主要发达国家对智能车辆开展了卓有成效的研发工作。
在欧洲,普罗米修斯项目于1986年开始这个领域的探索。
1995年,美国政府成立了国家自动高速公路系统联盟(NA日SC),该机构的目标之一就是研究发展智能车辆的可行性,并促进智能车辆技术进入实用化。
1996年,日本成立了高速公路先进巡航/辅助驾驶研究协会,主要目的是研究自动车辆导航的方法,促进日本智能车辆技术的整体进步。
到目前为止,智能车辆领域的3次公开实验代表了国际上20世纪90年代智能车辆的研究水平,它们是:
1995年VaMP进行的从德国的Munich到丹麦的Odense的道路试验;
1995年RALPH系统在NavLabs5上进行测试,试验从美国宾夕法尼亚州开始,到加拿大的圣地亚哥结束;
1998年在汽车百年行活动中,A尺GO试验车由GOLO系统驾驶进行了穿越意大利近2000喻的道路试验。
我国开展智能车辆技术方面的研究起步较晚,20世纪80年代沈阳自动化研究所曾进行过采用地下埋线式导航的自动引导车辆(AGVS)的研究;
清华大学自动化系在20世纪90年代中期曾研究过一种采用图像识别来实现自动导航的智能车辆;
国防科技大学也在进行基于图像视觉导航的车辆研究;
北京理工大学近年来也在进行用GPS与数字地图导航的智能车辆方面的研究。
吉林大学智能车辆课题组1994年研制出了第一辆模型车JUTIV-l,实现了自主驾驶功能;
1998年课题组又研制出了JU丁IV-11型智能车,实现了车道线作为导航路径的自动导航,时速30km/h。
总之,我国在智能车辆技术方面总体上落后于世界上发达国家,20世纪90年代虽然做了一些初步的研究工作,但与发达国家相比仍存在一定的技术差距。
3.1感知技术
人类在驾驶汽车时所接受的信息几乎全部来自于视觉,交通信号、交通标志、交通图案、道路标志等均可以看作是环境对驾驶员的视觉通讯语言。
同时,人类在驾驶汽车时,通过对周围路面场景的观测来决定采取什么样的操作。
因此,选择机器视觉作为感知路面场景的传感器是一种很自然的选择。
视觉系统在智能车辆中主要用来识别车辆周围的交通环境,如确定车辆在车道中的位置和方位、车道的几何结构、检测车辆周围的障碍物如车辆和行人、识别交通标志和交通信号等。
当机器视觉用于智能车辆时必须具备实时性、鲁棒性和实用性三方面的技术特点。
实时性是指视觉处理系统的数据处理必须与车辆的高速行驶同步进行;
鲁棒性是指智能车辆对不同的道路环境如高速公路、市区标准公路、普通公路等,不同的路面环境如路面及车道标线的宽度、颜色、纹理、动态随机障碍与车流等,以及变化的气候条件如日照及景物阴影、黄昏与夜晚、阴天与雨雪等均具有良好的适应性;
实用性是指智能车辆在体积和成本等方面能够为普通汽车用户所接受。
智能车辆系统可靠运行的前提是通过各种传感器准确的捕捉环境和车辆自身的状态信息,并加工处理,随后发出预警或者自动操控车辆。
研究如何将传感器传来的信息加以有效处理、分析,并准确的确定环境和车辆自身的状态是非常重要的。
然而到目前为止,没有任何一种传感器能保证在任何情况下提供完全可靠的信息,采用多传感器融合技术,即将多个传感器采集的信息进行合成,形成对环境特征的综合描述的方法,能够充分利用多传感器数据间的冗余和互补特性,获得我们需要的、充分的信息。
目前,在智能车辆领域,除了视觉传感器外,常用的还有激光雷达、毫米波雷达、声纳、红外探测、磁导引、GPS等传感器。
3.2决策技术
在辅助驾驶或者自动驾驶技术中,需要依据感知系统获取的信息来进行决策判断,进而向驾驶员发出警告或者对车辆进行控制。
例如,在车道偏离警告系统和碰撞警告系统中,需要预测主车辆和其它车辆未来一定时间内的状态。
先进决策技术包括模糊推理、强化学习、神经网络和贝叶斯网络等技术。
3.3控制技术
对自动驾驶车辆或者辅助驾驶车辆来说,利用环境感知信息进行规划决策后需要对车辆进行控制,比如对路径的自动跟踪,此时性能优良的控制器成为了智能车辆必不可少的部分,成为智能车辆的关键。
智能控制代表着自动控制的最新发展阶段,是应用计算机模拟人类智能,实现人类脑力和体力劳动自动化的一个重要领域。
智能控制是一个新兴学科,包括递阶控制系统、专家控制系统、模糊控制系统、神经控制系统和学习控制系统等5个方面。
3.4其它
智能车辆的关键技术还包括车辆状态随机估计和智能车辆体系结构的研究等方面。
为了对车辆进行有效的控制,必须全面准确地获取车辆的自身状态参数,如车辆横摆角速度估计、汽车轮胎与路面之间的摩擦系数估计、以及车辆侧面碰撞模型的非线性动力学参数的辨识等。
由于智能车辆系统复杂程度高、综合性强,一般需要一组研究人员共同研究开发,同时为了使系统能够在有限的时间和计算资源内完成各功能,计算经常需要一定的并行性,由此产生这样的问题,将计算资源有效地分布在一组处理器上需要什么样的体系结构?
这就是智能车辆控制器体系机构所研究的问题。
4、智能车辆导航技术的发展
4.1智能车辆导航技术的研究现状
智能车辆导航技术的研究在早期主要侧重于对各种单一导航方式的研究,如视觉、引导磁钉或电缆、GPS等。
但每种导航方式都有自身固有的局限性和工作盲区,因此,自20世纪90年代末期以来,智能车辆的多传感器组合导航技术成为国内外的研究热点。
根据导航方式与原理的不同,目前,智能车辆所应用的导航技术主要可包括:
机器视觉、引导磁钉或引导电缆、惯性导航系统、全球定位系统/数字地图、多传感器组合导航技术
4.2机器视觉
在智能车辆的研究中,机器视觉具有检测范围广、信息容量大(结构化或者非结构化道路环境均能提供丰富的信息)、类似于人类驾驶决策且成本低廉等诸多优势,因此,受到了高度的重视,成为当前研究最多的导航技术。
目前,国内研制的智能车辆、以及国外的许多智能车辆都主要是依靠视觉来识别道路和障碍物,进而经过局部路径规划实现对车辆方向的控制。
为实现车辆的自主驾驶,视觉技术应具备实时性与鲁棒性等特点。
为保证视觉系统的实时性和鲁棒性,可以采用高性能的硬件设备,但研究高效的识别算法也是至关重要的。
应当指出,天气状况和光线的变化对机器视觉影响很大,在光照条件不好或无光照的情况下单纯依靠视觉无法保证能够进行可靠的检测与导航。
这也是机器视觉的不足之处。
4.3引导磁钉或引导电缆
这种导航技术通过在车道下埋设磁钉或电缆来为智能车辆提供导航信息。
其优点是具有较好的环境适应能力,它在雨天、冰雪覆盖、光照不足、无光照的情况下都可以提供可靠的导航信息。
其不足之处在于探测范围小,且需要对现行的道路设施做较大的改造,美国Chrysler公司和日本丰田公司的室外驾驶机器人均采用了电缆引导的方式,著名的美国PATH项目以及美国明尼苏达州的高速公路自动扫雪车采用了磁性导航方式。
4.4惯性导航系统
惯性导航系统(StrapdownInertialNavigationSystem,SINS)是一种完全自主式的导航系统,因此具有隐蔽性好、抗干扰、不受任何气象条件限制的优点,此外还具有数据更新率快、短期精度高和稳定性好等特点。
长期以来,惯性导航系统的研究和应用一直以军事应用为主要目的。
这主要是由于惯性导航系统的成本较高,难以在民用领域得到应用。
近年来,低成本惯性测量器件(InertiaMeasurementUnit,IMU)的研究取得了快速的发展,为民用领域采用捷联惯性导航系统创造了条件。
但是,短期内民用导航领域的惯性测量器件不可能具有较高的精度,使得SINS在较短时间内就会累积较大的导航误差。
显然,这无法满足智能车辆长时间、高精度的导航要求。
因此,在现有条件下,一般不单独采用SINS,而是将它与其它导航设备组合构成组合导航系统。
这样不仅可以修正SINS的累积误差,而且还保留了SINS自身的优势。
4.5全球定位系统/数字地图
全球定位系统(GlobalPositioningSystemGPS)能够为全球用户实时而全天候地提供三维位置三维速度和时间信息,并且没有累积误差。
而载波相位差分GPS技术(CarrierphasedifferentialGPS,CP-DGPS)已可以达到厘米级的动态测量精度。
目前,车载数字地图(DigitalMap,DM)技术得到了较大的发展与应用。
车载数字地图基本上用于辅助驾驶,主要是为了给驾驶员提供位置信息、路径规划与诱导信息等。
在车辆的自主驾驶研究中,同样可以利用DM进行导航与路径引导。
但由于应用背景的特殊性,在精度、内容和功能上对数字地图提出了特殊的要求,需要进行专门的制作。
GPS/DM导航技术的诸多优势,使得该技术在智能车辆的自主驾驶研究中也受到了重视与应用。
在实现智能车辆的方向控制与道路跟踪中,主要就是依靠高精度载波相位差分GPS/数字地图所提供的导航信息。
需要指出的是,GPS技术也存在一些不足,如CP-DGPS信号在不利的环境条件下,会产生失锁和周跳等问题,并且其接收机的信号输出频率较低,有时不能满足车辆载体对更新频率的要求。
4.6多传感器组合导航技术
智能车辆在实际运行中,外部环境总是复杂多变的。
在这种情况下,为保证自主驾驶过程的高度可靠,仅靠上述任何一种传感器来获取可靠的导航信息是不切实际的。
因此,近年来,智能车辆的多传感器组合导航技术研究受到了国内外学者的普遍关注。
Manabu1999年采用直接Kalman滤波方法将CP-DGPS(CarrierPhase-DifferentialGPS)与车辆速度、横摆角速率等信息进行融合,利用融合结果与数字地图相匹配所得的导航信息实现了对智能车辆的控制。
KeithA2001年提出了一种基于扩展kalman滤波的智能车辆DGPS/INS/数字地图组合导航方法。
Jó
seEN.2005年在方向控制的导航中采用了CP-DGPS/数字地图组合。
但是,上述研究均采用了直接融合方法,导航频率低(均≤20Hz),惯性器件的优势没有得到充分发挥,且融合是针对二维平面,所提供的导航信息量少,应用局限性较大。
JayAF和YangY等2000年采用间接Kalman滤波将CP-DGPS与SINS(捷联惯性导航)进行融合,在三维空间上取得了100Hz、厘米级的导航输出,足以满足智能车辆方向控制要求,充分发挥了GPS与SINS各自的优势并克服了各自的不足,但容错能力有待提高。
为使导航系统具有一定的容错能力,YangY.C.2003年提出了一种CP-DGPS/SINS/磁性传感器集中式Kalman滤波组合导航方法,同样取得了高频率、高精度导航输出,且GPS短时(5s)中断时,依靠磁性传感器/SINS组合仍能为方向控制提供可靠的导航输出,但集中式滤波结构的容错能力有限,还需要对现有高等级道路做磁性化改造,成本高、难度大。
5、智能车辆导航技术的发展趋势
正如前文所言,任何一种车辆导航传感器都有其局限性。
为适应复杂环境下的智能车辆导航要求,采用多传感器并实现它们的有机融合是最有效、最可靠的手段。
多传感器组合导航系统利用各个传感器在时间和空间上的冗余性和互补性,扩大系统的时空和频率覆盖范围,增加信息维数,避免单一导航传感器的工作盲区,提高导航系统的工作性能与可靠性,直至增强导航系统的容错性能和适应复杂环境的能力。
因此,智能车辆采用多传感器组合导航技术已成为今后的发展趋势。
但是,智能车辆多传感器组合导航研究仍处于发展之中,目前还没有成熟可靠的模式与方法。
国内外目前已提出的组合导航方法在可靠性、智能性和容错性等方面仍然满足不了较为复杂环境下智能车辆的导航要求,在许多方面仍需开展大量深入的研究,而下面三个将是最主要的几个方面:
5.1低成本、小型化和高可靠性的车载导航传感器研究
为使智能车辆的导航系统能够适应复杂的环境,一方面要求车载导航传感器要具有很高的工作可靠性和抗干扰能力,另外还应针对民用级的特点,注重低成本、低功耗与小型化。
因此,研制高性价比的车载导航传感器将是一个重要的研究领域,以期从元器件级别来提高导航可靠性。
如对于视觉导航,应研制能够适应大动态光线范围的CCD摄像头,以满足户外道路环境的要求。
再如对于惯性导航,近年来随着MEMS技术的快速发展,深入研究低成本的硅微陀螺、硅微加速度计和微型惯性测量组合等,使其性能和可靠性不断地提高,以满足车载惯性导航领域的巨大需求。
5.2智能车辆多传感器组合导航模型与机理的研究
不同的车辆导航传感器由于工作原理的不同,所提供的信息在表现形式、采样频率以及时空特性上都有所不同,从不同方面反映车辆的导航状态。
例如,GPS能够提供车辆的三维空间位置和速度等信息,视觉传感器能够测量车辆相对道路中心的位置。
为使这些具有互补性或冗余性的传感器信息得以最大限度地综合利用,避免单个传感器的工作盲区,需要深入研究各种车载导航传感器的工作机理,进而建立适当的多传感器组合导航模型,以期使导航系统具有系统级的故障自诊断、隔离和容错能力,适应复杂环境下的可靠性导航要求。
5.3信息融合方法的研究
目前,在导航领域研究和应用的信息融合方法主要有Kalman滤波、贝叶斯估计法与D-S证据推理等等,其中以Kalman滤波最多。
Kalman滤波具有良好的实时性,但它是建立在严格的数学模型的基础上。
当导航模型存在较大建模误差或者系统特性发生变化时往往会导致滤波发散。
为提高滤波算法的稳健性和自适应能力,可针对智能车辆的导航要求与特点,研究适当的自适应Kalman滤波算法、鲁棒滤波算法(如H∞滤波)或智能滤波(如模糊推理、神经网络以及专家系统)方法等。
6、结束语
高可靠性导航是实现智能车辆安全无人驾驶的前提和基础,一直是国内外智能车辆界的研究重点和难点。
本文探讨了智能车辆导航技术的研究现状与发展方向,希望能对智能车辆导航技术的发展起到积极的促进作用。
车辆智能化是汽车工业今后的发展方向,也是人们对汽车安全性要求越来越高的必然趋势。
汽车-驾驶员-环境系统是一个复杂、多变、非线性的大系统,因此智能车辆的研究技术难度也很大。
但是随着计算机技术和信息技术为代表的高新技术的发展,人工神经网络、模糊控制、神经模糊技术、虚拟实现等新技术、新思想的出现,智能车辆的研究将会有突破性进展。
智能车辆系统的实用化是智能车辆发展的前进方向,在未来的研究中,研制适应性强、环境适应能力更好的智能车辆将成为智能车辆研究的重要任务。
我国智能车辆的发展起步比较晚,技术水平落后。
因此,针对我国的具体情况,应当有重点、有侧重的开展智能车辆技术方面的研究,努力加快缩短与发达国家之间差距的步伐,提高我国智能车辆水平。
参考文献:
[1]徐有春,王荣本,李兵等.世界智能车辆近况综述[J].汽车工程,2001,23(5).
[2]柴干,赵倩
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 汽车 综述
![提示](https://static.bdocx.com/images/bang_tan.gif)