發(fā)布時間：2024-07-04 08:53

　　隨著人民生活水平的提高和消費理念的升級,汽車已經(jīng)成為國民出行的標準交通工具,汽車總量不斷攀升,交通安全問題越來越受到人們的重視。汽車智能化是提高汽車安全的一條有效途徑。然而,從當前的科技水平來看,我們距離實現(xiàn)完全自動駕駛還有很長的一段路要走,智能汽車在很長一段時間內(nèi)仍離不開駕駛員。采用人車協(xié)同控制的智能駕駛方案將會是未來智能汽車發(fā)展的一個重要研究方向�，F(xiàn)有的協(xié)同控制方法往往忽略了駕駛員對控制權(quán)被分割或剝奪后的抵觸反應,存在潛在的因駕駛員抵觸而導致的危險。據(jù)此,本文依托國家自然科學基金項目“基于駕駛員特性的新型線控轉(zhuǎn)向系統(tǒng)控制機理和評價方法”(編號:51575223),提出基于博弈論的人車協(xié)同控制策略,綜合考慮駕駛員的駕駛意圖和協(xié)同控制中駕駛員的各種可能的反饋策略,以跟隨目標路徑為場景展開研究,實現(xiàn)人車協(xié)同控制下對目標路徑的跟隨。主要工作如下:(1)采集樣本。結(jié)合Labview、CarSim軟件與NI-PXI硬件等搭建駕駛模擬器,構(gòu)建駕駛員轉(zhuǎn)向與直行所需的虛擬駕駛環(huán)境,采集并處理駕駛員左、右轉(zhuǎn)向與直行的駕駛數(shù)據(jù),將其作為駕駛意圖識別模型所需的訓練樣本和測試樣本。(2)搭建駕駛意圖識別模型...

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【部分圖文】：

圖2.1模擬駕駛試驗臺

結(jié)合LabVIEW以及實時仿真系統(tǒng)PXI機箱搭建硬件在環(huán)仿真試驗平臺，如圖2.1所示。采集駕駛員駕駛過程中的操作數(shù)據(jù)和車輛狀態(tài)參數(shù)，并對數(shù)據(jù)進行預處理作為駕駛意圖識別的訓練樣本和測試樣本。圖2.1模擬駕駛試驗臺

圖2.4仿真場景圖

圖2.4仿真場景圖況設計好以后，為采集駕駛員駕駛操作數(shù)據(jù)，安排了20名行駕駛模擬試驗。由于試驗使用的虛擬多邊形道路在同一為采集到同一個駕駛員在相同的道路條件下的左右轉(zhuǎn)向操驗時，安排駕駛員順時針和逆時針各駕駛一圈。在順時針據(jù)作為右轉(zhuǎn)向操作數(shù)據(jù)，其他時刻的操作數(shù)據(jù)作為直行操員....

圖3.4線性可分時SVM分類示意圖

于統(tǒng)計學習理論和最小化結(jié)構(gòu)風險原則設計的算法樣本分隔開，且最優(yōu)超平面能將不同類別樣本間擅長解決小樣本、非線性、高維度、過學習和二分性可分和非線性可分兩種情況。對于非線性可分數(shù)將樣本映射到高維空間中，構(gòu)造非線性SVM非線性可分情況下SVM分類的基本思想。，線性二分類的目的就....

圖5.1不同納什均衡之間的關系

為“占優(yōu)戰(zhàn)略”，如果所有的參與人都有占優(yōu)戰(zhàn)略存衡稱為“占優(yōu)均衡”。然而絕大多數(shù)博弈中，占優(yōu)過程中能找到參與人的劣策略，剔除構(gòu)造新的博弈策此重復，直到出現(xiàn)唯一的戰(zhàn)略組合，則將這唯一的戰(zhàn)“重復剔除的占優(yōu)均衡”。都屬于純戰(zhàn)略博弈，對應的納什均衡都屬于“純戰(zhàn)略者在策略選擇時會對某一策略以....

本文編號：4000407