摘要：人机交互已成为智能汽车设计的核心要素之一,针对人机协同转向控制问题,提出一种基于强化学习的智能汽车变阻抗人机交互方法。首先基于虚拟阻抗的思想提出针对转向控制的人机交互框架,用于描述控制权分配的连续过程;其次在此基础上,设计基于变阻抗的人机协同转向控制算法,通过改变虚拟阻抗动态调整控制权分配;再次开发基于深度确定性策略梯度(Deep deterministic policy gradient,DDPG)的阻抗调协策略,根据驾驶人操纵行为确定虚拟阻抗;最后进行驾驶人在环试验,试验结果表明,与常规方法相比,所提出的方法能够使自动驾驶系统根据驾驶人的操纵行为让渡一定的控制权给驾驶人,人机交互过程平稳、柔和,易于驾驶人适应,对驾驶人的影响更小,降低了驾驶人的操纵负荷,同时自动驾驶系统还能够生成适当大小的控制转矩向驾驶人表达自身的驾驶意图,实现有效的人机交互。

摘要：人机共驾是现阶段汽车智能化发展的必经之路,在人机共驾中为了避免人机冲突,对驾驶人的人机共驾状态进行识别是实现和谐人机共驾的基础。然而现有研究较少考虑了该状态,同时相关识别方法多基于驾驶人生理信息,导致应用繁琐,不具备实用性。为此,设计了一种能够测量握力分布的智能方向盘系统硬件架构,并在此基础上开发了基于握力分布的驾驶人人机共驾状态识别方法。首先搭建了能够测量驾驶人双手握力分布的智能方向盘系统,在此基础上利用驾驶人在环试验台采集了15名驾驶人在不同人机共驾状态下的试验数据;然后根据试验数据通过递推最小二乘法对驾驶人的上肢肌肉阻抗特性参数进行了辨识,分析了不同状态下的驾驶人上肢肌肉特性;最后基于门控循环单元(Gated Recurrent Unit,GRU)构建了Hybrid-GRU(H-GRU)模型,将回归任务与分类任务混合,利用辨识得到的肌肉阻抗特性结果对模型中的回归部分进行预先训练,使模型具备了一定的先验知识,实现了从驾驶人握力分布到人机共驾状态的映射,并将H-GRU模型与常规GRU模型和支持向量机模型进行对比测试。结果表明:所建立的模型总体分类准确率达到97.59%,相比常规GRU模型和支持向量机模型分别提升6.97%和33.02%。所提出的基于方向盘握力分布的人机共驾状态识别方法不仅能够准确辨识驾驶人人机共驾状态,还能够输出驾驶人肌肉阻抗特性参数,可为驾驶人建模或人机共驾策略开发等提供帮助。

摘要：提出了考虑驾驶人驾驶习性的自适应车道偏离预警策略.通过实车驾驶数据采集平台采集驾驶人的驾驶行为数据,并基于模糊聚类对驾驶数据进行聚类处理,进而利用广义回归神经网络(GRNN)模型实现了驾驶人驾驶习性辨识策略;建立车道偏离时间估算模型,设计个性化的车道偏离预警系统;最后,通过驾驶模拟器进行测试验证.结果表明,所提出的考虑驾驶人驾驶习性的自适应车道偏离预警策略能够在有效辨识驾驶人驾驶习性的基础上,提高车道偏离预警的适用性.

摘要：利用车辆动力学响应进行地面分类是越野智能汽车的关键技术之一。本文中提出了结合地面不平整度特征和力学特征进行越野地面分类的方法,对沙地、土路、水泥路和雪地进行分类。本方法中选取等效地面轮廓和车身垂向加速度作为地面不平整度特征,选取行驶阻力和轮速波动作为力学特征,设计了基于LSTM模型的越野地面分类器,对自行采集的车辆越野行驶数据集进行训练与测试,结果表明,分类正确率达到95.5%;最后,使用HMM模型实现了分类后处理,解决了分类结果在连续数据上跳变的问题,使该算法在连续越野数据上的地面分类正确率从88.44%提高到90.13%。

摘要：那天去杭州定安路工作室拜访她，是在一个慵懒的午后，从西子湖畔吹过来的空气里，有一丝温润的暖意，还有一缕清新的草木香味，一如坐在我对面的中国美术学院设计艺术学院院长吴海燕教授。