導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 交通安全論文>>正文

基于主動安全防護(hù)的車輛側(cè)翻預(yù)警系統(tǒng)設(shè)計

文檔作者：任向陽許江淳黃生旺尚華王晴文檔來源： 1．昆明理工大學(xué)信息工程與自動化學(xué)院 2．中國科學(xué)院核能安全技術(shù)研究所		點擊數(shù)：	更新時間： 2020年12月04日
下載地址：點擊這里	文件大小： 270.10 KB 共4頁	文檔格式： PDF	下載點數(shù)： 1 點（VIP免費）

全屏查看

內(nèi)容預(yù)覽 [文件共4頁]

本文件共4頁，如需編輯使用，請下載。

注：預(yù)覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大?。?70.10 KB 共4頁文件格式：PDF 下載點數(shù)：1 點（VIP會員免費）

下一篇：高速轉(zhuǎn)向架非線性與高鐵車輛安全穩(wěn)定性裕度

上一篇：一種面向安全輔助預(yù)警的車輛相對位置判定…

文本預(yù)覽

僅提取頁面文字內(nèi)容，供快速閱讀使用。

2016年第2期 工業(yè)儀表與自動化裝置 ·39·
基于主動安全防護(hù)的車輛側(cè)翻預(yù)警系統(tǒng)設(shè)計
任向陽 ，許江淳 ，黃生旺 ，尚華 ，王晴
(1．昆明理工大學(xué)信息工程與自動化學(xué)院，昆明650500；
2．中國科學(xué)院核能安全技術(shù)研究所，合肥230000)
摘要：為了防止汽車在行駛過程中發(fā)生側(cè)翻，減少交通事故的發(fā)生，設(shè)計了一種基于嵌入式車
載平臺的主動安全防護(hù)的車輛側(cè)翻預(yù)警系統(tǒng)，通過傳感器對汽車行駛時的角速度和加速度進(jìn)行監(jiān)
測，利用改進(jìn)Sage—Husa自適應(yīng)卡爾曼濾波算法進(jìn)行數(shù)據(jù)融合得到汽車實時側(cè)傾角，當(dāng)監(jiān)測到車輛
側(cè)傾值達(dá)到側(cè)翻指標(biāo)門限值時，系統(tǒng)發(fā)出報警提醒駕駛?cè)藛T采取相應(yīng)措施，從而達(dá)到預(yù)防汽車側(cè)翻
事故的發(fā)生。系統(tǒng)仿真實驗結(jié)果表明：該系統(tǒng)有著良好穩(wěn)定的預(yù)警性能，能夠提高汽車的主動安全
性能。
關(guān)鍵詞：側(cè)翻預(yù)警；自適應(yīng)卡爾曼濾波算法；姿態(tài)檢測；汽車主動安全
中圖分類號：TP368．1 文獻(xiàn)標(biāo)志碼：A 文章編號：1000—0682(2016)02—0039—04
Design of vehicle rollover warning system based on the active safety protection
REN Xiangyang ，XU Jiangchun ，HUANG Shengwang ，SHANG Hua ，WANG Qing
(1．Faculty of Information Engineering and Automation，Kunming University of Science and Technology，Kunming 650500，China；
2．Institute of Nuclear Energy Safety Technology，Chinese Academy of Science，Hefei 230000，China)
Abstract：In order to avoid the vehicle rollover and to reduce traffic accidents，this paper designed a
proactive security protecting and preventing rollover warning system，which is based on the embedded ve—
hicle platform．The system can use sensors to monitor the palstance and acceleration of a running car．
The principle is fusing data by using a modified Sage—Husa self-adapting Kalman filtering algorithm to get
the car actual measured angle．When the car actual measured angle reaches the rollover threshold，the
system will send out alarm ing information to caution the driver to take corresponding measures．With the
result that it reduces the probability of vehicle rollover accident．The simulation experiment turns out that
the system has a well stabilized perform ance of alarm ing ability．It can improve the vehicle active safety．
Key words：rollover warning；self-adapting Kalman filtering algorithm；gesture measuring；vehicle
active safety
0 引言
交通安全與交通事故已經(jīng)成為當(dāng)今世界所共同
面對的一個重大社會問題，對于正處于快速發(fā)展過
程中的我國來講，形勢則更加嚴(yán)峻¨ 。汽車側(cè)翻總
在很短時間內(nèi)發(fā)生，以至于駕駛員來不及感受到汽
收稿日期：2015—08—03
基金項目：云南省科技廳項目(2009GJF30050)
作者簡介：任向陽(】992)，男，碩士研究生，主要研究方向為嵌
入式技術(shù)，汽車測控技術(shù)。
通訊作者：許江淳(1963)，男，碩士，副教授，主要研究方向為嵌
入式技術(shù)，汽車測控技術(shù)。jx19631018@163．tom
車狀態(tài)而采取預(yù)防措施 j。資料顯示，如果能在潛
在交通事故發(fā)生前l(fā) s有效地給車載系統(tǒng)和駕駛員
發(fā)出警報，則可避免90％的交通事故，而要是能在
交通事故發(fā)生前2 S駕駛員采取相應(yīng)的措施，幾乎
所有的交通事故都能避免 。
目前，汽車上應(yīng)用的預(yù)警裝置很多，如車載防撞
系統(tǒng)和倒車?yán)走_(dá)系統(tǒng)，可實時測量汽車與 后物體
之間的距離，提醒駕駛員采取相應(yīng)措施避免發(fā)生碰
撞事故 ]。該文設(shè)計了一種智能車載側(cè)翻預(yù)警系
統(tǒng)，可以依據(jù)自身采集到的汽車實時狀態(tài)信息，通過
改進(jìn)Sage—Husa自適應(yīng)卡爾曼濾波算法對陀螺儀和
加速度計采集的數(shù)據(jù)進(jìn)行融合，從而實現(xiàn)對車輛姿
· 40· 工業(yè)儀表與自動化裝置 2016年第2期
態(tài)的檢測，并實現(xiàn)汽車側(cè)翻預(yù)警，對提高汽車主動安
全具有重要意義。
1 側(cè)翻預(yù)警系統(tǒng)硬件組成
如圖1所示，側(cè)翻預(yù)警系統(tǒng)的硬件部分包括微
處理器、姿態(tài)檢測模塊、顯示模塊、報警模塊及電源
模塊。微處理器是預(yù)警系統(tǒng)的核心部件，系統(tǒng)選用
32位ARM1 1嵌入式微處理器$3C6410A做為主控
芯片 J，其主頻可達(dá)667 MHz，滿足預(yù)警系統(tǒng)的高
速計算要求。在姿態(tài)檢測模塊中，系統(tǒng)使用三軸加
速度計和三軸陀螺儀一體的MPU一6050模塊進(jìn)行
車輛加速度和姿態(tài)角測量，該構(gòu)件免除了組合陀螺
儀與加速度計的軸問差問題。為了更好地實現(xiàn)人機
交互，顯示模塊選用群創(chuàng)AT070TN83屏，以便顯示
相關(guān)參數(shù)及報警信號。報警模塊是將系統(tǒng)得到的報
警信號經(jīng)由ARM板處理后，驅(qū)動報警器發(fā)出不同
頻率的聲音，使駕駛員獲得汽車側(cè)翻預(yù)警狀態(tài)的聽
覺信號。汽車上的12 V電源經(jīng)過電源模塊后得到
ARM板、傳感器及其他芯片使用的相應(yīng)電壓值。
!姿態(tài)檢測模塊
微處理器
； 爾曼濾波器
! 數(shù)據(jù)融合i
圖1 側(cè)翻預(yù)警系統(tǒng)的硬件框圖
2 車載側(cè)翻預(yù)警系統(tǒng)工作原理及算法
2．1 側(cè)翻預(yù)警系統(tǒng)工作原理
智能車輛側(cè)翻預(yù)警系統(tǒng)利用姿態(tài)檢測模塊中的
傳感器獲得車輛實時狀態(tài)參數(shù)(側(cè)傾角、角速度)，
傳感器測得的信號經(jīng)過改進(jìn)Sage—Husa自適應(yīng)卡爾
曼濾波算法進(jìn)行數(shù)據(jù)融合處理后，可以獲得更加準(zhǔn)
確的姿態(tài)信息，該信息傳送到ARM1 1智能設(shè)備終
端。在ARM1 1智能設(shè)備終端上運行的車載感知與
側(cè)翻預(yù)警軟件實時顯示并保存車輛傳感器信息。當(dāng)
車輛的狀態(tài)信息大于設(shè)定的側(cè)翻指標(biāo)門限值時則向
駕駛員發(fā)出警報信息，提醒駕駛?cè)藛T采取有效措施
防止汽車發(fā)生側(cè)翻。圖2為車載側(cè)翻預(yù)警系統(tǒng)工作
原理圖。
2．2 側(cè)翻預(yù)警系統(tǒng)數(shù)據(jù)融合算法
2．2．1 姿態(tài)測量原理
陀螺儀是測量物體角速度的傳感器，通過對角
速度積分來得到目標(biāo)角度值，但陀螺儀對溫度、不穩(wěn)
定力矩等噪聲較為敏感【卜 ，使得輸出結(jié)果因積分
作用而產(chǎn)生漂移誤差。并且當(dāng)車輛保持靜止時，陀
螺儀無法對其角度進(jìn)行初始化。因此單獨使用陀螺
儀檢測車輛姿態(tài)傾角并不適用，需要與其他傳感器
共同使用。
_ l 磊]
圖2 車載側(cè)翻預(yù)警系統(tǒng)工作原理圖
針對上述問題，采用加速度計測量物體的加速
度，當(dāng)車輛姿態(tài)保持靜止時，它各個軸上的輸出為重
力加速度的分量。當(dāng)車輛發(fā)生傾角改變時，加速度
計的輸出也會隨之發(fā)生改變，根據(jù)這一原理，可以通
過測量加速度計的輸出間接獲得車輛姿態(tài)的傾角。
2．2．2 改進(jìn)自適應(yīng)卡爾曼濾波算法實現(xiàn)
前面已經(jīng)指出陀螺儀和加速度計都不能單獨用
來測量物體的動態(tài)傾角，需要將兩者結(jié)合起來。馮
智勇[81、LeBreuxl9 等人使用Kalman算法將多個傳
感器中的數(shù)據(jù)進(jìn)行集中融合，但這種方法由于處理
中心選擇的單一性使其計算量大、容錯性差。因此
該文采用改進(jìn)自適應(yīng)Kalman濾波¨ 對兩者數(shù)據(jù)
進(jìn)行融合。
采用融合濾波的方法實現(xiàn)兩種傳感器的數(shù)據(jù)融
合，以克服加速度計的動態(tài)誤差和陀螺儀的漂移誤
差，基于卡爾曼濾波的狀態(tài)估計，即從可觀測變量得
到不可測或難測變量的估計值。該文通過已知量測
信息角速度r和加速度OL ，經(jīng)過提出的改進(jìn)Sage—
Husa自適應(yīng)卡爾曼濾波算法得到汽車實時側(cè)傾值
的最優(yōu)估計值。
在進(jìn)行卡爾曼濾波狀態(tài)估計前，需要把狀態(tài)方
程和觀測方程進(jìn)行連續(xù)系統(tǒng)離散化，采樣周期取
0．01 S，采用零階保持器。在離散狀態(tài)方程中有系
統(tǒng)噪聲 ，量測噪聲 ，并且假設(shè)09、 為相互獨立的
零均值隨機高斯白噪聲序列。
A 曰 、C 分別表示離散化后的系統(tǒng)矩陣、輸入
矩陣、量測矩陣，則閉環(huán)系統(tǒng)離散狀態(tài)方程為：
2016年第2期 工業(yè)儀表與自動化裝置 ·41·
r(k)
( )
y( )
( )
( )
( )
=Ad
r(k一1)
( 一1)
y( 一1)
( 一1)
( 一1)
：( 一1)
+ fr(七一1)+oJ(k一1)
(1)
以橫擺角速度和側(cè)向加速度為觀測量的閉環(huán)系
統(tǒng)離散觀測方程為：
r( )
( )
Y( )
( )
1( )
2( )
+ ( ) (2)
為了防止噪聲統(tǒng)計方差陣容易失去半正定性和
正定性而導(dǎo)致濾波發(fā)散，文中對衰減記憶的Sage—
Husa自適應(yīng)濾波算法進(jìn)行了改進(jìn)。
通過對誤差協(xié)方差 的修正防止濾波發(fā)
散。在常規(guī)的卡爾曼濾波器中可直接對預(yù)測方差陣
川 進(jìn)行調(diào)整，進(jìn)而控制濾波增益 + ，以達(dá)到防
止濾波器發(fā)散的目的。通常，濾波器發(fā)散的判據(jù)可
由下式確定：
T
+1￡ +1 ytrace(CdP +1l C +R ) (3)
式中： + =Z川一C ． 一 為新息序列， 為可
調(diào)系數(shù)( ≥1)。
文中取 =1，使式(3)成為嚴(yán)格的濾波收斂條
件。如果式(3)不成立，則判斷濾波器發(fā)散，這時可
以加一個時變調(diào)節(jié)因子S川，用以修訂P
P I =S AdP A +Q (4)
S + 可由下式計算：
。 一 ! !! !二 二 r 、
一
tFace(CdAdP A T dT)
根據(jù)式(1)、式(2)，設(shè)計如下的改進(jìn)Sage—Husa
自適應(yīng)狀態(tài)估計算法，首先進(jìn)行式(6)～(8)的
計算。
+1I =Ad 1 +BdM +q (6)
+】：Z +】一Cjx +Ⅲ 一 (7)
川 =Sk+lAdP A +Q (8)
式(8)進(jìn)行濾波發(fā)散檢驗，如果不滿足式(3)則
根據(jù)式(4)和式(5)對P 在線調(diào)整，否則繼續(xù)進(jìn)
行式(9)一式(15)的計算。
+1l +1=P +1l c (cdP +ll c + )I1 (9)
+1【 十1= +1l +Kk+1s +1 (10)
P川I k+l=(I— Cd)P? f (11)
q +1=(1一d )q +d ( +1 +1一Ad l^一Bd )
(12)
Q +1=(1一d^)Q +d (K +1s +1 +1K +1+
P +?+1一AdP A ) (13)
r +1=(1一d )r +d (z +1一Cd +1l ) (14)
R +1=(1一d )R +d (￡ +18 +1一cdP +1I C )
(15)
式中：g 和Q 分別為系統(tǒng)噪聲均值和協(xié)方差陣； 和
R 分別為量測噪聲均值和協(xié)方差陣。d ：(1一b)／
(1—6¨ )，b為遺忘因子，采用遺忘因子可以限制
濾波器的記憶長度，加強新近數(shù)據(jù)對估計的作用。
通常0．95≤b≤O．995，對于慢時變噪聲統(tǒng)計應(yīng)取較
大的接近于l的b，文中取6=0．97。Z + 即為有噪
聲的量測信息角速度r和加速度 ，通過上述迭代
公式可對 中狀態(tài)變量 做出最小方差估計，也即
汽車實時側(cè)傾值 的最優(yōu)估計值。
3 實車道路試驗
為了檢驗系統(tǒng)的運行效果，進(jìn)行了實車道路試
驗。試驗前將MPU一6050模塊固定于汽車質(zhì)心位
置處，并且保證傳感器所組成的測量坐標(biāo)系平行于
車體坐標(biāo)系。試驗時，將該實測信號作為自適應(yīng)卡
爾曼濾波的量測信息，可以得到汽車側(cè)偏角估計曲
線 ，把經(jīng)過實車試驗方法得到的側(cè)偏角記為
盧 。圖3顯示了 與盧 的比較情況，從中可以
看出盧 與盧 的吻合程度較好。
t／s
圖3 卡爾曼濾波法估計的側(cè)偏角與試驗值的比較
同時可得到改進(jìn)Sage—Husa自適應(yīng)卡爾曼濾波
算法的絕對誤差，如圖4所示。經(jīng)統(tǒng)計，該算法估計
側(cè)偏角方法的誤差均值為0．059 54。，標(biāo)準(zhǔn)差為
0．090 45。。由此可見，用改進(jìn)Sage—Husa自適應(yīng)卡
爾曼濾波算法來估計汽車側(cè)偏角簡單方便、精度很
高，而且由于采用均勻設(shè)計方法大大減少了仿真試
驗的次數(shù)，因此該方法的響應(yīng)速度也較快。
· 42· 工業(yè)儀表與自動化裝置 2016年第2期
圖4 自適應(yīng)卡爾曼濾波法的絕對誤差
4 結(jié)論
考慮到了汽車運動的時變性和非線性特性，采
用自適應(yīng)卡爾曼濾波算法進(jìn)行數(shù)據(jù)融合處理，有效
地補償傳感器漂移和外界干擾等因素的影響，該算
法對汽車的側(cè)傾角和縱向加速度取得了很好的預(yù)報
效果，基本實現(xiàn)車輛的行駛性能參數(shù)的實時感知和
準(zhǔn)確預(yù)報。此外，通過選取精度更高的MEMS傳感
器或采用基于徑向基網(wǎng)絡(luò)等方法，可以進(jìn)一步地提
高系統(tǒng)的測量精度，這些將在下一階段工作中作進(jìn)
一步深入研究。
參考文獻(xiàn)：
[1] 公安部交通管理局道路變通事故統(tǒng)計年報[C]．無錫：
公安部交通管理科學(xué)研究所，2009．
[2] Farmer C M，Lund A K．Rollover risk of cars and light
trucks after accounting for driver and environmental fac—
tors[J]．Accident Analysis and Prevention，2002，34
(2)：163—173．
[3] WENZEL T A，BURNHAM K J，BLUNDELL M V．Dual
extended Kalman filter for vehicle state and parameter
[J]．Vehicle System Dynamics，2006，44(2)：153—171．
[4] 秦洪武，石存杰，劉軍．智能車載感知與側(cè)翻預(yù)警系統(tǒng)
的設(shè)計[J]．傳感器與微系統(tǒng)，2012，3l(8)：91—93．
[5] 王旭，張自嘉，王慧敏．基于ARMI1的塔吊監(jiān)控系統(tǒng)
設(shè)計[J]．電子技術(shù)應(yīng)用，2006，37(4)：65—69．
[6] 尚華．基于嵌入式技術(shù)車輛救援信息交互平臺研究
[D]．昆明理工大學(xué)，2014．
[7] 楊凌霄，李曉陽．基于卡爾曼濾波的兩輪自平衡車姿
態(tài)檢測方法[J]．計算機仿真，2014，31(6)：406—409．
[8] 馮智勇，曾瀚，張力，等．基于陀螺儀及加速度計信號
融合的姿態(tài)角度測量[J]．西南師范大學(xué)學(xué)報(自然科
學(xué)版)，2011，36(4)：137—141．
[9] Marc LeBreux，Martin Desilets，Marcel Lacroix，et a1．
An unscented Kalman filter inverse heat transfer method
for the prediction of the ledge thickness inside high—．ten．．
perature metallurgical reactors J 1．International Journal
of Heat and Mass Transfer，2013，57(1)：265—273．
[10] 林菜，趙又群．汽車側(cè)偏角估計方法比較[J]．南京理
工大學(xué)學(xué)報(自然科學(xué)版)，2009，33(1)：122—127．
[11] 周聰，肖建．基于自適應(yīng)強跟蹤濾波器的汽車行駛
狀態(tài)軟測量[J]．電機與控制學(xué)報，2012，16(2)：
96 — 101．
[12] 顧裕豐，劉國棟．一種復(fù)雜場景下的運動目標(biāo)跟蹤算
法[J]．電子技術(shù)應(yīng)用，2012(1)：9—11．
(上接第6頁)
[7] Sandeep Taya1．Tasks scheduling optimization for the
cloud computing system[J]．International Journal of Ad—
vaneed Engineering Sciences and Technologies，201 1，5
(2)：1 1—15．
[8] Li Kun，Xu Gaochao，Zhao Guangyu，et a1．Cloud task
scheduling based on load balancing ant colony optimiza—
tion[C]．／／Dalian：Sixth Annual China Grid Conference
(China—Grid)，2011：3—9．
[9] 王芳，李美安，段衛(wèi)軍．基于動態(tài)自適應(yīng)蟻群算法的
云計算任務(wù)調(diào)度[J]．計算機應(yīng)用，2013，33(11)：
316O 一3162．
[10] 劉伯紅，趙浚堯．一種改進(jìn)的基于云環(huán)境的蟻群優(yōu)化
算法[J]．重慶郵電大學(xué)學(xué)報(自然科學(xué)版)，2012，24
(6)：712—715．
Marco Dorigo，Thomas Stutzle．Ant colony optimization
【M】．London：MIT Press，2004：1—20．
Ku Ruhana Ku—Mahamud，Aniza Mohamed Din，Husna
Jamal Abdul Nasir．Enhancement of ant colony optimiza—
tion for grid load balancing[J]．European Journal of
Scientific Research，2011，64(1)：42—50．
Rodrigo C，Rajiv R，Anton B，et a1．CloudSim：a tool—
kit for modeling and simulation of cloud computing envi—
ronments and evaluation of resource provisioning algo—
rithms[J]．Software：Practice and Experience，2001，41
(1)：23—50．
沈愷濤，胡德敏．基于云計算和改進(jìn)離散粒子群的任
務(wù)調(diào)度研究[J]．計算機測量與控制，2012，20(11)：
3070 —3072．
1 j 1j ¨
r L rl

網(wǎng)友評論 more

交通安全論文最新內(nèi)容

09-25