導航：安全管理網>> 安全論文>> 交通安全論文>>正文

基于主動安全防護的車輛側翻預警系統設計

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

全屏查看

內容預覽 [文件共4頁]

本文件共4頁，如需編輯使用，請下載。

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

	文件大小：270.10 KB 共4頁文件格式：PDF 下載點數：1 點（VIP會員免費）

下一篇：高速轉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警的車輛相對位置判定…

文本預覽

僅提取頁面文字內容，供快速閱讀使用。

2016年第2期 工業(yè)儀表與自動化裝置 ·39·
基于主動安全防護的車輛側翻預警系統設計
任向陽 ，許江淳 ，黃生旺 ，尚華 ，王晴
(1．昆明理工大學信息工程與自動化學院，昆明650500；
2．中國科學院核能安全技術研究所，合肥230000)
摘要：為了防止汽車在行駛過程中發(fā)生側翻，減少交通事故的發(fā)生，設計了一種基于嵌入式車
載平臺的主動安全防護的車輛側翻預警系統，通過傳感器對汽車行駛時的角速度和加速度進行監(jiān)
測，利用改進Sage—Husa自適應卡爾曼濾波算法進行數據融合得到汽車實時側傾角，當監(jiān)測到車輛
側傾值達到側翻指標門限值時，系統發(fā)出報警提醒駕駛人員采取相應措施，從而達到預防汽車側翻
事故的發(fā)生。系統仿真實驗結果表明：該系統有著良好穩(wěn)定的預警性能，能夠提高汽車的主動安全
性能。
關鍵詞：側翻預警；自適應卡爾曼濾波算法；姿態(tài)檢測；汽車主動安全
中圖分類號：TP368．1 文獻標志碼：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成為當今世界所共同
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，形勢則更加嚴峻¨ 。汽車側翻總
在很短時間內發(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，汽車測控技術。
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，汽車測控技術。jx19631018@163．tom
車狀態(tài)而采取預防措施 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駕駛員采取相應的措施，幾乎
所有的交通事故都能避免 。
目前，汽車上應用的預警裝置很多，如車載防撞
系統和倒車雷達系統，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措施避免發(fā)生碰
撞事故 ]。該文設計了一種智能車載側翻預警系
統，可以依據自身采集到的汽車實時狀態(tài)信息，通過
改進Sage—Husa自適應卡爾曼濾波算法對陀螺儀和
加速度計采集的數據進行融合，從而實現對車輛姿
· 40· 工業(yè)儀表與自動化裝置 2016年第2期
態(tài)的檢測，并實現汽車側翻預警，對提高汽車主動安
全具有重要意義。
1 側翻預警系統硬件組成
如圖1所示，側翻預警系統的硬件部分包括微
處理器、姿態(tài)檢測模塊、顯示模塊、報警模塊及電源
模塊。微處理器是預警系統的核心部件，系統選用
32位ARM1 1嵌入式微處理器$3C6410A做為主控
芯片 J，其主頻可達667 MHz，滿足預警系統的高
速計算要求。在姿態(tài)檢測模塊中，系統使用三軸加
速度計和三軸陀螺儀一體的MPU一6050模塊進行
車輛加速度和姿態(tài)角測量，該構件免除了組合陀螺
儀與加速度計的軸問差問題。為了更好地實現人機
交互，顯示模塊選用群創(chuàng)AT070TN83屏，以便顯示
相關參數及報警信號。報警模塊是將系統得到的報
警信號經由ARM板處理后，驅動報警器發(fā)出不同
頻率的聲音，使駕駛員獲得汽車側翻預警狀態(tài)的聽
覺信號。汽車上的12 V電源經過電源模塊后得到
ARM板、傳感器及其他芯片使用的相應電壓值。
!姿態(tài)檢測模塊
微處理器
； 爾曼濾波器
! 數據融合i
圖1 側翻預警系統的硬件框圖
2 車載側翻預警系統工作原理及算法
2．1 側翻預警系統工作原理
智能車輛側翻預警系統利用姿態(tài)檢測模塊中的
傳感器獲得車輛實時狀態(tài)參數(側傾角、角速度)，
傳感器測得的信號經過改進Sage—Husa自適應卡爾
曼濾波算法進行數據融合處理后，可以獲得更加準
確的姿態(tài)信息，該信息傳送到ARM1 1智能設備終
端。在ARM1 1智能設備終端上運行的車載感知與
側翻預警軟件實時顯示并保存車輛傳感器信息。當
車輛的狀態(tài)信息大于設定的側翻指標門限值時則向
駕駛員發(fā)出警報信息，提醒駕駛人員采取有效措施
防止汽車發(fā)生側翻。圖2為車載側翻預警系統工作
原理圖。
2．2 側翻預警系統數據融合算法
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 ，使得輸出結果因積分
作用而產生漂移誤差。并且當車輛保持靜止時，陀
螺儀無法對其角度進行初始化。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 車載側翻預警系統工作原理圖
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 改進自適應卡爾曼濾波算法實現
前面已經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，需要將兩者結合起來。馮
智勇[81、LeBreuxl9 等人使用Kalman算法將多個傳
感器中的數據進行集中融合，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
該文采用改進自適應Kalman濾波¨ 對兩者數據
進行融合。
采用融合濾波的方法實現兩種傳感器的數據融
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 ，經過提出的改進Sage—
Husa自適應卡爾曼濾波算法得到汽車實時側傾值
的最優(yōu)估計值。
在進行卡爾曼濾波狀態(tài)估計前，需要把狀態(tài)方
程和觀測方程進行連續(xù)系統離散化，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
統噪聲 ，量測噪聲 ，并且假設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矩陣、輸入
矩陣、量測矩陣，則閉環(huán)系統離散狀態(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)
以橫擺角速度和側向加速度為觀測量的閉環(huán)系
統離散觀測方程為：
r( )
( )
Y( )
( )
1( )
2( )
+ ( ) (2)
為了防止噪聲統計方差陣容易失去半正定性和
正定性而導致濾波發(fā)散，文中對衰減記憶的Sage—
Husa自適應濾波算法進行了改進。
通過對誤差協方差 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測方差陣
川 進行調整，進而控制濾波增益 + ，以達到防
止濾波器發(fā)散的目的。通常，濾波器發(fā)散的判據可
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
調系數( ≥1)。
文中取 =1，使式(3)成為嚴格的濾波收斂條
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)
根據式(1)、式(2)，設計如下的改進Sage—Husa
自適應狀態(tài)估計算法，首先進行式(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)進行濾波發(fā)散檢驗，如果不滿足式(3)則
根據式(4)和式(5)對P 在線調整，否則繼續(xù)進
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 分別為系統噪聲均值和協方差陣； 和
R 分別為量測噪聲均值和協方差陣。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，加強新近數據對估計的作用。
通常0．95≤b≤O．995，對于慢時變噪聲統計應取較
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
汽車實時側傾值 的最優(yōu)估計值。
3 實車道路試驗
為了檢驗系統的運行效果，進行了實車道路試
驗。試驗前將MPU一6050模塊固定于汽車質心位
置處，并且保證傳感器所組成的測量坐標系平行于
車體坐標系。試驗時，將該實測信號作為自適應卡
爾曼濾波的量測信息，可以得到汽車側偏角估計曲
線 ，把經過實車試驗方法得到的側偏角記為
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偏角與試驗值的比較
同時可得到改進Sage—Husa自適應卡爾曼濾波
算法的絕對誤差，如圖4所示。經統計，該算法估計
側偏角方法的誤差均值為0．059 54。，標準差為
0．090 45。。由此可見，用改進Sage—Husa自適應卡
爾曼濾波算法來估計汽車側偏角簡單方便、精度很
高，而且由于采用均勻設計方法大大減少了仿真試
驗的次數，因此該方法的響應速度也較快。
· 42· 工業(yè)儀表與自動化裝置 2016年第2期
圖4 自適應卡爾曼濾波法的絕對誤差
4 結論
考慮到了汽車運動的時變性和非線性特性，采
用自適應卡爾曼濾波算法進行數據融合處理，有效
地補償傳感器漂移和外界干擾等因素的影響，該算
法對汽車的側傾角和縱向加速度取得了很好的預報
效果，基本實現車輛的行駛性能參數的實時感知和
準確預報。此外，通過選取精度更高的MEMS傳感
器或采用基于徑向基網絡等方法，可以進一步地提
高系統的測量精度，這些將在下一階段工作中作進
一步深入研究。
參考文獻：
[1] 公安部交通管理局道路變通事故統計年報[C]．無錫：
公安部交通管理科學研究所，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．智能車載感知與側翻預警系統
的設計[J]．傳感器與微系統，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
設計[J]．電子技術應用，2006，37(4)：65—69．
[6] 尚華．基于嵌入式技術車輛救援信息交互平臺研究
[D]．昆明理工大學，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]．西南師范大學學報(自然科
學版)，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．汽車側偏角估計方法比較[J]．南京理
工大學學報(自然科學版)，2009，33(1)：122—127．
[11] 周聰，肖建．基于自適應強跟蹤濾波器的汽車行駛
狀態(tài)軟測量[J]．電機與控制學報，2012，16(2)：
96 — 101．
[12] 顧裕豐，劉國棟．一種復雜場景下的運動目標跟蹤算
法[J]．電子技術應用，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)自適應蟻群算法的
云計算任務調度[J]．計算機應用，2013，33(11)：
316O 一3162．
[10] 劉伯紅，趙浚堯．一種改進的基于云環(huán)境的蟻群優(yōu)化
算法[J]．重慶郵電大學學報(自然科學版)，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．基于云計算和改進離散粒子群的任
務調度研究[J]．計算機測量與控制，2012，20(11)：
3070 —3072．
1 j 1j ¨
r L rl

網友評論 more

交通安全論文最新內容

02-21