智能汽車安全應用領域中的道路類型聲學估測方法

?

智能汽車安全應用領域中的道路類型聲學估測方法

道路與輪胎之間的摩擦力是影響智能汽車安全性的最重要因素，因為其決定了車輛的穩定性和操縱性。如果道路-輪胎摩擦力可以測量出來，那么就可以直接利用這些信息去提高汽車的縱向和橫向控制能力，使汽車實現更好的操縱性與穩定性。但這種摩擦力無法直接測量，只能估測。在進行估測時，使用汽車縱向操縱參數進行試驗會對汽車的操縱穩定性產生影響。此外，大多數估測方法需要使用昂貴的傳感器測量汽車底盤速度。

現在有很多估測道路-輪胎摩擦力的技術，聲學估測技術是其中之一。大多數系統中應用的方法需要預先確定模型，比如LuGre模型和Pacejka模型，這些估測方法需要確定數學公式中的系數。Erdogan等人的工作表明，使用新型無線壓電輪胎傳感器可以測量輪胎胎壁的偏離程度，再利用輪胎傳統模型—刷子模型來估測輪胎-道路摩擦因數。最近的一項研究使用了胎內加速度器直接識別出輪胎應變，并應用在牽引、制動或穩定系統中。也有使用曲線擬合算法研究實時識別道路-輪胎摩擦力。在這個領域相對較新的方法中，聲學方法在一定程度上區分干路面和濕瀝青路面，可被應用到路面狀況估測之中。道路-輪胎相互作用力是可以被估測的，但需要使用估測算法和特定的傳感器系統。

該聲學方法使用聲學來感知、應用音頻處理程序來提取特征、ANN來分類，從而識別出道路類型，而不是直接估測摩擦因數μ或者μ-λ特性曲線的斜率。與先前的聲學方法相比，該方法更為出色，因為其可以識別出4種不同的路面類型：瀝青路、碎石路、石子路、冰雪路。道路類型的識別有助于智能車安全系統決定跟蹤正確的μ-λ曲線或者產生參考的最佳滑動率。

聲學音頻信號處理方法用于從不同天氣和路面收集到的音頻信號中提取特征值，提取到的特征值通過組間和組內方差進行優化，組間距離通過K-L距離度量標準進行確定。當處理和提取25個特征元素的時間窗口t=0.05s且一個ANN結構（含有2個隱含層），而這些層中的神經元為[10: 5]時，該方法具有最好的識別效果。研究案例表明，在達到可接受車速時，盡管滑動率下降到接近于0，但該系統依然能夠使汽車主動安全性增強。

P?nar Boyraz. Int. J. Vehicle Safety, Vol. 7, No. 2, 2014.

編譯：周建鵬