個性化駕駛員建模及其在換擋規(guī)律整定中的應(yīng)用.pdf

1、汽車測試是汽車工業(yè)和智能交通中重要的問題。建立合適的駕駛員模型能夠大大縮短車輛的研發(fā)和測試周期，節(jié)省人力物力。車輛測試中，駕駛員的駕駛風格會對測試結(jié)果造成很大的影響。某些特定的場合中，對車輛測試時速度跟隨的精度也有明確的要求，因此，建立個性化駕駛員模型是一個十分重要的課題。基于駕駛員模型和車輛模型，再借助仿生學優(yōu)化方法，可以完成換擋規(guī)律的自動整定。
　　提出建立一個由共性模型和個性模型一起構(gòu)成的統(tǒng)一的駕駛員模型，用于模擬駕駛員身上

2、的兩種駕駛行為:共性模型用于模擬每個駕駛員都共有的通用的駕駛技能，個性模型用于模擬每個駕駛員獨有的駕駛行為特征。借由遠程學習方法，使用一個網(wǎng)絡(luò)化的PID控制器建立共性部分;使用真實的駕駛數(shù)據(jù)建立初始的個性模型，然后再和共性模型一起在汽車測試中針對特殊應(yīng)用進行模型參數(shù)的自動調(diào)整。FTP-72標準測試曲線被用在建立汽車測試平臺中，測試結(jié)果表明，在達到令人滿意的速度跟蹤精度的同時，保留了駕駛員原有的駕駛風格。
　　提出使用仿生學優(yōu)化來自

3、動化換擋規(guī)律的整定過程。本文中使用PSO來引導換擋規(guī)律的搜索過程，并且通過使用個性化駕駛員模型來將駕駛員風格融合進整定過程中。個性化駕駛員模型是通過模擬人類駕駛員的行為而建立的，并且被用作機器人駕駛員完成基于FTP-72或US06的駕駛循環(huán)測試，來評估候選換擋規(guī)律。換擋規(guī)律可以綜合考慮駕駛性能和換擋質(zhì)量，使用計算性能指標或者AVL-Driver進行在線評估。在PSO的引導下，不斷生成并測試新的換擋規(guī)律，直到得到了一個最優(yōu)的或者近最優(yōu)的換