基于方向盤轉(zhuǎn)角信號(hào)的駕駛員疲勞監(jiān)測(cè)裝置研制.pdf

1、隨著生活節(jié)奏的加快，睡眠不足變得越來越普遍，這使得許多駕駛員在疲勞狀態(tài)下駕駛，而因此引發(fā)的交通事故也越來越多，目前的疲勞監(jiān)測(cè)裝置普遍利用生理信號(hào)監(jiān)測(cè)駕駛員疲勞狀態(tài)，這種裝置的造價(jià)成本較高，且部分裝置需要與駕駛員有直接接觸而引起駕駛員的不適，而通過利用非生理信號(hào)監(jiān)測(cè)可以很好的克服這種缺陷，因此，研究一種基于非生理信號(hào)的疲勞監(jiān)測(cè)裝置也就有著很重要的實(shí)用意義和商用價(jià)值。
　　本文首先分析了國內(nèi)外疲勞駕駛監(jiān)測(cè)方法的研究現(xiàn)狀，在此基礎(chǔ)上提出

2、了基于非生理信號(hào)的疲勞監(jiān)測(cè)裝置的設(shè)計(jì)方案。硬件設(shè)計(jì)中采用了US-Digital公司生產(chǎn)的MA3編碼器進(jìn)行方向盤轉(zhuǎn)動(dòng)角度的測(cè)量，然后利用TI公司的eZ430-RF2500開發(fā)工具采集方向盤轉(zhuǎn)角信號(hào)并傳送給計(jì)算機(jī)。軟件方面利用LabWindows/CVI接收傳送給計(jì)算機(jī)的數(shù)據(jù)然后將數(shù)據(jù)交由Matlab軟件處理；對(duì)幾種方向盤轉(zhuǎn)角信號(hào)處理方法進(jìn)行分析后，利用了多元線性回歸方法和神經(jīng)網(wǎng)絡(luò)方法分別建立模型。在建立的回歸模型中，利用最小二乘法對(duì)模型中

3、的參數(shù)進(jìn)行了估計(jì)。該模型中自變量為方向盤轉(zhuǎn)角相關(guān)變量，因變量為對(duì)采集到的ECG信號(hào)進(jìn)行處理后得到的疲勞監(jiān)測(cè)指標(biāo)。為了選擇與疲勞監(jiān)測(cè)指標(biāo)聯(lián)系緊密的方向盤轉(zhuǎn)角相關(guān)變量，采用逐步回歸算法對(duì)模型中的變量進(jìn)行了選擇。在人工神經(jīng)網(wǎng)絡(luò)模型中，采用了前饋結(jié)構(gòu)的三層神經(jīng)網(wǎng)絡(luò)，輸入層為方向盤轉(zhuǎn)角相關(guān)變量，輸出層為對(duì) ECG信號(hào)進(jìn)行處理后得到的疲勞監(jiān)測(cè)指標(biāo)，并利用倒傳遞算法對(duì)模型進(jìn)行訓(xùn)練。
　　本文最后對(duì)建立完畢的回歸模型和神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了適用性分析