为了降低前方车辆驾驶行为的随机变化对自身车辆安全的影响,提出了一种基于隐马尔科夫模型(Hidden Markov Model,HMM)的前方车辆驾驶行为的识别方法。首先,分析了高速公路场景中车辆的换道特性,选取前方车辆的纵向速度、横向位移和横向速度作为特征参数;采用线性均值滤波的方法对原始观测数据进行平滑滤波处理。其次,基于Baum-Welch算法训练得到前方车辆三种驾驶行为的最优隐马尔科夫模型,基于Viterbi算法识别出前方车辆的驾驶行为。最后,测试结果表明隐马尔科夫模型可以有效地识别出前方车辆的驾驶行为。

为满足汽车主动避撞系统主动制动的需要,开发了一种基于电控液压制动装置并联式液压制动系统。该系统通过电控液压装置,在需要对车辆进行主动制动时使轮缸压力迅速达到期望制动压力。利用P-模糊PID算法开发了制动压力控制器,在Matlab/Simulink与AMESim联合仿真环境下验证压力控制效果,结果表明,压力控制效果能够达到主动避撞系统对主动制动控制的要求。

为提高智能汽车自动制动系统的性能及可靠性,设计基于传统液压制动系统的并联式电控液压主动防碰撞自动制动系统,针对整车动力学系统存在的参数摄动、外界干扰较强的非线性时变特征,提出μ控制策略控制制动管路压力,并进行参数摄动及外界干扰影响下的控制器性能仿真及整车道路试验。结果表明,采用μ控制算法的电控液压制动系统,在整车质量增加30%和制动盘-摩擦片摩擦因数减少30%两种工况下,整车期望加速度的稳态误差均控制在5%以内,稳定时间分别为1.7 s和1.4 s。

针对RBF神经网络对车辆操纵模型的稳定性和分岔问题进行了分析。首先，建立了车辆操纵模型和神经网络轮胎力学模型，通过微分方程将二者耦合成一个系统，并对耦合系统进行分析。然后，固定系统参数通过初值扰动来对系统性能进行测试，测试结果表明系统稳定性较好。最后通过不同频率下系统参数摄动的功率谱、分岔图和最大李雅普诺夫指数图对系统的稳定条件和分岔过程进行了分析，同时通过对周期性激励下耦合神经网络动力系统的混沌控制研究，分析了混沌吸引子的变化特点。