一种双维度驾驶风格在线识别算法及其HiL测试.pdf

QICHEYANJIU汽车研究HEAVY TRUCK重型汽车1辑简介本文从动态性指标和动力性指标两个维度来定义驾驶风格，其中驾驶风格的动态性指标主要反映司机踩油门和刹车以实现车辆加速、减速的频繁程度及车辆运行状态变化的剧烈程度。而驾驶风格的动力性指标则反映司机驾驶车辆时对整车持续动力输出的需求程度。此外，驾驶风格动态性指标依次分为瞬变型、适中型和恒定型三类，且动态驾驶风格的判定过程主要包括初判和终判两个步骤。2.1 驾驶风格动态性指标初判逻辑驾驶风格动态类型初判步骤的判定准则为在一定里程范围内计算得到的平均油门开度和车速变化率的大小，具体计算方法为：实时采集传感器发送的油门开度和车速信号，并将每个计算步长的上述信号数值与上一时间步长的信号数值作差，然后将所得差值的绝对值进行累加，最后将累加结果除以车辆行驶时间，便可得到该段计算里程范围内的平均油门开度和车速变化率。如果上述计算得到的平均油门开度和车速变化率均不小于初判阈值，驾驶风格动态类型初判为瞬变型；若均小于初判阈值，则初判为恒定型；其余情况下动态驾驶风格初判为适中型。2.2 驾驶风格动态性指标终判逻辑驾驶风格动态类型终判步骤的判定准则为上述相同里程范围内的累计踩刹车次数，这主要是由于频繁踩刹车会对车辆动能造成较大损失，从而在很大程度上影响车辆的运行经济性。在上述驾驶风格动态类型初判的基础上，对计算里程范围内的踩刹车次数进行累加，如果累计踩刹车次数不小于终判阈值，则最终动态类型偏向瞬变型；若小于终判阈值，则终判动态类型偏向恒定型。具体来说，当初判为瞬变型时，终判类型为瞬变型和适中型两类；当初判为适中型时，终判为瞬变型和恒定型两类；而当初判为恒定型时，其终判类型为适中型和恒定型两类。2.3 驾驶风格动力性指标计算逻辑驾驶风格的动力性指标是通过在一定里程范围内计算驾驶风格动力性指数来进行表征的。驾驶风格动力性指数子项由当前计算步长的瞬时油门开度除以中位油门乘以油门开度权重因子，并与瞬时车速除以中位车速乘以车速权重因子相加得到。在指定的计算里程范围内对上述每个时间步长的驾驶风格动力性指数子项进行累加，然后除以累加次数，即得到最终的驾驶风格动力性指数。该算法目的是反映驾驶员在该段计算里程范围内对车辆动力输出的平均需求程度，即驾驶风格动力性指数越大，表示驾驶员对车辆功率的需求水平越高。3 驾 驶 风 格 识 别 算 法 的Simulink 实现采 用 MATLAB/Simulink 进 行控制算法建模在重型商用车发动机ECU、AMT 控制器和整车控制器开发1 引言驾驶风格通常指司机选择开车的方式或一段时间内的习惯性驾驶行为，能够反映出驾驶行为的整体性特征。驾驶风格主要由驾驶员的性格特质和驾驶车辆时的心理状态所决定，也会受道路交通拥堵情况和天气条件、自然环境等客观因素影响。不同的驾驶风格与道路交通事故的发生具有关联性，且在很大程度上造成整车燃油经济性的差异。深入研究驾驶风格分类识别方法并在车辆控制过程中进行合理运用，对于提升行车安全并降低运营油耗具有重要意义1,2。目前常见的驾驶风格分类识别方法主要有 K-均值聚类、层次聚类、支持向量机等机器学习方法3。依据不同的分类角度，通常会将驾驶员的驾驶风格分为 3 4 种，例如：谨慎型、一般型、激进型；或者节能型、平衡型、运动型；以及稳健型、超速型、疲劳型、危险型等4。基于机器学习方法进行驾驶风格的分类和系统识别需要消耗大量的算力和存储空间，要在车辆运行过程中进行在线识别和控制相对困难；而且其评价驾驶风格类型的维度较为单一，使得识别结果在车辆控制系统中的应用受限。本文提出一种基于规则的双维度驾驶风格识别算法，可以满足行车过程中在线识别驾驶风格类型的需求，为基于司机驾驶风格进行车辆的个性化智能控制提供了可行路径。2 双维度驾驶风格在线识别逻文文/杨建伟 杨洪强 潘 瑞 郭春丽 杜鹏志（中国重汽集团汽车研究总院杨建伟 杨洪强 潘 瑞 郭春丽 杜鹏志（中国重汽集团汽车研究总院）【摘 要摘 要】本文提出一种基于规则的双维度驾驶风格在线识别算法，从动态性和动力性两个方面来定义驾驶风格。】本文提出一种基于规则的双维度驾驶风格在线识别算法，从动态性和动力性两个方面来定义驾驶风格。通过对驾驶风格的在线识别，可以使重卡动力总成实现因人而异的智能化控制，从而提升驾乘体验并降低运营油耗。通过对驾驶风格的在线识别，可以使重卡动力总成实现因人而异的智能化控制，从而提升驾乘体验并降低运营油耗。文中阐述了识别算法的具体逻辑及 Simulink 建模实现，并对 HiL 系统驾驶仿真测试数据进行分析，结果表明该模文中阐述了识别算法的具体逻辑及 Simulink 建模实现，并对 HiL 系统驾驶仿真测试数据进行分析，结果表明该模型能够对双维度驾驶风格进行可靠的在线识别和计算。型能够对双维度驾驶风格进行可靠的在线识别和计算。【关键词关键词】双维度驾驶风格；在线识别；Simulink 建模；HiL 测试双维度驾驶风格；在线识别；Simulink 建模；HiL 测试一种双维度驾驶风格一种双维度驾驶风格在线识别算法及其 HiL 测试在线识别算法及其 HiL 测试重型汽车HEAVY TRUCK2领域得到了广泛应用，因此本文也采用Simulink 进行双维度驾驶风格在线识别算法建模，以便同已有的 AMT 控制策略模型进行集成应用。3.1 驾驶风格识别算法 Simulink模型概述图 1 所示为双维度驾驶风格在线识别算法的整体 Simulink 系统模型，其输入参数有 3 个，分别是：瞬时车速、油门开度和刹车开度。当瞬时车速大于2km/h 时，激活驾驶风格识别计算，以防止由于原地停车上电期间持续累加导致计算误差。另外，当刹车开度大于5%时，认为驾驶员踩下刹车。图 1 双维度驾驶风格识别算法 Simulink 系统模型本文中驾驶风格在线识别算法Simulink系统模型的输出参数有3个，分别是：最终的动态驾驶风格类型、AMT 控制器前向换挡系数和后向换挡系数。其中，前向和后向换挡系数是根据驾驶风格动力性指数计算得到的，分别用于使 AMT 升/降挡转速限值和目标转速向发动机高转速区间和低转速区间转移，并配合驾驶风格动态类型来实现对车辆驾乘感受和燃油经济性的个性化智能控制。3.2 驾驶风格识别算法 Simulink模型计算流程双维度驾驶风格在线识别算法模型的具体计算流程主要分为累加和平均两个模块，分别用来对计算里程范围内的指标量进行按时间步长的累加计算和达到指定计算里程时执行相应指标的平均计算，具体模型细节如图 2 所示。图 2 双维度驾驶风格识别算法 Simulink 细节模型图中累加模块根据瞬时车速、油门开度和刹车信号等输入计算得到车速和油门踏板开度变化量累加值、累计踩刹车次数、驾驶风格动力性指数累加值、累计运行时间和里程等参数。此后，当累计运行里程达到指定范围时，平均模块则算出平均油门开度和车速变化率，并得出最终的驾驶风格动态类型，以及由驾驶风格动力性指标决定的前向和后向换挡系数。4 驾驶风格识别算法的 HiL 测试4.1 重型车辆 HiL 测试系统介绍为了验证上述双维度驾驶风格在线识别算法 Simulink 模型的可行性，将其与已有的重型商用车 AMT 控制器白盒 HiL 系统进行了耦合测试。该 HiL系统的物理模型包括详细的 16 挡重型变速器及离合器模型，同时具有简易发动机模型、整车模型和轮胎阻力模型等，可以对满载 49 吨的 64 重型牵引车进行整车纵向动力学仿真5。在 双 维 度 驾 驶 风 格 识 别 算 法Simulink 模型的仿真测试过程中，使用物理油门和刹车踏板进行瞬时油门和刹车开度信号的输入，从而更加真实地模拟司机驾驶车辆过程中油门和刹车信号的变化特性。驾驶风格动态性和动力性指标，以及计算流程的中间变量会被记录并同步显示在 HiL 控制软件界面上，如图 3 所示。图 3 双维度驾驶风格识别算法测试 HiL 控制软件界面4.2 双维度驾驶风格在线识别模型 HiL 测试图 4 给出了双维度驾驶风格在线识别算法HiL测试过程中所记录的初判、终判动态风格类型，指定计算里程范围内的累计踩刹车次数及其终判阈值等参数。从图中可以看出，当初判动态风格类型为瞬变型且上一计算周期内的累计踩刹车次数超过终判阈值，或者当初判动态风格类型为恒定型且上一计算周期内的累计踩刹车次数小于终判阈值的情况下，驾驶风格的初判和终判动态类型保持一致。图 4 双维度驾驶风格识别算法 HiL 测试动态性指标参数在测试区域 A、B、C、D 内，初判和终判的动态驾驶风格类型并不相同。这是因为在区域 A 中，动态驾驶风格初判为适中型，而其前一周期的累计踩刹车次数小于终判阈值，所以终判类型为恒定型；与之类似，在区域D内，初判也是适中型，但由于累计踩刹车次数超过阈值，因此终判为瞬变型。在区域 B 中，初判为瞬变型，但由于上一周期累计踩刹车次数小于阈值，故终判为适中型；而在区域 C 中，虽然初判为恒定型，但累计踩刹车次数超过终判阈值，所以最终动态类型为适中型。上述判别逻辑与初始算法设计一致，表明该 Simulink 模型能够对驾驶风格动态指标进行可靠地在线识别。图 5 双维度驾驶风格识别算法 HiL 测试动力性指标参数图 5 所示为双维度驾驶风格在线识别算法 HiL 测试流程中记录的油门开度百分比信号、车速信号、计算周期内的平均车速和驾驶风格动力性指数等实时参数。从图 5 中可以看出，在大多数情况下，驾驶风格动力性指数和平均车速变化趋势基本保持一致，但在区域 X、Y（下转第 5 页）QICHEYANJIU汽车研究HEAVY TRUCK重型汽车5图 5 三种方案风阻系数累计图3.3.2 整车外流场线积分卷积通过对三种方案 CFD 流体仿真分析可知，三种不同的上导流罩安装方式会产生不同的外流场线积分卷积图，通过线积分卷积布置图，如图 6 所示，可以清晰地看出顶盖上方以及导流系统与货箱之间的空气流通情况。方案一：由原车设计方案线积分卷积图可以看出，由于货箱的高度较高，车顶部的空气不能被导流罩导流至货箱上部，而是直接进入驾驶室与货箱中间区域，并伴有大型的湍流现象。方案二：由设计最高方案线积分卷积图可以看出，将上导流罩抬高后，车顶部的气流一部分被导流罩导流至货箱上部，相较于方案一有明显改善。但是，大部分气流还是被货箱阻挡，直接进入驾驶室与货箱中间区域，且伴有部分湍流现象。方案三：由导流罩切线安装法匹配出最优化方案线积分卷积图可以看出，将上导流系统的安装位置经过优化后，车顶部的气流有效地被导流罩导流至货箱上部，空气流通顺畅，驾驶室与货箱中间区域的湍流现象明显减少。图 6 三种方案线积分卷积图 3.3.3 整车外流场整车正压力云图对比三种方案的整车正压力云图可以看出，如图 7 所示。方案一受到迎面风的冲击，货箱前部出现大面积正压区，最大正压力为 343Pa；方案二相较于方案一，货箱前部的正压区面积减少，最大正压力为 343Pa；方案三货箱前部的正压区得到明显改善，最大正压力为321Pa。通过对比，通过导流罩切线安装法匹配出最优化方案可以有效地改善整车正压区，降低整车正压力，提升整车经济性。图 7 三种方案正压力云图4 结语 通过对多种导流方案进行 CFD 流体分析，验证了本文提出的导流罩切线安装法匹配的导流系统在研究的多组方案中，整车风阻最小，导流效果最优。该方法不仅可以使用在现有成熟车型导流系统的优化布置，提升整车经济性动力性。更为重要的是，该方法可用于新车型的研发设计阶段。在研发新车型时，预先考虑到不同货箱的使用需求，设计出可调整导流系统，这样用户就可以根据自己的货箱进行匹配，节约用车成本，创造更多财富。参考文献:1朱晖，杨志刚两方程模型计算轿车气动性能的适用性研究 J 汽车工程，2016，38(11):1283 12872全国汽车标准化技术委员会商用车辆和挂车制动系统技术要求及试验方法:GB 12676 2014S北京:中国标准出版社，2014:403朱仕文一辆东风 EQ1118G 型汽车驻车制动无法解除J汽车运用，2011(5):47 484郝新平军用汽车驻车制动快速解除装置的研制J汽车运用，2007(4):33 35（上接第 2 页）中出现了明显差异，即平均车速上升但驾驶风格动力性指数却出现了下降趋势，这主要是由于其前一计算周期内的瞬时油门开度较小所导致的。这一现象与驾驶风格动力性指标算法的设计初衷相符，即应当从车速和油门开度两个方面来评估驾驶员对车辆持续功率输出的需求程度。这样可以更好地覆盖诸如下坡滑行工况、重载爬坡工况等复杂多变的真实场景，满足驾乘体验的同时实现最大限度的节油效果。5 结语本文提出的双维度驾驶风格在线识别算法通过在一定里程范围内实时采集车辆油门开度、车速和刹车信号，计算平均油门、车速变化率和累计踩刹车次数，并按照初判和终判两个步骤得到最终动态风格类型。驾驶风格动力性指标数值由相同里程范围内的瞬时油门和车速加权得出。通过 Simulink 建模实现和 HiL 驾驶仿真测试，证实该双维度驾驶风格识别模型能够对驾驶风格动态类型和动力性指数进行可靠在线识别，为重卡动力总成智能定制个性化动力输出曲线和 AMT 换挡策略，以及实现人车融合的智能辅助驾驶奠定基础。参考文献：1 吕凯光，李旋，韩天园，等.基于驾驶风格识别的 AEB 控制策略 J.汽车技术，2021（5）：16-21.2 秦大同，詹森，曾育平，等.基于驾驶风格识别的混合动力汽车能量管理策略J.机 械 工 程 学 报，2016,52（8）：162-169.3 王旭，马菲，廖小棱，等.基于多分类监督学习的驾驶风格特征指标筛选 J.交通信息与安全，2022,40（1）：162-168.4 覃文文，鄢祺阳，谷金晶，等.重型货车驾驶人驾驶风格识别与量化研究 J.交通运输系统工程与信息，2022,22（4）：137-148.5 杨建伟，郭春丽，杨洪强，等.一种 AMT 变速器物理模型的搭建方法 J.重型汽车，2023（4）：23-24.