版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、在智能交通領(lǐng)域,駕駛行為的研究已成為熱點。作為公交車,安全是最重要的指標(biāo),因而緊急制動是需要重點討論的駕駛行為。
本論文利用速度、加速度和沖動數(shù)據(jù)建立了公交車制動過程的數(shù)學(xué)模型,利用該模型得到了合適的識別算法,并在嵌入式系統(tǒng)實現(xiàn)了緊急制動過程的識別,識別率較好。
首先,介紹了相關(guān)概念。論文介紹了公交車制動的力學(xué)模型,公交車制動過程、模糊邏輯算法的基本概念。
其次,建立公交車制動過程數(shù)學(xué)模型。利用采集到的CA
2、N數(shù)據(jù),統(tǒng)計城市公交車制動過程的特點,從而建立了公交車制動過程時速度、減速度以及沖動的數(shù)學(xué)模型。
然后,利用建立的數(shù)學(xué)模型,對基于速度和制動踏板信號識別緊急制動行為方法和基于模糊邏輯算法進行比較分析。驗證了基于模糊邏輯算法,利用速度、減速度以及沖動來識別公交車緊急制動的識別率較高,抗噪性能較好。且驗證了三角形隸屬度函數(shù)以及質(zhì)心法的解模糊方法對于本課題公交車緊急制動識別的高效性。
最后,我們在嵌入式系統(tǒng)中實現(xiàn)了改進的模
3、糊邏輯識別算法。通過利用ARM/LINUX嵌入式系統(tǒng),建立了緊急制動行為識別的實驗系統(tǒng)。利用該實驗系統(tǒng)對重慶市某條線路公交車進行了試驗,在較多的其它駕駛行為中識別出了緊急制動,與人工對緊急制動行為統(tǒng)計相比,錯誤率較低。
總之,論文通過利用CAN總線的數(shù)據(jù)特點建立了公交車制動過程數(shù)學(xué)模型,利用該模型比較了兩種識別算法,并在嵌入式系統(tǒng)中利用此算法以較高的正確率識別了公交車緊急制動行為。正確識別公交車的緊急制動行為對提高公交車安全駕
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數(shù)字圖像處理的公交車識別研究.pdf
- 礦用異形軌卡軌車緊急制動系統(tǒng)的研究與設(shè)計.pdf
- 基于CAN數(shù)據(jù)的公交車輛遠程監(jiān)控技術(shù)應(yīng)用研究.pdf
- 基于數(shù)據(jù)挖掘技術(shù)的公交車到站時間預(yù)測.pdf
- 基于公交車軌跡數(shù)據(jù)的交通擁堵區(qū)域檢測.pdf
- 基于數(shù)據(jù)融合的綜合識別方法研究.pdf
- 基于彩色圖像的公交車乘客運動目標(biāo)識別研究.pdf
- 基于制動工況的路面識別方法研究.pdf
- 基于熱機耦合的制動盤緊急制動有限元分析及試驗研究.pdf
- 公交車到站時間動態(tài)預(yù)測方法研究.pdf
- 基于紅外數(shù)據(jù)的數(shù)據(jù)智能識別方法研究.pdf
- 公交車制動能量液壓回收系統(tǒng)的研究.pdf
- 公交網(wǎng)絡(luò)瓶頸識別方法研究.pdf
- 基于GPS數(shù)據(jù)的公交車停靠站時間預(yù)測研究.pdf
- 基于浮動公交車的交通信息實時檢測和公交車到站時間預(yù)測研究.pdf
- 公交車線路
- 公交車的調(diào)度
- 公交車路線
- 基于數(shù)據(jù)融合的表情識別方法研究.pdf
- 磁浮列車渦流制動系統(tǒng)建模及緊急制動控制策略的研究.pdf
評論
0/150
提交評論