基于ADAMS的不同类型驾驶员模型参数的选择

摘要

驾驶员方向控制模型的研究在人-车-路闭环系统的设计与评价及智能交通系统尤其是智能车辆等领域占有至关重要的地位。本文的研究目的在于：建立高效而且准确的驾驶员方向控制模型，并将所建立的驾驶员模型与在ADAMS中建立的车辆模型进行驾驶员-汽车闭环系统仿真试验。完成的主要研究工作如下：
　　 1.基于汽车动力学原理，结合“预瞄-跟随”理论和神经网络，建立了一种方向控制驾驶员模型——两层前馈神经网络驾驶员模型。将本文建立的驾驶员模型应用于二自由度车辆模型上，形成驾驶员-汽车闭环系统，对闭环系统模型进行单移线、双移线和蛇行线三种典型工况下的仿真试验，试验结果证明这种建模方法具有精度高、省时省力等优点。
　　 2.在本文建立的两层前馈神经网络驾驶员模型的基础上，根据系统辨识的理论方法对ADAMS中建立的复杂车辆模型进行辨识，将其等效为简单二自由度模型，通过SUBROUTINE的方法实现驾驶员模型与ADAMS车辆模型的连接，实现驾驶员模型针对复杂车辆模型的应用，并且进行了双移线和蛇行线两种典型工况的仿真，对驾驶员模型针对复杂车辆应用的有效性进行了验证。
　　 3.由于真实驾驶员作为人类个体，具有个体差异性和适应性，为更为准确地模拟出真实驾驶员的驾驶规律，本文从生理学和心理学角度对驾驶员进行了简单分类，并根据驾驶员模型参数对驾驶员驾驶特性的影响，确定了不同类型驾驶员的参数选择范围，在此基础上建立了不同类型的驾驶员模型，通过双移线典型工况下的仿真试验验证了整个过程是正确合理的。
　　 综上所述，本文利用相关理论和方法建立了较为准确的不同类型驾驶员模型，且与复杂车辆模型相结合，构成了驾驶员-汽车闭环系统，试验证明该建模方法及其参数选择是合理有效的。
　　 这就为人-车-路闭环系统的深入研究提供了有利条件，为汽车操纵稳定性的进一步研究打下良好的基础。