改進汽車安全氣囊控制算法

1、改進汽車安全氣囊控制算法    摘要本文論述了目前國內(nèi)外汽車安全氣囊控制的一些主要算法，并解釋了該算法中的核心內(nèi)容和研究特點。在結(jié)合傳統(tǒng)方法的同時，提出了兩種新的算法數(shù)據(jù)融合控制算法和模式識別控制方法。     關(guān)鍵詞安全氣囊；汽車碰撞；數(shù)據(jù)融合；模式識別   1 引言     汽車安全氣囊的應用拯救了許多乘員的生命。但隨著汽車的應用越來越多，氣囊錯誤彈出的情況也時有發(fā)生，這樣反而會威脅到乘員的安全，所以必須提高安全氣囊的控制性能。因此，我們也需要進一步研究氣囊控制算法。  

2、   汽車安全氣囊技術(shù)發(fā)展到今天，其優(yōu)劣已經(jīng)不在于是否能夠判斷發(fā)生碰撞和實現(xiàn)點火，現(xiàn)代的安全氣囊控制的關(guān)鍵在于能夠在最佳時間實現(xiàn)點火和對于非破壞性碰撞的抗干擾。只有實現(xiàn)最佳時間點火，才能夠更好的保護駕駛員和乘客。     最佳時間的確定在于當汽車發(fā)生碰撞的過程中，乘員向前移動接觸到氣囊，此時氣囊剛好達到最大體積，這樣的保護效果最好。如果點火慢了，則乘員在接觸氣囊的時候，氣囊還在膨脹，這樣會對乘員造成額外的傷害。如果點火快了，乘員在接觸到氣囊的時候氣囊已經(jīng)可以萎縮，則氣囊不能對乘員的碰撞起到最好的緩沖作用，也就不能很好的起到對乘員的保護作用。&#

3、160;   圖1 氣囊示意圖     第二個是氣囊的可靠性問題，也就是對于急剎車、過路坎和其他非破壞性碰撞時引起的沖擊信號的抗干擾。汽車在顛簸路面上行駛或以很低速度的碰撞產(chǎn)生的加速度信號可能會令氣囊誤觸發(fā)，一個好的控制系統(tǒng)應該能夠很好的識別這些信號，從而在汽車產(chǎn)生非破壞性碰撞時不會使氣囊系統(tǒng)誤打開。     第三個就是氣囊控制技術(shù)的基本指標，包括避免以下情況：氣囊可能在很低的車速時打開。車輛在很低車速行駛而發(fā)生碰撞事故時，只要駕駛員和乘員系上了安全帶，是不需要氣囊打開起保護作用的。這時氣囊的打開造成了不

4、必要的浪費。當乘客偏離座位或座位上無人，氣囊系統(tǒng)的啟動不僅起不到應有的保護作用，還可能對乘客造成一定傷害1。 2  安全氣囊點火控制的幾種算法     1) 加速度法     該算法是通過測量汽車碰撞時的加速度（減速度），當加速度超過預先設(shè)定的閾值就彈出安全氣囊。     2) 速度變量法     該算法是通過對汽車加速度進行積分從而得到加速度變化量，當加速度變化量超過預先設(shè)定的閾值時就彈出安全氣囊。     3) 加速度坡度法

5、60;   該方法是對加速度進行求導得到加速度的變化量作為判斷是否點火的指標。     4) 移動窗積分算法2     對加速度曲線在一定時間內(nèi)進行積分，當積分值超過預先設(shè)置的閾值時，就發(fā)出點火信號。 2.1 移動窗積分算法     下面具體介紹一下移動窗積分算法，選定以下幾個觀察量作為氣囊點火的條件指標。汽車碰撞時的水平方向加速度（或減速度）ax。ax是直接反映碰撞激烈程度的信號，而且ax在最佳點火時刻的選取中起關(guān)鍵作用。汽車碰撞時垂直方向的加速度ay，氣囊控制系統(tǒng)加入ay對非碰撞信

6、號能起到很大的抗干擾作用，當汽車發(fā)生正向碰撞時，ay與ax有很大的不一致性3；而當汽車受到路面干擾，例如汽車與較高的臺階直接相撞時，ay與ax有很大的一致性3，可以由此來判別干擾信號。 結(jié)合這幾個量，得出一個判斷氣囊點火的最佳指標。     需要采樣一個時間段（從碰撞開始）ax的值，根據(jù)這一系列的值才能判斷碰撞的激烈程度. 氣囊點火控制算法應在發(fā)生碰撞后2030ms內(nèi)做出點火判斷，因為氣囊膨脹到最大需要時間大概為30ms4，在碰撞初速度為28.4km/h時，人體向前移動5inch到達接觸氣囊的時間大概為70ms，則目標點火時刻為703040ms，所以氣囊打開應該在

7、碰撞后的40ms時刻，所以算法必須在2030ms內(nèi)做出點火決定。這樣可以采樣碰撞后的20個加速度值（頻率是1kHZ）作為算法的輸入值。而對于垂直方向也可以如此采樣。則可得兩組值：ax(1)，ax(2)ax(20)；ay(1)，ay(2)ay(20).     移動窗算法中對ax的處理為（1）式：                        

8、60;     (1)    圖2  移動窗口算法示意圖     其中t為當前時刻，w為時間窗寬度（采樣時間寬度），對ax(t)進行積分，得到指標S(t，w)，當S(t，w)超過預先設(shè)定值時，則發(fā)出點火信號。     寫成離散形式，如式(2)：               (2)   &#

9、160; n為當前時間點，k為采樣點數(shù)，f為采樣頻率。     加上垂直加速度之后，可以提高對路面干擾的抗干擾能力3，形式如式(3)：        (3)     S(n，k，)為雙向合成積分量，n，f，k如上定義；為合成因數(shù)，表征兩個方向加速度在合成算法中的權(quán)重。這種算法主要是考慮了汽車碰撞時的加速度因素，當加速度的積分達到一定值的時候，表示汽車的碰撞劇烈程度也到達一定值，會給乘員帶來一定傷害。而且這種算法對于判斷最佳點火時刻也是很有優(yōu)勢的，經(jīng)過實驗，利用這種算

10、法得出的點火時刻離汽車碰撞的最佳點火時刻（利用攝像得出）僅差幾毫秒2，符合要求的精度。     但是這種算法也有其不足，例如沒有考慮碰撞時的速度以及座位上有沒有人的因素，這樣當汽車低速運行的時候，還是有可能引起誤觸發(fā)。如果將速度和座位上是否有人的信號引入，則可以進一步減少誤觸發(fā)的機會。 2.2  利用數(shù)據(jù)融合提出的改進算法     由上面的敘述中我們可以知道，移動窗積分算法對于氣囊彈出與否進行判斷主要是根據(jù)積分量S，現(xiàn)在我們對積分量進行一些改造，可以克服上述缺點。具體做法如下，加入以下幾個觀察量： （1）汽車碰撞時的水平方向

11、速度v，v可以反映汽車碰撞時乘客的受傷害程度。v越大，乘客的動能就越大，碰撞時受到的傷害就越大。v是判斷氣囊是否應該打開的最直接的指標。（2）坐位上是否有乘員的信號5。坐位上無人時，當發(fā)生碰撞則可以不彈出氣囊，這樣做可以減少誤觸發(fā)的幾率，同時避免對其他乘員的傷害。     引入函數(shù)，這個函數(shù)的波形為：    圖3  函數(shù)波形圖     當v超過30km/h的時候，y的值就大于1；反之就小于1?，F(xiàn)在普遍采用的標準是，安全帶配合使用的氣袋引爆車速一般為：低于20km/h正面撞擊固定壁時，不

12、應點爆。而在大于35km/h碰撞時，必須點爆。在20km/h和35km/h之間屬于可爆可不爆的范圍。所以我們?nèi)030km/h為標準點，這樣結(jié)合上面的移動窗積分算法，提出新的S1，則S1為：         (4)     這樣當v>v0時，汽車點火引爆的靈敏度就比原來大了；而v<v0時，點火靈敏度就比原來小了。再引入座位是否有人信號c，有人時c1，反之c0。       (5)   S' 即為加

13、入了v和c的雙加速度合成積分量，其優(yōu)點是可以減少氣囊誤觸發(fā)的幾率，更好的保護乘員的安全。     再考慮到v>v0時引爆氣囊的靈敏度不需要太大，可以適當調(diào)整的系數(shù)為1/，此時y函數(shù)圖形如圖4。     由圖4可看到，采用增加了速度函數(shù)的算法后，使到v>v0時的靈敏度適當增加，同時也有效的減少了v<v0（低速）時的誤點火幾率。這個參數(shù)可以通過大量的碰撞實驗來確定，使得點火效果最優(yōu)。 2.3 利用模式識別的方法提出的控制算法     上述利用數(shù)據(jù)融合改進的移動窗控制算法是一種利用直觀概念進行

14、設(shè)計的方法，采用的是實時計算得出碰撞判決指標，缺點是計算量比較大，控制系統(tǒng)的性能要求較高。如果能夠直接根據(jù)輸入進行點火判斷，則計算量會大大減少。     為了減少計算量，使點火控制速度更加迅速，可以采用模式識別的方法。原理如下，在臺車碰撞試驗中采用第二節(jié)中提出的加入了速度函數(shù)的改進移動窗算法，對不同的輸入（加速度和速度）及其結(jié)果進行判斷，并將其記錄下來，得到一個數(shù)據(jù)庫。再利用模式識別的方法，結(jié)合大量的記錄，則可以求出某一車型的氣囊點火判斷的判別函數(shù)。然后在實際應用中可以利用判別函數(shù)對輸入的加速度和速度直接進行判別，對汽車狀態(tài)（氣囊彈出和氣囊不彈出）進行分類，從而大

15、大減少計算量。    圖4  函數(shù)波形圖 3  設(shè)計判別函數(shù)原理     氣囊的彈出(w1)與不彈出( w2)可歸結(jié)為通過對對象（汽車的碰撞）n組特征觀察量（a1，a2.an，v）的判斷（這里取汽車碰撞的加速度和速度為特征觀察量），從而對xa1，a2.an，v進行歸類。在歸類中，我們總是希望錯誤率最小，所以可以采用基于最小錯誤率的貝葉斯決策6。     通過對上述數(shù)據(jù)庫的統(tǒng)計，我們可以得到氣囊彈出的概率P( w1)，從而P(w2)=1P(w1)。   &#

16、160; 要對x進行分類，還需要類條件概率密度。p(x|w1)是氣囊彈出狀態(tài)下觀察x的類條件概率密度；p(x|w2)是氣囊不彈出狀態(tài)下觀察x的類條件概率密度。這樣我們可以算出w1和w2的后驗概率，如式(6)：                  (6)     基于最小錯誤率的貝葉斯決策規(guī)則為：如果P(w1|x)> P(w2|x)，則把x歸類于彈出狀態(tài)w1，反之P(w1|x)<P(w2|x)，則把

17、x歸類于不彈出狀態(tài)。把它設(shè)計成分類函數(shù)的形式，則可以直接利用分類函數(shù)進行判別。如式(7)：                            (7)     x是樣本向量，w為權(quán)向量，w0是個常數(shù)。在實際操作中，可以通過上述數(shù)據(jù)庫中大量的樣本來計算出w和w0。得出g(x)后，則可以對實際中檢測到的一組特征

18、值進行評估，以決定是否引爆氣囊。     二維的情況下g(x)的示意圖如圖所示。    圖5  分類函數(shù)示意圖     如圖5所示，分類函數(shù)g(x)可以將兩種狀態(tài)（引爆氣囊和不引爆氣囊）很好地區(qū)分開來，實現(xiàn)了對汽車碰撞狀態(tài)的即時判斷。而這種算法只要求系統(tǒng)進行一個查表的運算，大大減少計算量。 4  總結(jié)     綜上所述，移動窗算法對于低速的抗干擾方面存在不足；而加入了速度函數(shù)的改進算法，能夠適當增加系統(tǒng)在高速時的靈敏度，又能減少低速時的氣囊誤觸發(fā)幾率，符合現(xiàn)代安全氣囊的控制要求；模式識別的控制算法是建立在前面正確的控制算法的基礎(chǔ)上，利用大量的歷史數(shù)據(jù)得出