[发明专利]一种基于自适应神经模糊推理的小重叠碰撞安全气囊控制方法

摘要

本发明公开了一种基于自适应神经模糊推理的小重叠碰撞安全气囊控制方法。通过对小重叠碰撞事故进行分析并获得识别小重叠碰撞类型的特征参数：速度变化量、汽车主要受力方向、加速度长度比值，然后根据上述特征参数，基于自适应神经模糊推理系统建立二级模糊安全气囊控制算法对小重叠事故类型进行识别，同时通过训练合适的模糊隶属度函数和模糊规则来提高该算法的性能。其中二级模糊安全气囊控制算法包括以速度变化量为输入，通过与预设阈值对比进行第一级碰撞类型判断；以汽车主要受力方向、加速度长度比值为输入，通过自适应神经模糊推理系统进行第二级碰撞类型判断。本发明提供的安全气囊智能控制方法安全可靠、准确度高、实时性强。

主权项

1.一种基于自适应神经模糊推理的小重叠碰撞安全气囊控制方法，其特征在于：通过对小重叠碰撞事故进行分析并获得识别小重叠碰撞类型的特征参数：速度变化量、汽车主要受力方向和加速度长度比值，然后根据上述特征参数，基于自适应神经模糊推理系统建立二级模糊安全气囊控制算法对小重叠事故类型进行识别，同时通过训练合适的模糊隶属度函数和模糊规则来提高该算法的性能，其中二级模糊安全气囊控制算法包括以速度变化量为输入，通过与预设阈值对比进行第一级碰撞类型判断；以汽车主要受力方向、加速度长度比值为输入，通过自适应神经模糊推理系统进行第二级碰撞类型判断，最后根据判断结论在最佳时刻展开安全气囊，具体步骤如下：1)根据建立的整车有限元模型分别进行小重叠碰撞与正面碰撞仿真，获得车辆在不同碰撞类型及不同速度下的特征参数：速度变化量、汽车主要受力方向和加速度长度比值；2)通过分析比较小重叠碰撞与正面碰撞在不同碰撞速度下的速度变化曲线，选择0‑10ms内的特定速度变化量Δv作为第一级碰撞类型的判断阈值，若碰撞速度变化量大于此阈值则可直接判断为正面碰撞，小于此阈值则进入第二级碰撞类型判断；3)以汽车主要受力方向和加速度长度比值作为输入建立基于自适应神经模糊推理系统的第二级碰撞类型判断算法，同时以汽车碰撞类型作为自适应神经模糊推理系统的输出，并通过碰撞仿真数据进行训练优化，自适应神经模糊推理系统的模型为：该自适应神经模糊推理系统有两个输入和一个输出，系统共分为六层，包括一个输入层，一个输出层及四个隐含层，其中输入层节点数为2，输出层节点数为1，第一个隐含层节点数为6，其他三个隐含层节点数为3，同层节点具有相似功能：输入层：该层输入变量为汽车主要受力方向和加速度长度比值，用x1与x2表示，其实际论域范围分别为[0,35]与[0,1.5]，为统一计算论域范围，将其映射到计算论域[0,1]上，变换公式如下所示：其中，x0max和x0min分别为汽车主要受力方向和加速度长度比值的最大、最小值，x0为输入变量，x为论域变换后的值；第一层：该层为输入变量模糊化层，该层每个节点i通过高斯型隶属度函数uMi(x1)和uNi(x2)输出对应模糊集的隶属度，其中i＝1，2，3；第二层：该层输出为各条规则的适用度wi，用输入信号的乘积表示：wi＝uMi(x1)·uNi(x2),i＝1,2,3第三层：该层计算第i条规则w_i占全部规则适用度∑w_i的比例，用表示：第四层：本层为各条规则的输出其中，fi为Takagi–Sugeno型模糊推理系统的后项输出函数,pi,qi,ri为模糊参数；第五层：该层为输出层，系统的总输出y为：利用MATLAB的模糊工具箱ANFIS对自适应神经模糊推理模型进行训练，将不同速度下车辆碰撞数据和碰撞类型作为输入‑输出的训练数据，其每一行代表一个模拟目标系统所需的输入‑输出对，ANFIS采用误差反传与最小二乘相结合的混合算法训练相应参数，设置训练目标误差为0.001，步长为0.01，训练次数为20；4)通过代码移植将此模型输入到安全气囊控制器中，通过安全气囊控制器实时对速度变化量、汽车主要受力方向和加速度长度比值进行处理，当发生碰撞事故时，输出碰撞类型并起爆相应的安全气囊。