关于智能机械车辆研究发展趋势

杨树恒

摘 要：在智能时代的背景之下，汽车也开始朝着智能化的方向发展，无论是从功能还是驾驶体验方面，机械车辆智能化给人们的交通出行带来了较多的便利，其有效的减少了各类交通事故的发生频率，其是时代发展进步的重要表现。为此，本文对智能机械车辆的研究方向、未来可能的发展趋势以及已有的一些智能技术等进行了深入细致的研究，希望能够借此更好的促进智能机械车辆的长远发展，满足大众的出行需要。

关键词：智能机械车辆；研究；发展趋势

一、智能机械车辆研究方向

在科技和经济的双重支持之下，智能汽车的研究方向所包含的内容可谓是多种多样，人们比较熟知的主要有监控、预警系统、自主车辆控制系统。其中预警系统又可以分为多个不同的类别即障碍物预警、行车偏航预警、道路交通信号提示等。而自主控制系统的主要目的则是为了实现车辆行驶的自动化，在对车辆进行控制时，无需使用方向盘，即能够对车辆进行控制。此外，还有半自动控制系统的特点就在于其智能化水平高，在驾驶员无法及时的反应时，能够实现对车联的自动控制，自我管理，拉大车距，保证车辆始终处在相对安全的位置，该系统的应用可以有效避免各类安全事故的发生。

在对智能机械车辆的智能技术进行分析研究时，笔者认为其切入点主要包含有以下几个方面的内容：

1.从汽车操作者驾驶习惯的角度进行探究，其主要是利用数据统计分析系统对驾驶员的各类教师行为情况进行采集和统计，借助探头设备感知驾驶员的精神状态究竟如何，在对相关进行分析的基础之上，其能够给为智能车辆驾驶或者是自动驾驶系统的研发提供了多元化的理论数据。在进行智能系统研发时，如果识别到驾驶员的驾驶状态与平时差别比较大，汽车智能系统就可以及时的发出预警信號，提醒驾驶员注意休息，规避危险[1]。

2.对周边环境和分析，该分析主要是建立在空间传感器技术之上的，借助该技术能够对车联周边环境或者是障碍物的信息，比如说车流量、人流量、障碍物、路况。车牌以及行车标识等。在获取了这些信息之后，用户能够及时的规避各种意外及交通危险。

3.对极端环境下的驾驶条件进行分析。汽车运行不可能一直在比较好的环境下运行，其可能会遇到台风、暴雨或者是大雾天气，在这种条件下，驾驶员往往难以快速的给出恰当的反应，其对事故出现的可能性也无法准确的分析和预测。而对极端环境下的驾驶条件进行分析，采集相应的数据，然后设计出相应的智能系统对其进行规避。

二、智能机械车辆控制理论基础

1、模糊控制理论研究智能机械车辆

在对车辆系统进行分析时，可以将操作看做是一个计算方式，其借助非线性计算的方式，通过反复的输入和输出排除不确定的干扰。基本上所有驾驶员对于汽车的理解和认识都是建立在模糊认知基础之上的，如以汽车速度为例，在对车速快慢进行控制时，如果不观察时速表，驾驶员可能只能凭借自己的本能预估车速，人们对于速度的快慢概念实际上是极为模糊的。再比如说，在驾驶汽车时转动方向盘，究竟应当调整多少度才是最为合理的，其也没有一个准确的概念，基本上都是驾驶者结合实际驾驶环境进行预估和评价。以模糊控制理论为指导的智能车辆主要能够使不同的车辆配备该系统后保持适当的前后距离。汽车的速度越快，距离就会越远。当汽车在路上行驶时，通常是由前面的车来引导后面的车。将该理论应用于智能机械车辆的研究中，利用红外相关参数可以精确测量车速，并根据前后距离的变化灵活控制模糊控制系统控制的车速和方向。模糊车辆模型与模糊驾驶员控制模型的结合，模拟了人类驾驶车辆的各种行为。相关实验研究表明，该理论的主要优势在于能够更真实、客观地反映驾驶员的驾驶行为，从而为车辆的研发提供理论支持[2]。

2、人工神经网络研究智能机械车辆

人工智能实现的重要途径之一是人工神经网络的发展，它为解决模糊控制理论中的不确定性因素提供了一种新的途径。人工神经网络主要研究智能车辆。通过建立智能驾驶员控制模型，可以控制车辆联动，实现车辆联动的部分或全部自动化，取代传统的人工驾驶。例如，美国密歇根大学利用人工神经网络开发了一套智能机械车辆系统。该系统通过当前路面位置和运动方向识别驾驶员控制方向的模型，并借助传感器，最终实现了对汽车进行仿真操作的需要。

三、智能机械车辆研究范围

1、计算机视觉

司机开车时，借助他们的感官能够接收外界信号，从视觉和听觉信号主要是，信号内容主要有交通信号灯、道路环境，语言是路人可以作为司机的识别，语言智能技术的支持下也可以转化为计算机视觉语言。通常有一个更大的应用价值的智能车辆系统必须执行和更新，能够对汽车更新数据在处理过程中，鲁棒性是监控道路环境的质量，同时智能系统设计期间还应该考虑生产成本是否能被用户接受，如果系统设计太昂贵，所以用户的消费压力将会增加。

2、传感器数据融合

智能机械车辆相关技术的实现离不开传感器技术的支持，传感器技术通过对数据的精确处理，保证了系统的准确性和可靠性。目前，在智能汽车研究领域，除了传感器外，更常用的信息传输设备有雷达、激光、红外和GPS等。例如，雷达系统的应用优势在于能够有效地解决计算机视觉难以有效解决的距离传输问题。它能在多种环境下传输数据，受外界环境因素干扰相对较小。该激光系统的优点是可以获得汽车速度的瞬时信息和前面车辆的信息。该系统可用于车辆在行驶过程中避障超车。GPS系统是目前汽车上应用最广泛的导航系统，具有成本低、使用方便等优点。但该技术在实际应用中也存在一些缺陷，即导航精度不高，存在一定的误差。当然，随着技术的不断发展和进步，可以使用算法来消除误差[3]。

3、智能控制技术在智能机械车辆上的应用

智能机械车辆的控制主要包括广义模型与数字模型相结合的混合控制过程。同时，它还具有相对的模糊性和不确定性。在某些情况下，该算法并不存在。智能控制技术的分析，作者发现，一些发达国家的研究技术逐渐成熟，并应用到智能汽车辅助驾驶系统，司机开车时，可以通过系统提供更科学合理的驱动方案，识别周围环境中存在的各种风险因素，及时向驾驶员发出警告。一般来说，智能控制技术是建立在人类行为和决策的基础上的。尽可能符合人们的驾驶习惯，从而最大限度地发挥这项技术的应用优势。

总之，智能机械车辆是未来汽车技术发展建设的重要方向，其是时代发展不可逆转的趋势，加强对智能机械车辆的研究是促进我国汽车产业长远发展的有效渠道之一。在发展智能机械车辆时必须要全面的掌握其控制理论基础，只有在此基础上开发计算机视觉、传感器数据融合和智能控制技术，并将其应用到实际中，这样才能真正的发展好智能机械车辆技术，为未来我国智能车辆的发展打下坚实的基础，促进我国相关汽车产业的长远发展建设，推动社会的进步，满足广大汽车驾驶者多元化的驾驶需求。

参考文献

[1] 赵炯，王伟. 基于传感器融合技术的电动汽车自动驾驶系统的开发[J]. 制造业自动化. 2013（09） ：43-46.

[2] 迟健男，张朝晖，周楠楠，郝彦爽. 基于特征的车辆目标复合探测方法研究[J]. 仪器仪表学报. 2008（12） ：2553-2558.

[3] 沈志熙，黄席樾，权循宝，李晓伟. 基于小波模极大值和SVM的智能车辆障碍物检测[J]. 四川大学学报（工程科学版）. 2008（06） ：144-149.