为监测驾驶人员的疲劳驾驶行为,提出了基于转向盘转角的疲劳驾驶检测方法。该方法利用角度传感器MLX90316采集转向盘转角数据,并从采集的转角数据中提取出了能描述驾驶员疲劳状态的角度标准差和静止百分比,根据角度标准差和静止百分比建立疲劳状态判别模型对驾驶员疲劳状态进行检测。实车试验表明,该方法能够简单、快捷地判断驾驶员的疲劳状态,准确率达到80.3%。 。为此,本文提出了基于ZigBee的车载疲劳驾驶状态检测方案,根据方案架构了驾驶员疲劳驾驶检测系统,利用转向盘状态预测驾驶人员的疲劳状态,并通过仿真试验对该方法的准确性进行了验证。2检测方案与识别方法2.1检测方案疲劳驾驶检测系统采用非接触式的绝对转角传感器MLX90316进行转向盘转角数据的采集,将采集到的数据通过CAN总线发送给上位机,上位机通过对采集数据进行实时处理和分析建立驾驶员疲劳模型,用以判别驾驶员的疲劳状态。疲劳驾驶检测系统架构如图1所示。本文由张家港倒角机网站采集转载中国知网网络资源整理! http://www.daojiaoji.cc 基于转向盘转角-电动数控滚圆机滚弧机折弯机数控滚圆机滚弧机折弯机图1疲劳驾驶检测系统架构示意2.2疲劳驾驶检测过程疲劳驾驶检测过程为:首先采集转向盘转角数据并转向盘转角数据采集MCUCAN接口MLX90316角度传感器提取特征上位机疲劳驾驶检测建立疲劳驾驶模型驾驶员疲劳状态·试验测试·-42-汽车角度标准差与驾驶员工作状态关系(b)静止百分比与驾驶员工作状态关系图3角度标准差和静止百分比与驾驶员工作状态关系3.4疲劳状态判别算法线性判别分析(LDA)也被称为Fisher线性判别(FLD),其算法原理是寻找使Fisher准则达到极大值的向量作为最佳投影方向,并使投影后的样本达到最大的类间离散度和最小的类内离散度,使投影后样本具有最佳的可分离性,是一种有效的用于分类的特征提取方法。本文运用LDA建立以静止百分比和角度标准差为特征向量的线性判别算法。利用LDA建立的线性判别模型中,S1、S2、S3为清醒状态、疲劳状态和非常疲劳状态时的线性判别函数;ai、bi、ci(i=1,2,3)为算法系数,由实际训练样本得到;p1、p2、p3为清醒状态、疲劳状态和非常疲劳状态时对应的概率。实际操作时,将传感器测得的F和W值写入式(4)中,可以得到函数S1、S2、S3的值。对p1、p2、p3数值进行比较,其最大值所对应的状态就是LDA模型的判别结果,也就是当前驾驶员的工作状态。疲劳状态判别模型如图4所示,包含了两个阶段,首先是特征提取,然后是线性判别分析。提取驾驶员特征时,角度标准差由传感器直接采集。在建立疲劳检测模型时选用了线?基于转向盘转角-电动数控滚圆机滚弧机折弯机数控滚圆机滚弧机折弯机本文由张家港倒角机网站采集转载中国知网网络资源整理! http://www.daojiaoji.cc
- [2019-08-06]传感器优化设计-液压电动滚圆机
- [2019-08-06]界面自组装-数控滚圆机滚弧机电
- [2019-08-06]澄清效果的影响-数控滚圆机滚弧
- [2019-08-05]刚度的解析公式-数控滚圆机滚弧
- [2019-08-05]制备及缓释性能-数控滚圆机滚弧
- [2019-08-05]组振动建模研究-数控滚圆机滚弧
- [2019-08-04]模型的风电功率预测-数控滚圆机
- [2019-08-04]最大准入容量计算-数控滚圆机滚
- [2019-08-03]传输电缆建模研究-数控滚圆机滚
- [2019-08-03]风电网损及运行-数控滚圆机滚弧