崔宇，黄晓梦

（长安大学 汽车学院，陕西 西安 710064）

基于小波神经网络的车辆状态识别方法

崔宇，黄晓梦

（长安大学 汽车学院，陕西 西安 710064）

针对车辆安全辅助系统中对车辆运行状态识别率偏低的问题，采用小波神经网络对车辆运行状态进行识别。为了进一步提高模型的识别准确率以及减少训练时间，对样本进行主成分分析、卡尔曼滤波，最后利用遗传算法优化小波神经网络。通过对优化后的小波神经网络对数据进行训练与测试，测试结果表明在时间窗口1.8s时模型的识别率能达到91%以上，可以满足车辆安全辅助系统对于车辆状态识别的要求。

车辆运动状态；神经网络；卡尔曼滤波；主成分分析；遗传算法

CLC NO.:TP391 Document Code: A Article ID: 1671-7988 (2017)08-112-03

引言

车辆运行过程中，其主要的运行状态可以分为车道保持与换道。其中相对于车道保持，换道行为是一种较为不稳定的运行状态，更易与周围的车辆发生冲突，是影响到车辆行驶安全的重要因素之一。因此针对车辆换道过程中的驾驶安全性，车辆安全研究人员开发出了许多的车辆安全辅助系统，其中就包括换道辅助系统[1]（SWA）、车道保持辅助系统[2]（LKAS）等。在这些车辆安全系统中车辆运行状态识别技术成为能够影响其工作稳定性的主要因素。

神经网络[3]具有较高的学习能力以及较强的泛化能力，适合于像车辆运行状态这种复杂的行为的学习拟合。本文通过在高速公路上进行实车试验，采集大量车辆在不同的运行状态下的数据，并以此建立了小波神经网络[4]的车辆状态识别模型。……