季楨杰 魏民祥 王 帥

（1-南京航空航天大學能源與動力學院 江蘇 南京 210016 2-南京市中山陵園管理局）

引言

安全帶是車內人員保護自己的一種安全裝置，當汽車發(fā)生劇烈碰撞時，安全帶能約束車內人員，防止因為慣性往前沖向轉向盤和擋風玻璃，進而保護車內人員的頭部和胸部，減少車內人員二次碰撞的危險。

但是，目前很多車內人員為了圖方便或者出于懶惰，抱著僥幸心理，在車輛高速移動時，不系安全帶。雖然很多車輛設置了安全帶報警系統(tǒng)，但還是有很多人通過購買專門的安全帶鎖舌，插入安全帶插扣中，讓系統(tǒng)誤以為已經(jīng)系上安全帶。

針對這種問題，本文提出車用自動安全帶控制系統(tǒng)，實現(xiàn)車內人員自動佩戴安全帶，減少手動佩戴安全帶，提高車內人員的安全性。在安全帶運動控制優(yōu)化中，提出新的混合粒子群算法，優(yōu)化安全帶主動運動過程，提高安全帶自動佩戴效率。

1 車用自動安全帶控制系統(tǒng)

1.1 自動安全帶蛇形移動裝置結構

車用自動安全帶控制系統(tǒng)是對傳統(tǒng)的車用安全帶進行改進，在安全帶鎖舌處設置蛇形移動裝置，帶動安全帶鎖舌從卷收器出發(fā)，移動到插孔中，實現(xiàn)車用安全帶自動連接的系統(tǒng)[1]。

蛇形移動裝置由多個蛇形移動單元組成，如圖1所示。每個移動單元包括移動件、連接片、轉動軸、固定圓盤、錐齒輪和驅動電機。第一移動單元中第二移動件遠離第一移動件的那一端和第二移動單元中第一移動件遠離第二移動件的那一端固連，且第一移動單元的轉動軸和第二移動單元的轉動軸相互垂直。

圖1 蛇形移動單元結構圖

蛇形移動裝置通過驅動電機進行轉動，直流電機上的錐齒輪帶動傳動軸上的齒輪轉動，實現(xiàn)整個裝置的轉動，然后通過摩擦力將轉動轉為移動，最后通過驅動電機的正反轉來實現(xiàn)裝置的前后移動。當轉動副位于軸線水平處，該裝置將實現(xiàn)匍匐移動；當轉動副位于鉛錘方向，則該裝置將實現(xiàn)拐彎運動[2]。

1.2 控制系統(tǒng)硬件

車用自動安全帶控制系統(tǒng)執(zhí)行器硬件示意圖如圖2 所示，包括卷收器、安全帶鎖舌、插孔、蛇形移動裝置、安全帶鎖扣傳感器、攝像頭和控制模塊。

圖2 車用安全帶控制系統(tǒng)示意圖

卷收器分別固定在車座的右上端和右下端，其內安全織帶分別和安全帶鎖舌對應相連；插孔均固定在車座的左下端；2 個蛇形移動裝置均包含多個移動單元[3]。

傳感器主要由安全帶鎖扣傳感器和安全帶鎖舌位置傳感器組成。安全帶鎖扣傳感器設置在插孔內，用于感應安全帶鎖舌是否插入對應插孔內，并將感應結果傳遞給控制模塊；攝像頭設置在車座前方，用于拍攝車座上2 個安全帶鎖舌的位置，并將其傳遞給控制模塊。

控制模塊由微處理器MC9S08DZ60、電源LM2940、CAN 模塊TJA1050、驅動模塊L298P 和A/D轉換電路等組成，實現(xiàn)對蛇形移動裝置的控制和實時位置的獲取。

控制器控制硬件框架[4]如圖3 所示。

圖3 控制硬件框架

1.3 控制策略

基于控制硬件的車用自動安全帶控制系統(tǒng)，其設計目標是實現(xiàn)車內人員在駕駛車輛之前能夠自動佩戴安全帶，保證車內人員的生命安全。當駕駛人員進入車內后，座位前端的攝像頭采集安全帶運動環(huán)境信息，控制系統(tǒng)通過路徑優(yōu)化算法，迅速計算出一條運動路徑，通過多路PWM 控制和位置實時更新，實現(xiàn)閉環(huán)控制，最終完成安全帶迅速準確地自動佩戴。

控制策略[5]如圖4 所示。

圖4 安全帶運動控制策略

2 控制系統(tǒng)蛇形移動裝置運動路徑優(yōu)化

2.1 運動路徑問題描述與環(huán)境建模

本文通過車座前端的攝像頭獲取汽車安全帶運動路徑環(huán)境三維信息，對安全帶運動工作環(huán)境通過高度降維方法[6]轉化成二維平面區(qū)域，進行相應的二維環(huán)境建模。

首先建立以座椅背為xy 面，垂直于座椅背為z軸的三維坐標系，設定安全帶運動的起始點及目標終點，使用柵格法將三維環(huán)境進行分割，在三維坐標系內建立具有一定障礙物高度的柵格圖，比如人體衣物等；然后過起始點和目標終點，生成平行于座椅背xy 面的平面A，平面A 切過高度高于該平面的障礙物柵格；最后用傳統(tǒng)柵格法對二維平面A 進行處理，平面A 分割成柵格的過程實際上是將xy 平面的二維柵格映射到A 平面，平面A 與高于該平面的三維障礙物柵格形成的切面即作為平面A 的二維障礙物柵格，其余部分作為平面A 的二維自由柵格。

將安全帶鎖舌簡化成一個很小的質點，由于本文設計的車用自動安全帶控制系統(tǒng)由2 個安全帶鎖舌完成自動佩戴，所以根據(jù)安全帶鎖舌起末狀況下的位置，建立0.6 m×0.8 m 的柵格圖，每格代表0.04 m 的長度，并設置2 個安全帶鎖舌的初始位置為A（0.6，0.8），B（0.6，0），而成功抵達鎖扣的位置為C（0，0）。如圖5 所示，黑色區(qū)域代表蛇形移動裝置無法逾越的障礙，其中，區(qū)域1 為脖頸，區(qū)域2為衣服的配飾，區(qū)域3 為安全帶裝置，其余的為衣服上的皺褶。

圖5 安全帶運動環(huán)境柵格圖

2.2 混合粒子群實現(xiàn)路徑優(yōu)化

2.2.1 量子Bloch 坐標編碼的初始化種群

在量子坐標系和Bloch 球面中，設置粒子Pi坐標范圍為[aj，bj]，空間點由3 個坐標軸表示為：

改變普通粒子狀態(tài)更新公式，通過引入量子旋轉門和相位參數(shù)φ、θ，對粒子位置進行更新，得到新的粒子Pi位置和速度的表達式：

式中：Δθl=θilj-θij；Δθg=θgj-θij；Δφl=φilj-φij；Δφg=φgj-φij；w 為慣性權重；c1和c2分別為自身因子和全局因子；r1，r2為[0，1] 的隨機數(shù)；η 為壓縮因子；Δθij（t），Δφij（t）為t 時刻粒子Pi上第j 個量子位的2 個相位參數(shù)的旋轉角度；θij（t），φij（t）為t 時刻粒子Pi上第j 個量子位的2 個相位參數(shù)當前的相位；θilj，φilj為粒子Pi上第j 個量子位的2 個相位參數(shù)自身最優(yōu)相位；θgj，φgj為整個粒子群上第j 個量子位的2 個相位參數(shù)全局最優(yōu)相位。

通過在Bloch 坐標中每個粒子相匹配的3 個備選優(yōu)化解，新的粒子群（混合粒子群）比普通粒子群規(guī)模增加了3 倍，提高了粒子在空間中的多樣性，有利于找到最優(yōu)粒子解[7]。

2.2.2 Logistic 混沌搜索

對于普通粒子群算法（PSO）找不到最優(yōu)解的情況，采用混沌搜索策略，便于算法找到函數(shù)最優(yōu)解。本文提出早熟判斷機制，讓粒子避免陷入局部解；同時提出采用Logistic 混沌搜索策略，一定程度上避免局部最優(yōu)的情況。

對粒子群的早熟收斂判斷，建立代表粒子聚集度的適應度方差：

式中：m 為粒子群粒子數(shù)目；fi為第i 個粒子的適應度；favg為平均適應度；f 為歸一化定標因子。

為了限制適應度方差，建立f 的表達式：

當σ2為某個值，即當σ2＜C（其中C 為一個定常數(shù)）時，認為粒子群開始早熟，引入算法進入混沌變異狀態(tài)，避免早熟現(xiàn)象。

采用Logistic 混沌搜索對早熟粒子進行擾動，重新進行搜索，進而提高粒子群的搜索能力。通過歸一化生成的混沌序列Zi，利用混沌映射公式進行混沌迭代，生成M 個混沌序列，又進行反歸一化，在原解空間的領域內產(chǎn)生新的M 個序列的解，對第i 代出現(xiàn)早熟的局部最優(yōu)解及其適應度值與進行混沌映射后的M 個新解及M 個適應度值做比較，保留最好解[8]。

2.3 路徑優(yōu)化算法的實現(xiàn)

未來的汽車，通過智能化設計保證其安全帶完成自動佩戴的任務。其路徑優(yōu)化的目標是在起始點和終止點（目標終點）之間找到一條最短的，且避開所有障礙物的路徑。對于混合粒子群算法，每個粒子的維度為d，建立蛇形移動裝置的路徑優(yōu)化目標函數(shù)：

式中：f 為較大數(shù)m 減去粒子中所有相鄰維度點的距離和，較大數(shù)m 取為800；（xi，yi）表示第i 個粒子坐標；維數(shù)為30[9]。

為了防止相鄰粒子之間形成的路徑與障礙物邊緣相交，提出使用跨立實驗的方法檢測2 條線段相交的情況，其路徑規(guī)劃優(yōu)化算法流程[10]如圖6 所示。

圖6 路徑規(guī)劃優(yōu)化算法流程圖

3 仿真與分析

為了簡化計算，本文只考慮鎖舌從點A 到C 的運動過程，驗證本文提出的混合粒子群的有效性。在相同的安全帶運動環(huán)境柵格圖下，將本文提出的混合粒子群算法與普通粒子群算法進行比較。參數(shù)設置如下：自身因子c1=1.5；全局因子c2=1.5；種群數(shù)目為80；慣性權重w 為1；終止迭代次數(shù)為200。

圖7 為改進前后的適應度。

圖7 改進前后適應度

圖8 表示算法改進前后安全帶移動軌跡的規(guī)劃圖。

圖8 改進前后運動軌跡圖

從圖7 的普通粒子群算法（PSO）和混合粒子群算法（混合PSO）的適應度值、圖8 的運動軌跡可以看出，PSO 的適應度值為691.35，移動路徑長度為1.086 5 m；而混合PSO 的適應度值為696.1，移動路徑長度為1.039 0 m，縮短了0.047 5 m 的運動路程。

從仿真結果對比可以看出，在車用安全帶實現(xiàn)自動佩戴時，相比PSO，混合PSO 能更快地計算最短路徑，更好地避開安全帶蛇形移動裝置運動環(huán)境區(qū)域的障礙物，從而驗證了混合PSO 的有效性。

4 結論

本文針對車內人員駕駛時不佩戴安全帶的現(xiàn)象，闡述了車用自動安全帶控制系統(tǒng)。使用蛇形移動裝置和自動安全帶控制策略，可實現(xiàn)車用安全帶自動佩戴。同時，為了優(yōu)化自動佩戴路徑，快速實現(xiàn)自動佩戴，對安全帶運動環(huán)境模型進行柵格圖模擬，采用混合粒子群算法，為安全帶自動佩戴快速規(guī)劃出一條避開環(huán)境障礙物的最短路徑。仿真結果表明，在安全帶自動佩戴路徑規(guī)劃方面，混合粒子群算法比普通粒子群算法更合理?；旌狭Ｗ尤核惴ㄓ行Эs短了路徑，佩戴效率得到提高。