全文总字数：4739字
1. 研究目的与意义（文献综述）
随着我国经济的飞速发展，汽车产业作为国民工业经济的支柱产业，近年来保有量逐年上升，截至2019年已达2.6亿辆，随之而来的是道路交通体系与车容量间的矛盾升级导致交通事故频发，给人身安全及经济带来严重损失。据统计，2016年全国交通事故发生数达212846起，其中，汽车交通事故发生数近15万起，约占70%[1]。因此，加强对汽车安全性能的研究对降低交通事故发生率具有重要意义。
近年来，欧盟新车安全评鉴协会euro-ncap、日本新车安全评鉴协会j-ncap及中国新车安全评鉴协会c-ncap等机构将自动紧急制动系统（aeb）纳入主动安全评价规程中，这些测评规程极大推动了汽车主动安全的发展[2]，其中，aeb系统已成为该领域热点问题。据euro-ncap研究结果可知，aeb系统可避免27%的交通碰撞事故发生[3]；国际环境与公共卫生研究结果表明，若中国aeb系统市场渗透率达100%，则交通事故死亡人数可减少13.2%，伤害可减少9.1%[4]。
aeb系统由环境感知、控制及执行机构组成，在紧急情况下以预警或自动制动的形式避免事故的发生[5]。对于aeb系统的研究，最常见方法是基于设计规则的控制决策算法，专家系统多取决于对各类可能工况的人为穷举、参数标定以及设计者的经验[6]。随着深度神经网络的发展，其以拟合能力优、表征能力强和适用范围广等优势在自动辅助驾驶领域广泛应用。hinton等（2006）首次建立深度信念网络概念，提出一种无监督预训练权重方法，通过优化并精调权值解决了传统神经网络随机初始化权值导致网络易收敛到局部最小值的问题[7]。目前应用最广泛的深度神经网络（dnn）有时间维度深层特征提取的循环神经网络（rnn）和空间维度深层特征提取的卷积神经网络（cnn）[8]。fernández等（2007）提出了层叠式长短期记忆网络模型（lstm）[9]。chung等（2014）提出门控循环单元（gru），相比lstm网络，结构更简单且减轻了训练误差发散或梯度消失问题[10]。zyner等（2017）重点研究基于lstm网络在车辆进入十字路口预测驾驶员意图的方法，实现道路车辆自动化[11]。
2. 研究的基本内容与方案
1)基本内容
本研究主要进行基于lstm神经网络的aeb控制器设计。包括建立车辆动力学模型，设计aeb控制策略，并在该模型上进行aeb系统可靠性和有效性验证；将紧急工况下aeb系统的执行结果所反映在车辆上的数据及驾驶人请求数据作为输入，训练神经网络学习该aeb系统输出或学习驾驶者的行为；在此基础上将预测结果分析处理，验证该深度神经网络可提高aeb系统的性能。
2)设计目标
3. 研究计划与安排
1)确定毕业设计选题、完善毕业设计任务书(相关参数)、校内外资料收集，提交毕业设计任务书。（7学期第18-19周）
2)查阅相关文献资料，明确研究内容，了解国内外研究现状及技术方案。完成文献检索及开题报告。（8学期第1-2周）
3)外文翻译，对研究方案进一步明确，完成资料再收集包括基于lstm神经网络训练、车辆与障碍物之间安全距离模型分析及执行机构设计等理论研究，建模仿真软件学习等知识储备工作，提交外文翻译。（8学期第3周）
4. 参考文献（12篇以上）
[1]秦恩国.道路交通事故损失统计分析[j].内燃机与配件,2018(15):192-194.
[2]何仁,冯海鹏.自动紧急制动(aeb)技术的研究与进展[j].汽车安全与节能学报,2019,10(01):1-15.
[3]euro ncap.test protocol-aeb systems version 1.1[r],2015.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
