In Kooperation mit einem Automobilhersteller und einem Zulieferer für Bremssysteme wurde am Institut für Arbeitswissenschaft der UniBw München eine vergleichende Studie durchgeführt. Diese verfolgte das Ziel, einen Algorithmus für einen Bremsassistenten zu entwickeln, der erkennt, ob der Fahrer beabsichtigt, eine Notbremsung durchzuführen, noch bevor dieser den Bremsdruck aufbaut. Die bislang auf dem Markt verfügbaren Bremsassistenten nehmen die Pedalwechselzeit als Parameter für die Entscheidung, ob eine Notbremsung beabsichtigt ist. Wenn es gelingt, die Vorhersage der Fahrerabsicht noch früher zu treffen, kann wertvolle Zeit zum Aufbau des Bremsdrucks gewonnen und die Wirkung der Notbremsung verbessert werden. Die experimentelle Validierung zweier alternativer Algorithmen zur Verbesserung der Notbremsung wird im Beitrag vorgestellt. 3 Einzelfragen waren zu beantworten: - Kann mittels vorhandener Messwerte (CAN-Daten) prädiziert werden, ob der Fahrer eine Gefahrenbremsung machen wird, bevor ein Bremsdruckgradient vorliegt? - Mit welcher Wahrscheinlichkeit kann der Algorithmus zwischen einer beabsichtigten 'sehr starken' Bremsung und einer Gefahrenbremsung unterscheiden? - Wie sind Vorhersagen aufgrund von Fuzzy Logic im Vergleich zur klassischen Methode mit festen Grenzwerten zu bewerten? Aus den Daten der Fahrpedal- und Bremspedalbewegung (erfasst über CAN-Bus-Daten) lassen sich der 'Ruck' beim Loslassen des Gaspedals und die Pedalwechselzeit berechnen. Mit Hilfe von Fuzzy Logic (Mamdani-Methode) werden 85 % richtige Vorhersagen einer Notbremsung getroffen. Beim Versuch bremsten die Versuchspersonen bei 32 % der richtig klassifizierten Notbremsungen selbst stark genug, um eine Kollision mit dem Hindernis zu vermeiden. Bei 59 % dagegen hätte das Eingreifen des intentionsgeregelten Notbremssystems die Unfallfolgen drastisch verringern können. Die auf den Ergebnissen aufbauende verbesserte Auslegung des Notbremsassistenten vermeidet unerwünschte Fehlauslösungen weitgehend und greift trotzdem bei einer erheblichen Anzahl von 'Normalfahrern' unterstützend ein. Generell zeigen die Ergebnisse, dass mit Fuzzy Logic auch ohne aufwändige Sensorik FAS effizient und erwartungskonform gestaltet werden können.
Verbesserung von FAS durch Fahrerabsichtserkennung mit Fuzzy Logic
Der Mensch als Fahrer und seine Interaktion mit dem Fahrzeug, Der Fahrer im 21. Jahrhundert, 3 ; 177-186
VDI-Berichte ; 1919
2005
10 Seiten, 7 Bilder, 4 Tabellen, 5 Quellen
Conference paper
German
Verbesserung von FAS durch Fahrerabsichtserkennung mit Fuzzy Logic
Automotive engineering | 2005
|Verbesserung von FAS durch Fahrerabsichtserkennung mit Fuzzy Logic
British Library Conference Proceedings | 2005
|Akustik-Verbesserung durch Serienoptimierung
Tema Archive | 1988
|Akustik-Verbesserung durch Serienoptimierung
Automotive engineering | 1988
|