驾驶员转向特性分类与辨识方法对比研究

针对汽车驾驶员转向特性分类与辨识问题，基于carsim仿真平台对研究方法进行了初步探索。设计了转向工况仿真试验，采集试验数据，根据车辆最大横摆角速度，使用k-means聚类算法对驾驶员转向特性进行分类。在matlab软件环境下分别采用学习向量量化(lvq)神经网络、bp神经网络、支持向量机(svm)建立驾驶员转向特性辨识模型，并对3种网络建立的辨识模型进行测试试验和比较。试验结果表明:3种辨识方法均具有较高的辨识精度，其中支持向量机方法在汽车驾驶员转向特性辨识方面具有一定的优势。