汽车安全气囊点火算法综述

第３卷第２期　２０１３年３月　汽车工程学报　Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ａｕｔｏｍｏｔｉｖｅ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｖｌ０ｌ＿３　ＮＯ．２　Ｍａｒ．２０１　３　汽车安全气囊点火算法综述　殷文强１，：Ｆ　３ｉ，龙　，徐盼盼２，白中浩　（１．湖南大学汽车车身先进设计制造国家重点实验室，湖南，长沙４１００８２；　２．上海联创汽车电子有限公司，上海２０１２０６）　摘　要：目前安全气囊已在汽车上得到普遍应用，但其点火算法却没有统一的设计标准。详细论述了设计安全气囊点火　算法的理论依据，包括乘员损伤准则、气囊点火条件和点火时刻确定法则。介绍了几种传统的安全气囊点火算法，并对　其优缺点进行了对比。着重阐述了几种智能安全气囊点火算法的研究成果和发展前景，指出了安全气囊点火算法未来的　发展方向。　关键词：安全气囊；点火算法；智能控制　中图分类号：Ｕ４６１．９１　文献标识码：Ａ　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．２０９５—１４６９．２０１３．０２．０１　Ｒｅｖｉｅｗ　ｏｆ　Ｉｇｎｉｔｉｏｎ　Ａｌｇｏｒｉｔｈｍｓ　ｏｆ　Ｖｅｈｉｃｌｅ　Ａｉｒｂａｇ　Ｗｅｎｑｉａｎｇ　，Ｗａｎｇ　Ｙｕｌｏｎｇ　，Ｘｕ　Ｐａｎｐａｎ　，Ｂａｉ　Ｚｈｏｎｇｈａｏ　（１．Ｓｔａｔｅ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ａｄｖａｎｃｅｄ　Ｄｅｓｉｇｎ　ａｎｄ　Ｍａｎｕｆａｃｔｕｒｉｎｇ　ｆｏｒ　Ｖｅｈｉｃｌｅ　Ｂｏｄｙ，Ｈｕｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ　４１００８２　Ｈｕｎａｎ，Ｃｈｉｎａ；２．ＤＩＡＳ　Ａｕｔｏｍｏｔｉｖｅ　Ｅｌｅｃｔｒｏｎｉｃ　Ｓｙｓｔｅｍｓ　Ｃｏ．，Ｌｔｄ，Ｓｈａｎｇｈａｉ　２０１２０６，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ａｉｒｂａｇ　ｈａｓ　ｂｅｅｎ　ｗｉｄｅｌｙ　ｕｓｅｄ　ｉｎ　ｖｅｈｉｃｌｅｓｈｏｗｅｖｅｒ，ｔｈｅｒｅ　ｉｓ　ｎｏ　ｕｎｉｆｏｒｍ　ｄｅｓｉｇｎ　ｓｔａｎｄａｒｄｓ　ｆｏｒ　，ｔｈｅ　ｉｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍ．Ｔｈｅ　ｔｈｅｏｒｅｔｉｃａｌ　ｂａｓｉｓ　ｏｆ　ａｉｒｂａｇ　ｉｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ　ｗａｓ　ｒｅｖｉｅｗｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，　ｉｎｃｌｕｄｉｎｇ　ｏｃｃｕｐａｎｔ　ｉＮ　ｕｒｙ　ｃｒｉｔｅｒｉａ，ａｉｒｂａｇ　ｉｇｎｉｔｉｏｎ　ｃｏｎｄｉｔｉｏｎｓ　ａｎｄ　ｉｇｎｉｔｉｏｎ　ｔｉｍｉｎｇ．Ｂａｓｅｄ　ｏｎ　ｔｈｅｓｅ　ｔｈｅｏｒｉｅｓ，　ｓｅｖｅｒａｌ　ｔｒａｄｉｔｉｏｎａｌ　ａｉｒｂａｇ　ｉｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ　ｗｅｒｅ　ｉｎｔｒｏｄｕｃｅｄ　ａｎｄ　ｔｈｅｉｒ　ａｄｖａｎｔａｇｅｓ　ａｎｄ　ｄｉｓａｄｖａｎｔａｇｅｓ　ｗｅｒｅ　ｃｏｍｐａｒｅｄ．Ｔｈｅ　ｒｅｓｅａｒｃｈ　ｒｅｓｕｌｔｓ　ａｎｄ　ｆｕｔｕｒｅ　ｏｆ　ｔｈｅ　ｉｎｔｅｌｌｉｇｅｎｔ　ｉｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ　ｗｅｒｅ　ｓｕｍｍａｒｉｚｅｄ　ａｎｄ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｄｉｒｅｃｔｉｏｎ　ｏｆ　ａｉｒｂａｇ　ｉｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｗａｓ　ａｌｓｏ　ｐｏｉｎｔｅｄ　ｏｕｔ．　Ｋｅｙ　ｗｏｒｄｓ：ａｉｒｂａｇ；ｉｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍ；ｉｎｔｅｌｌｉｇｅｎｔ　ｃｏｎｔｒｏｌ　自从２０世纪８０年代在汽车上应用以来，安全　气囊已经挽救了无数乘员的生命，尤其是其与安全　带配合使用，可以使车辆在发生碰撞事故时前排乘　员的死亡率降低６１％…。然而，由于气囊不适当的　展开造成乘员损伤甚至死亡的事件也愈见频繁。据　ＮＨＴＳＡ报道，在２００１～２００６年间，美国有大约　汽车安全气囊点火算法是安全气囊控制系统的　核心，它依据各安全法规的乘员碰撞损伤要求，并　综合判断点火条件，来解决气囊是否需要点火以及　何时点火的问题。如果算法判断气囊在不需要点火　的低速碰撞、干扰路况时误点火，或者在高速柱碰　撞时漏点火、迟点火都会对乘员造成生命危险。由　１　４００位乘员因为安全气囊的误点火死亡，这为安　全气囊的应用前景蒙上了一层阴影　。　收稿日期：２０１３—０２　２８　基金项目：国家自然科学基金（５１１０５１３７）　于算法计算误差造成气囊在高强度碰撞时早点火，　则会引起乘员在碰撞过程中接触已泄气的气囊，而　０８２　汽车工程学报　第３卷　度信号进行很好的滤波，这样就造成了碰撞检测时　间的增加，并提高了气囊控制系统的开发成本。不　过，正如加速度梯度法的提出者美国ＡＳＬ实验室　的Ｔｏｎｙ　Ｇｉｏｕｔｓｏｓ指出的那样，加速度梯度参数对　碰撞具有预测能力，它能够在碰撞发生之前预测到　即将发生的碰撞，并预测乘员的位移，在控制气囊　的点火时刻方面有着其它传统算法无法比拟的优　越性ｎ　引。因此，将加速度梯度算法与其它算法，　如抗干扰能力较强的移动窗算法结合使用，可以综　合两者的优点，并弥补加速度梯度法抗干扰能力差　的缺点。　２．３移动窗积分算法　在介绍移动窗算法之前，简要介绍一下速度变　化量法。对碰撞过程中的加速度信号进行积分可以　得到速度变化量，当速度变化量超过预先设定的阈　值时就发出点火信号。速度变化量算法的关键是确　定积分开始的时刻，现在一般通过加速度阈值来确　定碰撞的起始时刻，同时认为碰撞的起始时刻为积　分开始时刻。　为了避免选取积分开始时刻带来的误差和不　便，一般使用移动窗积分算法代替速度变化量法。　选取一个适当的窗宽　，对当前时刻之前　时间段　内的加速度数据进行积分，并将积分结果与阈值比　较，如果超过预先设定的阈值，则发出点火信号。　由移动窗积分算法得到的速度变化量曲线比较平　滑，有一定的抗干扰能力，在汽车发生１００％正面　碰撞时，能够很容易判断车辆碰撞的严重程度，确　定气囊是否需要点火。但是仅仅利用速度变化量参　数ＡＶ，不能区分碰撞类型，当车辆发生柱碰撞、　角度碰撞时，气囊会发生漏点火现象。　文献［１４］和［１５］在移动窗积分算法的基础上　引入了另外一个参数，用加速度曲线的长度　来判　断汽车的碰撞形式（ａ为加速度）。　＝　］．　因为高速柱碰撞的加速度比低速正面碰撞的加　速度振荡幅度更大，振荡频率也更快，即加速度曲　线上的褶皱更加严重、密集，因此利用移动窗内加　速度曲线的长度参数可以轻易地将高速柱碰撞从低　速正面碰撞中区分出来，避免高速柱碰撞时由于安　全气囊不展开而造成的乘员伤害。然而，当汽车紧　急制动或者在起伏路、搓板路等崎岖不平的道路上　行驶时，加速度曲线长度值也会很大，抗干扰能力　变差。因此只有同时使用速度变化量和加速度曲线　长度两个参数，才能实现对安全气囊系统的准确控　制。另外，为了提高移动窗算法的路面抗干扰能力，　文献［１６］提出同时对水平方向ａ　和垂直地面方向　ａ　进行两向加速度合成积分，来削弱路面干扰信号　对碰撞信号的影响。　（，ｚ，ｋ，ｐ）＝　１∑（　（ｊ）一ｐｌａ￣（ｉ）１），　ｆ：，卜　十ｌ　式中：．Ｓ，为双向合成积分量；　为当前时间点；ｋ为　算法考虑的采样点数，即窗宽；　为采样频率；Ｐ为　合成因数，表征两个方向加速度在合成算法中的权重。　２．４比功率算法　１　对碰撞过程中汽车的动能Ｅ＝　・ｖ（ｔ）２两边进　行求导，可以得到汽车碰撞过程中的功率ｅ（ｔ）＝　ｍ・　（ｆ）．　（ｆ）。接着对其两边再进行求导可以得到比　功率公式ｄＰ（ｔ）：ｍ［ａ２（ｔ）＋ｖ（ｔ）・　（，）］，将得到的结　果与阈值进行比较，可以判断气囊是否需要点　火　一　。　比功率算法综合了加速度、速度变化量和加速　度梯度３个参数，同时融合了加速度峰值法、移动　窗算法和加速度坡度法３种算法的优点。（１）对于　偏置碰撞、柱碰撞和角度碰撞等碰撞形式，单纯的　速度变量参数不能很好地识别碰撞，而较敏感的加　速度梯度参数可以解决这一问题。（２）加速度坡度　法比较敏感，在进行长时间的车辆状态判断中会出　现混乱，而速度变量法比较稳定，可以长时间判断　汽车安全气囊是否需要点火。（３）加速度梯度法在　起伏路等干扰路况中很敏感，容易出现误点火的情　况，在比功率算法中综合了速度变化量参数，就可　０８４　汽车工程学报　第３卷　３．１　基于乘员检测的自适应安全气囊算法　乘员检测技术应用在汽车上至少可以带来３个　方面的好处。（１）降低乘车成本。如果检测到乘员　座位无人，当车辆发生碰撞时乘员侧安全气囊不需　要点爆，这样就减少了更换安全气囊带来的花费。　（２）提高乘车舒适性。当检测到乘员座位有人乘坐　时，可以自动打开空调等系统，使乘员乘车舒适。（３）　提高乘车安全性。当乘员座位为小个子乘员、婴儿　或乘员处于离位状态时可以使安全气囊不展开或者　低级展开，避免因气囊全力展开对乘员造成伤害。　乘员检测的内容包括：乘员占座检测、乘员大小分　类、乘员坐姿检测和乘员佩戴安全带状态检测ｎ　。　近年来，乘员检测系统致力于融合多种乘员信　息，综合考虑乘员大小、乘员坐姿以及乘员佩戴安　全带的状态，为安全气囊点火系统提供丰富的乘员　信息。文献［２２３和［２３］首先利用重力传感器检测　乘员占座情况，根据体重对乘员进行分类，并根据　重心初步检测乘员的位置，然后利用视觉传感器跟　踪乘员头部运动轨迹，实时检测乘员的坐姿。文献　［２４］基于不同类型乘员的体压分布特征，采用支　持矢量机（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ，ＳＶＭ）算法，　通过压力传感器测得不同乘员类型在不同坐姿下的　体型特征样本对ＳＶＭ进行了训练及检验，最终得　到满足精度要求的乘员坐姿识别器。随着摄像机和　立体图像处理技术的发展，仅仅使用视觉检测系　统来识别乘员综合状态的目标正在逐步实现。文献　［２５３和［２６３开发的视觉传感系统主要检测乘员脸　部位置，其中文献［２５］提出了适用于乘员脸部检　测的３种算法即Ｖｉｏｌａ－Ｊｏｎｅｓ算法，Ｋｉｅｎｚｌｅ算法和　Ｎｉｌｓｓｏｎ算法，虽然通过验证发现这３种算法在人　脸检测系统中还存在不稳定的缺点，但是为乘员检　测算法指出了一个有效的研究方向。文献［２７］介　绍了视觉传感器与先进的数字信号处理器ＤＳＰ的应　用，结果显示乘员分类以及乘员坐姿分析的正确率　可以达到９７％，但耗时为９７０　ｍｓ，这对于实现实时　跟踪乘员头部位移以及控制气囊在最佳时刻点火的　目标仍然存在一定的差距。现在基于视觉传感器以　及体压分布的乘员识别系统所采用的模式识别技术　跟模糊神经网络的应用密不可分　。。。　３．２模糊神经网络算法　模糊神经网络算法将模糊算法的非线性信息　处理能力和神经网络的自学习自适应功能应用于　汽车安全气囊控制系统中，有以下两个方面的用　途　一　。（１）与乘员识别系统相结合，实现乘员分类、　乘员坐姿识别以及乘员头部跟踪。（２）与汽车加速　度传感器结合使用，通过对加速度序列的训练，实　现对碰撞严重程度、碰撞形式的判断。模糊神经网　络的基本构造思想为：构造一个包含输入层、隐含　层和输出层的神经网络系统，应用实际碰撞试验中　的加速度序列值或者乘员图像信息作为输入量，利　用反向传播算法（ＢＰ算法）训练神经网络，逐步修　改模糊隶属度函数，确定相关参数阈值，最终获得　精准的模糊规则，应用于实际汽车碰撞事故时安全　气囊的点火控制ｂ　。　文献［３５］和［３６］介绍了一种基于自适应模　糊神经网络系统（ＡＮＦＩＳ）的安全气囊控制算法，　其中文献［３６］设计了一种“两阶段模糊算法”的　ＡＮＦＩＳ结构，利用了多个设计参数来支持算法。当　加速度信号Ｇ超过预先设定值后，利用该时间段内　对加速度信号两次积分得到一个距离值“ｄｉｓｐ１”与　设定的阈值作比较，判断碰撞是否是“严重”碰撞。　如果不是严重碰撞或者不能判断，则进入第二层判　断，引入了加速度值对时间的导数“ｊｅｒｋ”，加速　度超过阈值后“ｊｅｒｋ”值超过阂值的次数“ｎｊｅｒｋ”　以及加速度超过阈值与“ｊｅｒｋ”值第１次超过阈值　的时间间隔“ｔｗ”这３个参数，利用当前时间段内　的“ｄｉｓｐ２”，“ｎｊｅｒｋ”和“ｔｗ”３个参数来判断碰　撞的严重程度。文献［３７］利用遗传算法对模糊神　经网络的隶属度函数进行训练，通过随机但有向的　搜索机制寻找全局最优解。解决了由人类经验产生　的模糊控制规则固定不变的问题，并且在设计空间　可以进行多点搜索，大大降低了系统陷入局部最优　０８６　汽车工程学报　第３卷　制算法［Ｄ］．长沙：湖南大学，２００８．　Ｑｉｎ　Ｍｅｎｇｓｕ．Ｔｈｅ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｆｉｒｅ　Ｃｏｎｔｒｏｌ　Ａｌｇｏｒｉｔｈｍ　ｏｆ　Ａｕｔｏｍｏｔｉｖｅ　Ａｉｒｂａｇ　Ｂａｓｅｄ　ｏｎ　Ｆｕｚｚｙ　Ｌｏｇｉｃ　ａｎｄ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ［Ｄ］．Ｃｈａｎｇｓｈａ：Ｈｕｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ，２００８．（ｉｎ　Ｃｈｉｎｅｓｅ）　［５］　Ｆｅｄｅｒａｌ　Ｓａｆｅｔｙ　Ｓｔａｎｄａｒｄｓ．ＦＭＶＳＳ　２０８：Ｏｃｃｕｐａｎｔ　Ｃｒａｓｈ　Ｐｒｏｔｅｃｔｉｏｎ［Ｓ］．２０１０：２８—４３．　［６］　Ｅ．Ｃ．Ｅ．ＥＣＥ　Ｒ９４．＂Ｕｎｉｆｏｒｍ　Ｐｒｏｖｉｓｉｏｎｓ　Ｃｏｎｃｅｒｎｉｎｇ　ｔｈｅ　Ａｐｐｒｏｖａｌ　ｏｆ　Ｖｅｈｉｃｌｅｓ　ｗｉｔｈ　Ｒｅｇａｒｄ　ｔｏ　ｔｈｅ　Ｐｒｏｔｅｃｔｉｏｎ　ｏｆ　ｔｈｅ　Ｏｃｃｕｐａｎｔｓ［Ｓ］．１９９９（２）．　［７］　ＧＢ　１１５１１．乘用车正面碰撞的乘员保护［ｓ］．全国汽车标　准化技术委员会，２００３．　ＧＢ　ｌ１　５５　１．Ｐｒｏｔｅｃｔｉｏｎ　ｏｆ　ｔｈｅ　Ｏｃｃｕｐａｎｔｓ　ｏｆ　Ｐａｓｓｅｎｇｅｒ　Ｃａｒｓ　Ｈｅａｄ．ｏｎ　Ｃｏｌｌｉｓｉｏｎ［Ｓ］．Ｎａｔｉｏｎａｌ　Ｔｅｃｈｎｉｃａｌ　Ｃｏｍｍｉｔｔｅｅ　ｏｆ　Ａｕｔｏ　Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ，２００３．（ｉｎ　Ｃｈｉｎｅｓｅ）　［８］　ＢＲＥＥＤ　Ｄ　Ｓ．Ａ　Ｓｍａｒｔ　Ａｉｒｂａｇ　Ｓｙｓｔｅｍ：Ｕｎｉｔｅｄ　Ｓｔａｔｅｓ，　５２８２１３４［Ｐ］．１９９１．８．１９［１９９４．１１．２５］．　［９］　石哲．新型进口汽车ＡＢＳ・ＳＲＳ检修手册［Ｍ］．福州：福　建科学技术出版社，２０００．　Ｓｈｉ　Ｚｈｅ。Ｒｅｐａｉｒ　Ｍａｎｕａｌ　ｏｆ　ＡＢＳ・ＳＲＳ　ｏｆ　Ｎｅｗ　Ｉｍｐｏｒｔ　Ｃａｒ［Ｍ］．Ｆｕｚｈｏｕ：Ｆｕｊｉａｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｐｒｅｓｓ，　２０１０．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１０］　肖伟权．基于多传感器信息融合的安全气囊控制系统　［Ｄ］．合肥：中国科技大学，２００７．　Ｘｉａｏ　Ｗｅｉｑｕａｎ．Ａｉｒｂａｇ　Ｃｏｎｔｒｏｌ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　ｏｎ　Ｍｕｌｔｉ—　ｓｅｎｓｏｒ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｆｕｓｉｏｎ［Ｄ］．Ｈｅｆｅｉ：Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　Ｃｈｉｎａ，２００７．（ｉｎ　Ｃｈｉｎｅｓｅ）　王轶闻．丰田花冠安全气囊的原理与检修［Ｊ］．科技信　息，２００９（１１）：１０１－１０２．　Ｗａｎｇ　Ｙｉｗｅｎ．Ｔｏｙｏｔａ　Ｃｏｒｏｌｌａ　Ａｉｒｂａｇｓ　Ｐｒｉｎｃｉｐｌｅ　ａｎｄ　Ｍａｉｎｔｅｎａｎｃｅ［Ｊ］．Ｓｃｉｅｎｃｅ，２００９（１１）：１０ｌ—ｌ０２．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１２］　ＧＩＯＵＴＳＯＳ　Ａ　Ｐｒｅｄｉｃｔｉｖｅ　Ｂａｓｅｄ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ａｃｔｕａｔｉｏｎ　ｏｆ　ａｎ　Ａｉｒｂａｇ［Ｃ］．ＳＡＥ　Ｐａｐｅｒ　９２０４７９．　［１３］　ＧＩＯＵＴＳＯＳ　Ｔ．Ｓｌａｎｔ　Ｔｒａｎｓｆｏｒｍ／Ｓｉｇｎａｌ　Ｓｐａｃｅ　Ｃｒａｓｈ　Ｄｉｓｃｒｉｍｉｎａｔｏｒ：Ｕｎｉｔｅｄ　Ｓｔａｔｅｓ，６５３２４０８　Ｂ１［Ｐ］．１９９７．５．２９　［２００３．３．１１］．　［１４］　ＡＬＲＡＢＡＤＹ　Ａ　Ｉ，ＭＡＨＭＵＤ　Ｓ　Ｍ．Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ａ　Ｄｅｃｉｓｉｏｎ　Ｍａｋｉｎｇ　Ａｌｇｏｒｉｔｈｍ　ｏｆｒ　Ａｉｒｂａｇ　Ｃｏｎｔｒｏｌ［Ｃ］．ＩＥＥＥ　１９９３：８ｌ一８４．　［１５］　ＭＡＨＭＵＤ　Ｓ　Ｍ，ＡＬＲＡＢＡＤＹ　Ａ　Ｉ．Ａ　Ｎｅｗ　Ｄｅｃｉｓｉｏｎ　Ｍａｋｉｎｇ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ａｉｒｂａｇ　Ｃｏｎｔｒｏｌ［Ｃ］．Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｖｅｈｉｃｕｌａｒ　Ｔｅｃｈｎｏｌｏｇｙ，ＩＥＥＥ　１９９５：６９０—６９７．　［１６］　郑维，黄世霖，张金换　双向加速度合成气袋控制算　法及其抗路面干扰特性［Ｊ］．清华大学学报，２００３，　４３（２）：２５０—２５３．　Ｚｈｅｎｇ　Ｗｅｉ，Ｈｕａｎｇ　Ｓｈｉｌｉｎ，Ｚｈａｎｇ　Ｊｉｎｈｕａｎ．Ｂｉｄｉｒｅｃｔｉｏｎａｌ　Ａｃｃｅｌｅｒａｔｉｏｎ　Ａｉｒｂａｇ　Ｃｏｎｔｒｏｌ　Ａｌｇｏｒｉｔｈｍ　ａｎｄ　Ｉｔｓ　Ａｎｔｉ—　ｒｏａｄ　Ａｇｉｔａｔｉｏｎ　Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｔｓｉｎｇｈｕａ　Ｕｎｉｖｅｒｓｉｔｙ（Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ），２００３，４３（２）：　２５０－２５３．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１　７］ＡＬＬＥＮ　Ｊ　Ｌ．Ｐｏｗｅｒ－Ｒａｔｅ　Ｃｒａｓｈ　Ｓｅｎｓｉｎｇ　Ｍｅｔｈｏｄ　ｏｆｒ　Ｓａｆｅｔｙ　Ｄｅｖｉｃｅ　Ａｃｔｕａｔｉｏｎ［Ｃ］．ＳＡＥ　Ｐａｐｅｒ　９２０４７８．　［１８］ＡＬＬＥＮ　Ｊ　Ｌ，ＧＩＯＵＴＳＯＳ　Ｔ．Ｐｏｗｅｒ　Ｒａｔｅ　Ｓｙｓｔｅｍ　ａｎｄ　Ｍｅｔｈｏｄ　ｆｏｒ　Ａｃｔｕａｔｉｎｇ　Ｖｅｈｉｃｌｅ　Ｓａｆｅｔｙ　Ｄｅｖｉｃｅ：Ｕｎｉｔｅｄ　Ｓｔａｔｅｓ，５３６３３０２［Ｐ］．１９９１．１．４［１９９４．１１．８］．　［１　９］ＧＩＩＩＩＳ　Ｅ　Ｊ，ＧＩＯＵＴＳＯＳ　Ｔ．Ｔｈｅ　Ｕｓｅ　ｏｆ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｔｅｃｈｎｉｑｕｅｓ　ｉｎ　ａｎ　Ｏｃｃｕｐａｎｔ　Ｄｅｔｅｃｔｉｏｎ　Ｓｙｓｔｅｍ［Ｃ］．ＳＡＥ　Ｐａｐｅｒ　９４０９０６：６５—７０．　［２０］ＴＲＩＶＥＤＩ　Ｍ　Ｍ．Ｏｃｃｕｐａｎｔ　Ｐｏｓｔｕｒｅ　Ａｎａｌｙｓｉｓ　ｗｉｔｈ　Ｓｔｅｒｅｏ　ａｎｄ　Ｔｈｅｒｍａｌ　Ｉｎｆｒａｒｅｄ　Ｖｉｄｅｏ：Ａｌｇｏｒｉｔｈｍｓ　ａｎｄ　Ｅｘｐｅｒｉｍｅｎｔａｌ　Ｅｖａｌｕａｔｉｏｎ［Ｃ］．Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｖｅｈｉｃｕｌａｒ　Ｔｅｃｈｎｏｌｏｇｙ，　ＩＥＥＥ　２００４：１６９８—１７１２．　［２１］朱红艳，舒少龙．乘员分类系统研究综述［Ｊ］．汽车电器，　２０１ｌ（１），１—３．　Ｚｈｕ　Ｈｏｎｇｙａｎ，Ｓｈｕ　Ｓｈａｏｌｏｎｇ．Ａ　Ｒｅｖｉｅｗ　ｏｎ　Ｏｃｃｕｐａｎｔ　Ｃｌａｓｓｉｉｆｃａｔｉｏｎ　Ｓｙｓｔｅｍ［Ｊ］．Ａｕｔｏｍｏｔｉｖｅ　Ｅｌｅｃｔｉｒｃ，２０１１（１），　１—３．（ｉｎ　Ｃｈｉｎｅｓｅ）　『２２］ＨＵＳＳＡＩＮ　Ａ，ＨＡＮＮＡＮ　Ｍ　Ａ，ＭＯＨＡＭＥＤ　Ａ．　Ｄｅｃｉｓｉｏｎ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ｓｍａｒｔ　Ａｉｒｂａｇ　Ｄｅｐｌｏｙｍｅｎｔ　Ｓａｆｅｔｙ　Ｉｓｓｕｅｓ　ｌＪｊ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００６，１（１）：３　１—３７．　［２３］ＨＡＮＮＡＮ　Ｍ　Ａ，ＨＵＳＳＡＩＮ　Ａ，ＳＡＭＡＤ　Ｓ　Ａ．Ｓｅｎｓｉｎｇ　Ｓｙｓｔｅｍｓ　ｎａｄ　Ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　Ａｉｒｂａｇ　Ｄｅｐｌｏｙｍｅｎｔ　Ｄｅｃｉｓｉｏｎ［Ｃ］．　ＩＥＥＥ　２０１　１：８８８—８９０．　［２４］高振海，肖振华，李红建．基于体压分布检测和支持　矢量机分类的汽车成员坐姿识别［Ｊ］．机械工程学报，　２００９，４５（７）：２１６—２２０．　Ｇａｏ　Ｚｈｅｎｈａｉ，Ｘｉａｏ　Ｚｈｅｎｈｕａ，Ｌｉ　Ｈｏｎｇｊｉａｎ．Ｏｃｃｕｐａｎｔ　Ｐｏｓｉｔｉｏｎ　Ｒｅｃｏｇｎｉｔｉｏｎ　ｗｉｔｈ　Ｓｅａｔ　Ｓｕｒｆａｃｅ　Ｐｒｅｓｓｕｒｅ　Ｄｉｓ—　ｔｒｉｂｕｔｉｏｎｓ　ａｎｄ　Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅｓ　Ｃｌａｓｓｉｉｆｅｒ［Ｊ］．　Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００９，　４５（７）：２　１　６—２２０．（ｉｎ　Ｃｈｉｎｅｓｅ）　『２５］ＭＡＫＲＵＳＨＩＮ　Ａ，ＶＩＥＬＨＡＵＥＲ　Ｃ，ＬＡＮＧＮＩＣＫＥＬ　Ｍ．　Ｔｈｅ　Ｆｅａｓｉｂｉｌｉｔｙ　Ｔｅｓｔ　ｏｆ　Ｓｔａｔｅ．．ｏｆ－ｔｈｅ．．Ａｒｔ　Ｆａｃｅ　Ｄｅｔｅｃｔｉｏｎ　Ａｌｇｏｒｉｔｈｍｓ　ｏｆｒ　Ｖｅｈｉｃｌｅ　Ｏｃｃｕｐａｎｔ　Ｄｅｔｅｃｔｉｏｎ［Ｃ］．ＳＣＩ　Ｐａｐｅｒ　２００９：７５３２—３１．　［２６］Ｙａｎｇ　Ｙｉｎｇ，Ｚａｏ　Ｇｕａｎｇｙａｏ，Ｓｈｅｎｇ　Ｊｉｎｇ．Ｏｃｃｕｐａｎｔ　ｔｈｅ　Ｆｅａｓｉｂｉｌｉｔｙ　Ｔｅｓｔ　ｏｆ　Ｓｔａｔｅ．．ｏｆ．．ｔｈｅ－．Ａｒｔ　Ｆａｃｅ　Ｄｅｔｅｃｔｉｏｎ　Ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　Ｖｅｈｉｃｌｅ　Ｏｃｃｕｐａｎｔ　Ｄｅｔｅｃｔｉｏｎ　Ｐｏｓｅ　ａｎｄ