Sistema experto de frenada de un vehículo automóvil basado en redes neuronales artificiales

Hoy en día, los vehículos inteligentes están equipados con interfaces de usuario altamente avanzadas que pueden reaccionar ante las decisiones y necesidades del conductor, mejorando de esta manera la dinámica vehicular atendiendo a la situación de conducción y evitando posibles colisiones fortuitas. Esta tecnología permite actualmente tomar decisiones sobre la conducción con un nivel de resolución superior al humano a la hora de, por ejemplo, realizar una frenada de emergencia ante un imprevisto. Con esta Tesis Doctoral se pretende que, en un futuro, se pueda realizar el control automático del sistema de frenado atendiendo a todas las circunstancias de circulación que rodean el vehículo en las que se pueda ver implicado dicho sistema, y no solamente en situaciones potenciales de peligro. De esta manera se busca optimizar el rendimiento del vehículo, mejorar la experiencia de conducción, aumentar la seguridad de los pasajeros y disminuir la probabilidad de que ocurra un accidente de tráfico. La contribución del comportamiento humano en los accidentes de tráfico es un área de estudio de especial interés a la hora de abordar el problema de la seguridad vial. Se pretende en esta Tesis Doctoral que el vehículo sea capaz de reproducir los hábitos y las formas de actuación de los conductores durante la maniobra de frenada de un vehículo, pero corrigiendo los posibles fallos humanos ligados a distracciones, falta de visibilidad o tiempos de reacción. Para conseguir este propósito se analiza la información obtenida por distintos sensores incorporados en el vehículo con la intención de caracterizar cada maniobra por independiente. Con el vehículo instrumentado con los sensores capaces de proporcionar en tiempo real información sobre el sistema de frenado se llevan a cabo una serie de ensayos. Éstos consisten en reproducir una serie de maniobras de frenada a distintas velocidades sobre una pista de suelo plano siguiendo una trayectoria recta. Los ensayos distinguen entre tres tipos de maniobra de frenado: mantenida, progresiva y frenada de emergencia. Los ensayos dinámicos están orientados a relacionar la velocidad de circulación, el tipo de frenada y el factor humano con la lectura de los distintos sensores embarcados en el vehículo: deformación en el vástago de fijación de la mordaza de la pinza de freno, presión en el circuito de frenos, fuerza ejercida por el conductor sobre el pedal de freno y deceleración del vehículo. Mediante un sistema de estimación basado en Redes Neuronales Artificiales se pretende pronosticar el comportamiento de los distintos sistemas en función de las condiciones de contorno que gobiernan la maniobra de frenada. El sistema ha de ser capaz de simular los resultados reales recogidos por los sensores con el fin de caracterizar una frenada de cualquier naturaleza y ser utilizado en condiciones reales de circulación, concretamente el valor de deformación sufrida por el sensor extensométrico y las distintas presiones recogidas. Igualmente se propone una clasificación de los estilos de conducción reflejados por los conductores que tomaron parte en los ensayos experimentales. Esta clasificación estará justificada por los resultados obtenidos en la lectura de la célula de carga instalada en el pedal de freno y la deceleración del vehículo. Esta clasificación está también basada en el modelo de pronóstico de Redes Neuronales Artificiales. A partir de los resultados obtenidos de los ensayos experimentales y de las simulaciones del modelo computacional que se plantea, se puede confirmar que es viable la metodología propuesta para la instrumentación del vehículo y la estimación de los parámetros que permiten caracterizar la frenada de un vehículo automóvil y clasificar los distintos estilos de conducción.Nowadays, smart vehicles are equipped with highly advanced user interfaces which can help with the driver’s needs, reacting to its decisions. Systems improve the vehicular dynamics attending to the driving environment and trying to avoid possible accidents. At the present time, this technology allows decisions to be made on driving with a higher level of resolution than humans, for example, performing an unexpected emergency braking. This Thesis aims to perform, in the near future, the automatic control of the breaking system in any condition, based on the study of the driving circumstances around the vehicle, and not only in situations of potential danger. Therefore, the purpose of this investigation is to optimize the performance of the vehicle, improve the driving experience, increase the safety of passengers and reduce the likelihood of traffic accidents. The contribution of human behaviour in traffic accidents is a point of great interest when talking about road safety. This Thesis aims to design a system that reproduces human behaviour when performing a braking manoeuvre, but correcting possible human failures due to distractions, lack of visibility or reaction times. To achieve this purpose, the information obtained by different sensors incorporated in the vehicle is analysed, in order to characterize each type of manoeuvre independently. With the vehicle fully instrumented with the sensors capable of providing real-time information about the braking system, a series of tests are carried out. These experiments consist in performing a set of braking operations at different speeds, following a straight path on a flat ground track. There are three different types of braking actions. Dynamic testing is aimed at relating the speed of the vehicle, the type of braking manoeuvre and the human factor with the readings of the different sensors installed in the vehicle: the deformation of the brake calliper’s attachment bolt, the pressure in the brake circuit, the deceleration of the vehicle and the force exerted by the driver on the brake pedal. A system based on Artificial Neural Network (ANN) is proposed to forecast the behaviour of the different systems according to the boundary conditions that govern the braking manoeuvre. The system must be able to simulate the real results collected by the sensors in order to characterize any type of braking and thus be used in real conditions of circulation, specifically the value of deformation suffered by the strain gauge and the different pressures collected. A classification of the driving styles reflected by the drivers who took part in the experimental tests is also presented. This sorting will be conditioned by the forcé transmitted to the brake pedal and the deceleration suffered by the vehicle. This label is also based on the forecast model of Artificial Neural Networks. From the results obtained, both in the runway tests and in the simulations performed by the proposed estimation systems, it can be asserted that the results obtained are a success. Therefore, the viability of the methodology proposed to implement a vehicle and the estimation of the parameters that characterize a braking and classify a driving style is demonstrated.Programa de Doctorado en Ingeniería Mecánica y de Organización Industrial por la Universidad Carlos III de MadridPresidente: José Luis San Román García.- Secretario: José Luis Muñoz Sanz.- Vocal: Julio Fuentes Los