近日🥸，汽車學院2019級本科生陳龍平以第一作者身份👴，在能源材料領域高水平期刊《納米能源》（Nano Energy）發表了題為“Triboelectric nanogenerator sensors for intelligent steering wheel aiming at automated driving”的研究論文。該論文是恒达平台大學生創新項目的代表性成果📴，是車輛工程、智能科學與技術等多學科交叉融合的體現，也是校企產學研合作的結晶。其指導老師陳虹教授和黃巖軍教授為論文共同通訊作者🤡。

近年來👨🏽‍🎓，人工智能👨‍🔬、傳感方法🤮、通信技術和控製理論的進步加速了自動駕駛車輛的發展🖕🏼。人機交互系統（HMI）是智能汽車的重要組成部分♙🌒，是人與車之間的重要紐帶。HMI的存在能夠增強駕駛體驗，同時監測駕駛員行為。為了分析駕駛狀態🖱，系統需要獲取有關環境和駕駛員的信息，因此傳感器發揮著至關重要的作用。然而💼🍧，攝像頭和可穿戴設備存在的穩定性、準確性缺陷及對電源的需求限製了傳統傳感設備的發展，摩擦電納米傳感器（TENG）憑借高靈敏性😔、小體積、自供電特性應運而生。研究創造性地提出將TENG用於人機交互的首要界面——方向盤上，以期為自動駕駛車輛中HMI系統提供一種緊湊、高效和自供電的解決方案🦸🏽。該研究依托於科技部科技創新2030——“新一代人工智能”重大項目《開放環境下安全可信的人機共駕系統》等項目☝🏼🆎。

該研究的總體框架如下圖所示🦄，將自主設計的TENG布置在方向盤輪緣上🖖🏼，用於采集駕駛員的握持信號，經單片機處理後發送到上位機進行分析。實驗結果證明，得益於傳感器的高靈敏性和握力變化領先於轉角變化的物理特性，TENG的響應時間平均領先傳統轉軸轉角傳感器（SAS）0.55s✋🏻👷🏽‍♀️。該提前量有希望用於駕駛員心理層面的預測📛，為車輛避險和人機協同控製提供一種新的思路。研究將握持信息用於轉向動作的識別🤬，比較了多種分類算法，證明了支持向量機（SVM）具有較高的分類精度，可達97.22%👆🏻。這在交通事故分析和個性化協同駕駛策略等方向具有前景📙🧑‍🦽‍➡️。作為例子，文章介紹了一種使用模型預測控製方法(MPC)和TENG的協同轉向控製方案，比較了換道場景下駕駛員獨立控製和人機協同控製的反應時間，實驗結果證明，協同控製的平均反應時間領先獨立控製0.78s🦼，這對於提高車輛高速行駛條件下的操控安全性具有重要意義。

項目團隊中的學生成員包括汽車學院2018級本科生陳詩陽🚢、2019級本科生陳龍平、余寧海、莫璟玥。團隊自主完成了從調研到傳感器製備、模型仿真、硬件設計、算法開發🧑🏼‍🤝‍🧑🏼、實驗、論文撰寫等一系列研究過程，並取得了豐碩成果。

論文鏈接🕛🤽‍♂️：https://doi.org/10.1016/j.nanoen.2023.108575