21、仓库与汽车系统安全研究：从盲区交互到故障注入

仓库与汽车系统安全研究：从盲区交互到故障注入

在现代工业环境中，仓库内自动化叉车与人员的交互安全以及汽车系统的故障分析与风险评估是至关重要的研究领域。下面将分别介绍仓库盲区交互安全和基于机器学习的故障注入在危害分析与风险评估中的相关内容。

仓库盲区自动化叉车与人的安全交互

在仓库环境中，自动化叉车与人员在盲区的交互存在一定安全风险。为了提高这种情况下的安全性，同时尽量减少对效率的影响，引入了包含基础设施传感器的架构。

不同的安全概念各有优劣：
- 仅依赖叉车自身传感器（SC0 和 SCA） ：如果叉车在十字路口不减速（SC0），会对人类工人构成高风险；若减速则会导致严重的性能损失（SCA）。
- 利用基础设施传感器信息（SCB） ：可以动态决定是否减速，减少对性能的影响，即使连接并非始终可用。但如果忽略缓慢接近的自动化叉车，仍存在小风险。
- 叉车无条件为人类停车（SCC） ：会导致不必要的等待时间。

未来，当能获取更多可靠信息时，有望自动推断人类工人的行为，例如通过改进预测来识别其意图和意识。同时，系统可增加工人主动让叉车先行的方式。

基于机器学习的故障注入用于危害分析与风险评估

在汽车领域，当前的汽车标准如 ISO 26262 要求对安全关键组件进行危害分析和风险评估（HARA）。这一过程通常劳动密集，而基于机器学习的故障注入方法旨在简化这一过程。

自适应巡航控制系统

自适应巡航控制（ACC）系统的目的是调节车辆速度，避免与前车