基于复合动态采样的自动驾驶矿车节能路径规划方法

近年来,考虑安全与效率的自动驾驶矿车路径规划方法已逐渐成熟,并在多种矿山场景落地应用。与此同时,产业界和学术界也开始关注如何利用路径规划提升矿车的燃油经济性。针对这一需求,本文提出了一种矿山场景下的自动驾驶矿车节能路径规划方法,其主要特点是根据车速、道路坡度及障碍物进行S-L（进度-偏离）和S-T（进度-时间）的复合动态采样。针对矿山典型地形场景,建立了矿车燃油消耗指标,提出了安全性-运行效率-能耗综合路径评价模型;为了防止评价模型的各项权重陷入局部最优,设计了基于模拟退火策略的粒子群自适应优化方法。在矿山实际场景的测试中,本研究提出方法较现有方法在燃油经济性指标上平均提升了11.28%。     

智能网联汽车节能优化关键问题与研究进展

汽车保有量的增加和能耗排放法规日益严格的限制给车辆节能减排提出了巨大挑战，网联化、智能化和电气化是提高未来交通效率和减少公路能源消耗的三大支柱。为了全面了解智能网联汽车节能减排的前沿问题与研究进展，对当前经济驾驶领域的重点问题进行了总体概述。首先，从广义的能量转换角度总结了智能车辆节能优化技术的本质和3个过程，其中Wheels to Distance环节的车辆系统优化是挖掘汽车节能潜力的重要一环，针对其介绍了智能网联汽车节能优化问题的基本数学原理；其次，从智能运输系统的各类非同源异构数据出发，分别从人-车交互、车-车通信、车-路感知三方面阐述来源于"人-车-路"交互体系的智能信息与数据；然后，针对单车智能网联环境下的多维度信息与先进控制技术相结合的关键问题，从考虑道路坡度预测巡航控制、跟车工况预测巡航控制、智能辅助驾驶和车道变换等应用场景进行具体介绍；针对"人-车-路-云"多源异构环境下车辆行为协同节能关键科学问题，从经济驾驶、多车协同节能、道路交叉口车路协同节能和车云协同节能等方面详细介绍研究现状；并进一步介绍电气化公路系统的前瞻性研究，说明融合智能化信息的E-highway节能潜力和智能重型商用车协同节能的未来发展趋势。最后，总结并梳理智能化信息对于提升车辆节能的重要影响，并展望了其在理论与实际层面遇到的挑战。     

驾驶循环对车辆能量经济性影响的研究

本文依据国内外具有代表性的不同驾驶循环对一实际的内燃机汽车和一构思的混合动力电动汽车的能量经济性进行了分析。研究了内燃机和电机的运行工况分布，并利用内燃机的万有特性图和电机及其控制系统的等效率曲线以及各驾驶循环的相关特性分析了产不同结果的原因。最后对内燃机汽车和混合动力电动汽车的能量经济性受驾驶循环的影响情况进行了比较和分析。     

纯电动汽车经济性驾驶的影响因素及应用

我国新能源汽车技术路线是以纯电驱动为主,随着纯电动汽车保有量的增加,降低其行驶能耗既符合国家节能 减排的战略,又能改善用户的用车体验。基于某纯电动SUV车型的实际道路驾驶数据,通过相关性和降维分析得到加速 度的方差是影响能耗的最关键因素;进而采用一维模型仿真,研究匀速、加减速和坡道3种典型工况下能耗的形成机理 和优化方向,得到平衡能耗与行驶时长的经济性驾驶原则,如高速巡航时应适当降低车速,市区拥堵时控制加速度变化 幅度,上下坡时利用车辆惯性,减少制动能量回收。     

汽车经济性驾驶技术及应用概述

汽车经济性驾驶是道路交通节能减排的重要方向。该技术以驾驶人与车辆/道路/交通流的优化与协调为核心,通过重塑驾驶员习惯、辅助驾驶员操作以及车辆自动化控制等手段,满足出行需求的同时降低行驶过程的油耗。该文综述了汽车经济性驾驶技术的发展历史、技术现状与理论难点;介绍了节油驾驶策略的实验型和理论型辨识方法。其应用可分为3类:易于实施、适合政府层面推动的驾驶员教育;最具产品化前景、值得业界关注的节油驾驶辅助;将是经济性驾驶技术的理想载体的自动驾驶。     

混合动力汽车集成式两档DHT研究应用

混合动力汽车技术作为一种行之有效的节能减排解决方案,其技术体现形式多种多样,混合动力专用变速箱(DHT)是核心零部件之一。基于混合动力集成式 DHT 新技术设计,研究改制策略方案,通过将集成式两档 P1+P3架构 DHT 新技术应用在 CN30S7HEV功能样车上,对整车顿挫、换档停机、整车抖动等典型问题进行优化提升,基本形成了集成式两档 DHT 的整车技术路线,相比传统燃油车提高了整车动力性、经济性、驾驶性及噪声-振动-声振粗糙度(NVH)性能。     

基于驾驶意图识别的HEV模糊控制策略研究

文章以并联式混合动力汽车为研究对象,针对混合动力汽车的燃油经济性及其控制策略进行研究,采用了驾驶意图识别的模糊控制策略,并通过MATLAB平台和CRUISE软件进行联合仿真实验。仿真结果表明,相比于逻辑门限控制策略,驾驶意图识别的模糊控制策略可以明显提升整车燃油经济性,验证了所提出控制策略的有效性和实用性。     

《节能与新能源汽车发展规划(2011年至2020年)》征求意见稿述评

《规划》提出到2015年应大力发展节能汽车和实现普通混合动力车大规模产业化。到2020年传统汽车的燃油经济性提高到国际先进水平,大规模普及混合动力车。     

混合动力汽车燃油经济性研究

应用能量分析的方法,以轿车和载货汽车为例,研究了混合动力汽车(HEV)与传统燃油发动机汽车的燃油经济性。发现按原车后备功率最大值时所对应的车速所需的驱动功率作为HEV燃油发动机功率的选择依据,节油效果最显著。当燃油驱动功率和电动驱动功率各占50%左右时,HEV轿车的经济性评价指标为原车的22.8%,HEV货车的经济性评价指标为原车的79.2%,同时又能保证动力性基本不变。结果表明,用混合动力可以有效地降低汽车的100km燃料消耗量,轿车的燃料消耗降低幅度大于货车。     

基于动态规划优化的电动节能赛车速度曲线分析

文章基于动态规划算法对电动节能车的速度曲线的优化问题展开了研究。在纯电动汽车的能耗优化问题中,动态规划可以用于求解最优的能耗分配方案,以达到最小化总能耗的目标,从而达到最优的一个速度曲线。基于动态规划的优化方法,根据能源动力系统效率模型提出了一种基于全局最优算法动态规划的优化速度曲线的目标优化的控制策略,并给出目标路段的最优车速,以达到一个最佳的行驶速度,可以提高电动节能车的行驶效率和节能效果,与传统的线性或非线性速度曲线设计相比,具有较好的性能和更高的实用性。文章的研究为电动节能车的设计提供了一种新的思路和方法,对于推动新能源汽车的发展和应用具有重要意义。     

智能网联车辆生态驾驶研究现状及展望

作为近年来智能网联汽车领域的研究焦点，生态驾驶旨在提高驾驶安全的基础上，通过改善驾驶行为，有效缓解能源消耗和污染排放等问题，引起了各国政府、企业、高校和研究机构等的高度重视。同时，随着智能网联车辆技术的迅速发展，网联环境为生态驾驶提供了新的发展契机。为了分析智能网联车辆生态驾驶的研究进展，通过与传统生态驾驶进行对比，从车辆自身特性、驾驶人个性、道路交通状况与社会条件4个方面分析了智能网联环境下的生态驾驶的影响因素；从生态驾驶控制策略和生态驾驶应用现状2个方面对现有智能网联生态驾驶研究进行了归纳与分析；并从影响因素、控制策略和决策优化3个方面讨论了生态驾驶的意义、应用与目前所存在的问题，致力于为未来的相关研究提供有益的指导与借鉴。分析结果表明:智能网联环境下的生态驾驶和传统生态驾驶的影响因素较为相似，不过网联传感器和通信条件对智能网联环境生态驾驶有着较为显著的影响；相较于传统生态驾驶，智能网联环境下生态驾驶的控制策略与决策优化多考虑复杂驾驶工况、多车级别的全局生态驾驶；且由于各种新型技术的快速发展，结合先进的技术、适应行业发展需要也将成为未来智能网联生态驾驶发展的必然趋势。      

生态驾驶研究现状及展望

为了明确国内外生态驾驶的研究进展，对生态驾驶影响因素、生态驾驶控制策略、生态驾驶实施效果及生态驾驶应用等方面的研究进行综述，介绍驾驶人个性特征、外界刺激信息、道路状况及交通条件、车辆自身特征、行驶参数等生态驾驶的影响因素，归纳生态驾驶的优化控制策略，分析了实施生态驾驶的效果，总结静态、动态的生态驾驶培训方法，生态驾驶辅助设备，生态型智能交通等方面的生态驾驶应用。对文献的梳理和分析表明：生态驾驶无需改变车辆结构便可以减少30%左右的燃油消耗，降低20%~30%的污染物排放；有必要深入研究理论型生态驾驶策略，以定量的、形象化的方式研究适合中国实际情况的生态驾驶辅助系统；需加强生态驾驶的推广，将其纳入驾考培训体系之中，从而全面促进中国驾驶人的节能减排能力。     

电气化背景下电动汽车热管理技术的进步与展望

电动汽车热管理已成为保障车辆宽温域环境适应能力、电池热安全和乘员舱热舒适性等方面的关键技术,同时也对电动汽车的能耗,特别是高低温环境下的整车能耗有着显著影响。随着车辆电气化和智能化的快速发展,与传统汽车相比,电动汽车热管理技术和发展路线在动力系统、空调系统等子热力系统和整车层面都呈现出了明显的差异和巨大的进步。综述了国内外电动汽车热管理技术领域重要的研究进展,阐述了电池、电机、热泵空调等子系统和整车集成热管理系统的技术进步,总结了当前电动汽车热管理亟待突破的技术重点和未来发展趋势。     

信号交叉口基于出发时刻预测的生态驾驶方法

在城市道路交通中,信号交叉口区域内车辆频繁停车启动的现象,加剧了整体交通流的能源消耗、污染排放与车辆延误。为了减少信号交叉口启停波现象对整体交通流产生的负面影响,以面向未来人工驾驶车辆(HDV)/智能网联车辆(CAV)混合构成的新型混合交通环境为基础,提出了一种基于出发时刻预测的生态驾驶方法,通过优化CAV的驾驶轨迹,减少交叉口区域的车辆延误和能源消耗。首先,对混合交通流的基本图模型进行了分析,根据启停波影响范围,划分CAV通过交叉口的驾驶场景;然后,建立了子区渗透率对饱和车头时距的影响关系,预测了CAV以当前饱和车头时距通过交叉口的时间;最后,结合车辆与交叉口的距离,利用分段三角函数模型,生成其通过交叉口的速度限制曲线,并将优化速度嵌入到智能车辆的跟驰模型中作为限制速度,从而使CAV在无法通过当前绿灯窗口的条件下,实现提前减速,在通过交叉口区域后解除速度限制,切换回自身的跟驰模型。此外,还提出了平均综合效能这一指标来综合评价驾驶策略在效率和能耗2个方面的性能,并将提出的基于出发时刻预测的生态驾驶方法与传统网联车辆控制方法、经典交叉口节能控制方法进行了对比。研究结果表明:提出的出发时刻预测方法可以精确预测CAV在交叉口的出发时刻,有效减少车辆的能源消耗与污染排放,同时提高信号交叉口的通行效率;在渗透率大于60%情况下,该方法对系统效能的提高达到12%左右,在10%渗透率条件下也可以达到6%的效能增益;在交通饱和流率在0.5~0.9的范围内时,系统的效能增益较明显。     

基于深度学习的混合动力汽车预测能量管理

为了优化混合动力汽车的能量动态分配过程，提升混合动力汽车的燃油经济性和动力电池荷电状态（SOC）平衡性，提高混合动力汽车能量管理策略的鲁棒性，以等效燃油消耗最小化策略为基础，结合对车辆未来行驶工况的预测研究，分析车辆未来行驶需求能量的变化，制定相应的动态调整策略。基于车联网通信技术，实时采集车辆的运行状态信息和交通信息，作为车辆未来工况预测模型的输入变量。以数据驱动为特征，基于混合深度学习建立工况预测模型。利用STL分解算法对各输入变量进行周期性、趋势性等特征分解，并对各输入变量的特征分量，使用混合深度学习网络从数据局部特征及时间维度依赖特征来深度挖掘目标车辆车速与外部信息及历史数据的关系，进而对车辆未来的行驶工况进行预测。利用预测的工况信息，分析车辆未来行驶需求能量的变化，应用于自适应等效消耗最小化策略等效因子的实时动态调整，从而实现对车辆的优化控制，并通过与传统自适应等效消耗最小化策略进行对比，验证该方法的有效性。研究结果表明：基于混合深度学习的工况预测模型预测精度比BP网络预测模型高44.72%；利用精确的预测工况信息预测能量管理，可以实时动态调整发动机和电机的功率输出，降低油耗并维持电池SOC平衡。     

新能源车型热管理控制策略逆向解析方案

热管理控制策略是新能源汽车能够安全稳定运行的关键,好的控制策略有助于降低能耗,延长车辆使用寿命以及提高乘员舱的舒适性等优点。为了更好的借鉴优秀车型的热管理控制策略,提出了一种热管理控制策略的逆向解析方案,可以利用测试和破解信号等手段,分析获取车辆的热管理控制策略。这有助于缩短开发周期,优化原有车型的控制策略,降低项目开发成本。     

A study of the environmental impacts of intelligent automated vehicle control at intersections via V2V and V2I communications

This article presents a novel intersection traffic management system for automated vehicles and quantifies its impact on fuel consumption and greenhouse gas emissions of CO₂ relative to traditional traffic signal and roundabout intersection control. The developed intelligent traffic management (ITM) techniques, which are based on a spatiotemporal reservation scheme, ensure that vehicles proceed through the intersection without colliding with other vehicles while at the same time reducing the intersection delay and environmental impacts. Specifically, the spatiotemporal reservation scheme provides each vehicle a collision-free path that is decomposed into a speed profile along with navigational instructions. The integration of the developed microscopic traffic simulator with instantaneous emission model, provides improved assessments of the environmental impact of traffic control strategies at intersections. The simulator architecture integrates several ITM algorithms, vehicle sensors, V2V/V2I communications, and emission and fuel consumption models. Each vehicle is modeled by an agent and each agent provides information depending on the specific vehicle sensors. The ITM system is supported by V2V and V2I communications, allowing the exchange of information among vehicles and infrastructure. The data include the estimated vehicle position and speed. Compared with traditional traffic management techniques, the simulation results prove that the proposed ITM system reduces CO₂ emissions significantly. The research also shows that these reductions are more significant when the traffic flow increases.     

并联混合动力汽车整车控制仿真

新能源汽车3大关键技术包括动力电池及其电池管理系统、驱动电机及其电机控制以及整车能量管理控制策略,整车控制策略直接决定能量流在汽车内部的流动及整车性能的好坏。文章利用模糊控制策略建立了详细的动力总成多能源能量管理控制模块,并通过ADVISOR仿真平台对所设计的控制策略进行仿真分析。仿真结果显示100km油耗仅5．1L,0-100km／h加速时间为23．1s,最大行驶速度168.3km／h;表明该能量管理策略能明显改善燃油经济性。动力性也具有较好表现。