基于SMPA的半挂车自动泊车运动规划方法研究

半挂车辆的非稳定运动学特性为其泊车过程中自主运动规划带来严峻挑战。针对半挂车在多障碍物的静态场景中泊车运动规划算法效率低、结果平滑性差等问题,本文提出了序列式运动规划方法（sequential motion planning algorithm, SMPA）。首先,提出了基于二次规划策略和改进双向快速扩展随机树（bidirectional rapidly-exploring random tree algorithm,Bi-RRT）的初始路径生成方法。然后,结合车辆非完整微分约束下的路径节点可行性判别方法研究,提出基于概率的目标偏向采样策略,提高了采样效率。最后,构建了面向车辆系统控制变量连续性的非线性最优化控制模型,解决泊车换向点的对接问题,提高了泊车轨迹平滑性。仿真结果表明,该方法在多障碍物场景中,规划时间相比Hybrid A~*和Bi-RRT分别降低了86.71%和21.44%,轨迹质量也更具优越性。     

基于实时路况信息的插电式混合动力汽车预测性能量管理算法研究

为提高插电式混合动力汽车的燃油经济性,对基于实时路况信息的预测性能量管理算法展开研究。根据实时路况信息采用能耗分配法规划全局SOC参考轨迹,利用自适应等效燃油消耗最小策略(A-ECMS)跟随目标SOC轨迹实现能量管理。以上海市某行驶工况数据进行仿真,结果表明:全局SOC参考轨迹可在低、高速区间合理分配电量,真实SOC轨迹与参考轨迹变化趋势一致,燃油经济性较电量消耗-电量维持(CD-CS)策略提高7.65%,接近动态规划(DP)算法的全局最优解。     

基于动态规划与机器学习的插电式混合动力汽车能量管理算法研究

为提高插电式混合动力汽车的燃油经济性,对基于动态规划与机器学习的能量管理算法展开了研究。利用K-均值聚类算法将20个标准工况划分为3个类型的工况段,利用动态规划(DP)算法最优功率分配数据分别训练3个类型工况段的神经网络模型,在控制过程中根据实际工况段类型选择相应的神经网络模型进行功率分配,并对上海市某个随机工况进行了仿真运算,结果表明,该算法燃油经济性较电量消耗-电量维持(CD-CS)策略有明显的改善。     

基于系统工程的汽车电子零部件产品开发

本文采用系统工程方法从系统级需求出发,充分考虑零部件产品与发动机管理系统之间的相互作用关系和影响,将系统工程的理念引入开发过程中。