新型双能源电动汽车动力控制系统的仿真研究

从理论上分析了燃料电池／蓄电池双能源电动汽车的功率分配方法,并用SIMULINK建立了功率跟随模式控制策略的仿真模型。在ADVISOR上实现了对采用功率跟随模式控制策略虚拟样车的仿真,通过对仿真结果的分析验证了文中所述的控制策略。     

基于重庆道路试验的车辆行驶工况影响因素分析

采用车辆道路试验方法,利用VBOX、尾气采集系统与陀螺仪对车辆行驶状况进行数据采集; 基于投影寻踪动态聚类的方法,结合带有精英控制策略的NSGA-Ⅱ对不同参数指标进行处理; 定量研究了参数指标对车辆燃油经济性和排放特性的影响程度,分析了特定工况下不同参数指标影响特性的变化规律。研究结果表明:在整个行驶工况中,加速度对车辆燃油经济性的影响权重为65.52%,对车辆比功率(VSP)特性的影响权重为35.03%,其中转弯半径对车辆VSP特性的影响权重为37.86%;在车速小于10 km·h-1时,对车辆燃油经济性影响最大的是转弯半径,影响权重为80.74%,对车辆VSP特性影响最大的是加速度,影响权重为82.82%;车速为10~40 km·h-1时,对车辆燃油经济性和VSP特性影响最大的是加速度,影响权重分别为34.01%和48.59%;当车速大于40 km·h-1时,对车辆燃油经济性影响最大的是坡度,影响权重为75.59%,对车辆VSP特性影响最大的是速度,影响权重为80.17%;当车辆处于下坡工况时,坡度对车辆燃油经济性的影响权重为69.84%,车速对车辆VSP特性的影响权重为56.37%;当车辆处于上坡工况时,加速度对车辆燃油经济性和VSP特性的影响权重分别为54.62%和94.24%。定量分析不同因素对车辆燃油经济性和VSP特性影响权重,不仅为提高车辆燃油经济性和改善车辆VSP特性提供实践支撑,同时也为智能车辆控制算法提供了重要理论依据。      

基于多目标优化的智能车辆换道轨迹规划

为提高智能车辆换道轨迹规划的拟人性和实时性,提出了安全、舒适、节能等多目标协同优化的换道轨迹规划算法,该轨迹规划方法的适应性取决于车辆换道时间、纵横向速度及加速度等关键变量的约束条件;基于车辆运动学和动力学理论,分析了动态未知环境下车辆换道安全区域,建立了六次多项式车辆理想换道轨迹模型,并运用遗传算法-BP神经网络理论对换道终止时刻及目标位置进行预测,得到了复杂场景下车辆换道轨迹簇;分析了基于可行解空间的车辆换道安全性、舒适性、经济性等性能评价函数,构建了多性能目标协同优化目标函数和约束条件,运用鲸鱼优化算法对换道轨迹簇进行优化,实现多性能目标协同的智能车辆换道轨迹最优规划;为进一步验证多目标优化轨迹规划算法的准确性,运用L3级智能车辆测试平台对结构化道路场景下多目标优化换道轨迹规划算法进行了试验验证。仿真和试验结果表明:提出的轨迹规划算法在满足各项约束的情况下可成功实现平稳、安全换道,并且与传统驾驶人换道相比,换道过程的安全性、舒适性及多目标综合性能分别提升了5.1%、3.3%和1.7%,有效提升了动态环境下智能车辆换道轨迹规划的拟人性。      

基于改进VGG模型的低照度道路交通标志识别

针对低照度情况下道路交通标志图像亮度偏低、饱和度过高、图像模糊、识别不精确等问题,提出一种基于膨胀卷积-VGG(dilated convolution-VGG,DC-VGG)模型的道路交通标志快速识别方法.首先,运用限制对比度直方图均衡算法(contrast limited adaptive histogram equalization,CLAHE)对图像H(色相)S(饱和度)V(色明度)空间中的V通道均衡化,实现低照度图像亮度增强;其次,在HSV空间中设定阈值分割出指定色彩,通过轮廓检测定位交通标志;然后,基于深度卷积对抗神经网络(deep convolutional generative adversarial networks,DCGAN)对真实的交通标志图像进行数据样本增强,以提高分类模型的鲁棒性;最后,提出DC-VGG轻量化模型实现交通标志快速识别.经验证,该方法达到94.12％的识别准确率,且能在硬件不佳的条件下实时检测.     

基于扩张状态观测器的智能汽车弯道轨迹跟踪控制

为了提高智能车辆在复杂弯曲道路下进行跟踪控制的精度和稳定性,提出了一种基于扩张状态观测器的模型预测多目标优化控制方法.引入扩张状态观测器实时估计车辆跟踪过程中的总干扰,并对观测器稳定性进行证明;结合模型预测控制实现预测时域内多目标优化效果,利用估计的干扰值对控制量进行前馈补偿,得到车辆在动态干扰下的最优控制量.结果表明...     

基于生态驾驶的自动驾驶汽车交叉路口控制策略研究

为了进一步提高自动驾驶汽车在交叉路口行驶时的燃油经济性,基于模型预测控制（MPC）理论,量化分析了车辆安全性、经济性、舒适性等多性能指标函数及约束,并设计了以经济性为主的交叉路口自动驾驶汽车生态驾驶控制器。仿真结果表明,所提出的控制策略能够保证良好的安全性和舒适性,与LQR控制器相比,在有前车影响和无前车影响工况下的百公里油耗分别降低15.83%和34.98%。     

基于卷积神经网络的柴油机DPF状态辨识研究

针对柴油机颗粒捕集器功能失效的问题,应用GT-SUITE软件对柴油机颗粒捕集器进行仿真分析,研究颗粒捕集器温度、压降和碳烟浓度等与其状态的关联关系,并采用一维卷积神经网络对颗粒捕集器状态特征"自学习",提高颗粒捕集器状态辨识的准确度.     

车辆多目标自适应巡航显式模型预测控制

为了兼顾车辆自适应巡航控制(ACC)系统的跟踪控制效果和实时性, 提出了基于显式模型预测控制(EMPC)理论的车辆多目标自适应巡航控制方法; 基于车辆间运动学关系建立自适应巡航控制运动学模型, 根据预测控制理论推导预测时域内的跟踪误差预测模型, 并确定车辆安全性、跟踪性、经济性和舒适性等多性能目标函数和约束条件; 运用显式模型预测控制中的多参数规划理论, 将基于反复在线优化计算的闭环模型预测控制系统转化为与之等价的显式多面体分段仿射(PPWA)系统, 通过离线计算获得期望加速度与距离误差、速度误差、自车加速度和前车加速度等状态变量之间的最优控制律, 并设计在线查表的搜索流程, 通过定位当前状态所处分区, 并应用该分区的显式控制律实现自适应巡航控制; 进行了纵向跟踪工况仿真验证, 并与传统MPC-ACC控制方法进行对比。对比结果表明: 在前车正弦加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了53.51%, EMPC-ACC控制下的平均距离跟踪误差为0.220 3 m, 平均速度误差为0.340 1 m·s-1; 在前车阶跃加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了72.96%, EMPC-ACC控制下的平均距离跟踪误差为0.331 9 m, 平均速度误差为0.399 1 m·s-1。可见, 提出的EMPC-ACC控制算法在保证纵向跟踪性能的前提下, 有效地提高了自适应巡航控制的实时性。      

并联混合动力汽车扭矩管理的模糊控制与仿真

并联混合动力汽车中内燃机和电机之间存在动力的耦合和分离过程,能量管理策略比较复杂。为了进一步合理分配内燃机和电机的动力输出,增强其能量管理策略的鲁棒性,文中分析了电辅助控制策略的不足,提出了基于模糊逻辑控制的包含驾驶员扭矩识别和蓄电池功率平衡的并联混合动力汽车扭矩分配策略,并利用ADVI SOR2002的仿真环境,完成了该模糊逻辑扭矩控制模块的仿真。结果表明,模糊逻辑控制策略满足控制目标,对提高汽车的动力性和燃油经济性、改善排放、保证蓄电池的充放电功率平衡有明显的作用。     

考虑轮胎非线性特性的单轨车辆平稳性研究

针对跨座式单轨车辆运行稳定性问题,以重庆跨座式单轨交通车辆为研究对象,将PC轨道梁视为刚体,考虑橡胶轮胎的非线性特性,建立单轨车辆15自由度多体动力学模型,并运用拉格朗日原理推导出车辆运行时的动力学微分方程。采用美国六级路面谱模拟PC轨道梁路面激励,对跨座式单轨车辆在定曲率半径不同车速及变曲率半径不同车速工况下的运行平稳性进行了仿真分析,结果表明在小曲率半径曲线段行驶时,车辆运行平稳性随车速的增加而降低,随曲率半径的增加而提高。