基于EEMD和熵理论的电动汽车制动意图识别方法

为抑制制动踏板信号中存在的间歇性成分或脉冲成分所造成的信号分解过程中的模式混叠现象,进一步提高制动意图识别的准确率和实时性,本文中提出了基于平均经验模式分解(EEMD)和熵理论的电动汽车驾驶员制动意图聚类识别法。首先,运用EEMD算法将制动踏板信号分解为IMF分量,以抑制模式混叠现象,更准确地提取制动踏板信号特征。接着,运用Shannon熵对IMF分量进行筛选,以减少特征提取的计算量。再用样本熵提取筛选后的制动踏板信号IMF分量的特征,得到不同制动意图的制动踏板信号特征向量。最后,运用聚类算法对制动意图进行识别。离线试验和实时试验的结果表明,基于EEMD和熵理论的制动意图聚类识别法比基于HHT的制动意图识别法具有更高的识别准确率和更好的实时性。     

基于Hilbert-Huang变换的制动意图聚类识别EI北大核心CSCD

为了进一步提高电动汽车再生制动系统对驾驶员制动意图的识别准确率,从而使电动汽车能在制动的过程中回收更多的能量,提出了基于Hilbert-Huang变换(HHT)的电动汽车制动意图聚类识别方法。建立了HHT的数学模型,基于HHT在时频域中进一步探寻中等制动和平缓制动两种制动意图下制动踏板行程信号的特征。建立了制动踏板行程信号特征提取模型,运用Hilbert局部边际能量谱得到局部特征能量,从而对信号特征进行提取,获取信号的特征向量。建立基于模糊C均值聚类算法的制动意图识别模型,并分别进行了离线实验和实时实验。结果表明所提出的基于HHT的制动意图模糊C均值聚类识别方法能更好地分辨中等制动和平缓制动意图,提高了识别准确率,并具有较好的实时性。     

基于制动意图的电动汽车复合制动系统制动力分配策略研究

文中对制动意图的识别和不同制动意图所要求的不同的制动力分配策略进行研究.通过试验,验证了制动意图识别算法和制动力分配策略的可行性和有效性,为复合制动系统的应用奠定了基础.     

基于模糊逻辑的制动意图离线识别方法研究

文中根据驾驶员对车辆的操纵特性，对制动意图进行了分类，制定了制动意图识别的方法，为线控制动系统研究奠定基础。开展实车试验，确定可以用作制动意图识别的参数并提取其阈值。利用模糊逻辑对制动意图进行离线识别，表明模糊逻辑能够准确、及时地识别出驾驶员的制动意图。     

重型载货汽车气压制动系统危险状态识别

针对重型载货汽车因气压制动系统发生管路破裂、机械故障或热衰退导致制动效能下降且不易察觉从而引发严重交通事故的问题，提出基于主成分分析降维（PCA降维）和马尔可夫模型的气压制动系统危险状态识别方法。考虑到三轴载货汽车双回路制动系统的结构复杂性以及制动过程制动踏板动作、系统压力建立和实现车辆减速具有明显的时序性特点，首先采用PCA降维的方法对系统状态进行辨识；然后运用驾驶人制动意图与制动系统响应的双层隐形马尔可夫模型对系统状态进行识别。受驾驶人习惯影响制动踏板作用瞬间辨识度低，采用混合高斯聚类法提取不同制动意图时制动保持阶段数据建立制动意图识别模型和系统响应识别模型，通过二者匹配程度判定系统状态。最后，分别依据实车试验数据对模型进行离线训练和在线辨识验证。试验结果表明：系统正常状态下，基于PCA降维和马尔可夫模型相结合的识别方法能够准确、有效地识别制动系统状态；制动管路断开压力降低状态下，PCA降维方法能够及时有效识别其危险状态。     

HEV制动意图识别的研究

基于大量的工况数据建立辨识模型,实现了对制动意图的准确识别.在此基础上优化了再生制动的控制策略.仿真结果表明,通过制动意图识别可有效地优化混合动力汽车再生制动的控制策略,从而进一步改善混合动力汽车制动时的驾驶感觉和燃油经济性.     

基于制动意图识别的增程式重型商用车复合制动控制策略

为了提高增程式重型商用车制动能量回收率和制动性能,通过分析大量实车制动数据,以制动踏板位移和制动踏板位移变化率为输入设计制动意图的模糊推理规则,采用LQV神经模糊系统建立制动意图识别模型;在制动力分配要求、电机再生制动约束、蓄电池约束等约束条件下,基于制动意图识别建立机-电复合制动控制策略,并通过60km·h~(-1)初速单次制动工况仿真、中国典型城市公交工况(CCBC工况)仿真和实车试验验证复合制动控制策略的性能。研究结果表明:提出的复合制动控制策略能够准确识别驾驶人的制动意图,优化制动力分配,提高制动能量回收率;其中60km·h~(-1)初速单次制动工况下轻度制动和中度制动的能量回收率分别为19.05%和15.69%,CCBC工况下制动能量回收率达到了16.65%;提出的复合制动控制策略能够满足实车制动需求,在30km·h~(-1)初速单次制动工况下轻度制动和中度制动时,蓄电池SOC分别上升了0.019%和0.011%。因此,基于制动意图识别的复合制动控制策略能够显著提高电动汽车的能量利用效率,是一种提升电动汽车经济性的有效方法。     

考虑前车制动意图的自动紧急制动策略及其测试评价方法

为提高车辆自动紧急制动（AEB）系统的避撞性能,提出了一种考虑前车制动意图的AEB策略及其测试评价方法。通过搭建“PreScan+Simulink+驾驶模拟器”联合仿真平台采集驾驶人制动数据,基于K-均值（K-Means）聚类方法对制动意图进行分类,采用滑动时间窗口提取了意图识别模型训练数据集;通过双层隐马尔可夫模型识别前车制动意图,主车根据不同制动意图计算临界安全距离阈值并制定避撞控制策略;建立PreScan+Simulink虚拟仿真测试环境,提出了基于层次分析法的AEB策略综合评价方法,通过与4种典型AEB控制模型进行对比,验证了所提出方法在不同制动程度场景下均可及时触发制动以避免碰撞,同时可减少过早制动造成的驾驶不适感。     

乘用车驾驶员制动意图识别参数的选择

在良好路面条件下进行乘用车制动试验,获取不同制动强度下制动过程中的车速、制动踏板位移、制动踏板力和制动管路油压等信号并进行数据处理;分析采用不同参数及其组合进行驾驶员制动意图识别的优缺点,最终确定制动踏板位移是最适合于驾驶员制动意图识别的参数.     

基于HMM和SVM级联算法的驾驶意图识别

为降低先进驾驶员辅助系统的误警率,提出了利用不同任务下"人-车-路"参数的差异性识别驾驶意图的方法。在模拟驾驶仪系统中开展实验,记录了12名受试者的驾驶样本1 150组,对比车道保持意图、换道意图和超车意图样本的差异,确定了6个参数的驾驶意图识别指标体系。运用HMM和SVM级联算法建立驾驶员驾驶意图识别模型。结果表明:基于该算法的识别准确率达95.84%,明显高于HMM或SVM单一算法,且单次平均识别时间为0.017s,满足驾驶员对突发性事件反应时间的要求。     

AMT车辆制动工况换挡控制策略与试验

提出了根据发动机转速信号来识别不同制动工况的方法,制定了相应的换挡控制策略,并在装有AMT的某重型载货汽车上进行了实车制动试验。试验结果表明,制动上况下的换挡控制策略不仅符合车辆实际行驶工况的需要,而且符合驾驶员的制动意图。     

基于最优控制理论的制动能量回收策略研究

以混合动力电动汽车为研究对象,以驾驶员的制动意图和制动能量回收率为设计指标,基于最优控制理论设计了一套有效的制动力分配模型。仿真结果表明,该控制方法能够显著提高汽车制动时的响应速度,大约在0.5 s以内就能实现制动意图,并且能够提高制动能量回收率10%左右。     

纯电动汽车制动能量回收控制策略及仿真分析

整车控制系统是车辆的核心控制部分,其既要对驾驶员的操纵意图进行识别和判断,又要对整车运行时的关键参数进行监测和控制,同时,还要对整车的能量需求进行管理和协调。在车辆制动工况下,如果进行制动能量的回收控制,可以有效的延长续驶里程,但电动汽车在进行回馈制动时,电制动会和机械制动系统相互耦合,这一问题解决的好坏,也会影响到车辆行使的安全性。本文阐述了对制动模式下机械制与电机再生制动的协调开展研究,目标是进一步保证车辆行驶的安全性和舒适性,提高制动时的能量回收效率。     

分布式电动车转向电液复合制动控制

针对分布式电动汽车,在弯道制动过程中,既能保证车辆行驶稳定性又能兼顾制动能量回收,文章提出一种带稳定性加权系数的制动力矩分配方法,以驾驶员制动意图和路面附着情况为参考条件得出稳定性加权系数,将系数代入系统目标函数中,求出各车轮的最佳制动力矩,最后利用Carsim/Simulink联合仿真对分配算法进行验证,结果显示文章所提出的分配策略能使分布式电动车辆在转弯制动时,制动力矩分配既能满足稳定性需求又能使在当前工况下经济性能最大化。     

基于驾驶员意图识别的纯电动汽车动力性驱动控制策略

为了解决纯电动汽车动力性和操控性难以同时兼顾的问题,将驾驶员意图分为稳态意图和动态意图,稳态意图用于保证车辆的操控性,动态意图用于保证车辆的动力性,在此基础上提出了一种基于驾驶员意图识别的纯电动汽车动力性驱动控制策略,该策略首先分别采用“典型工作点+分段插值”和模糊推理方法来识别驾驶员的稳态和动态意图;接着采用“动态补偿转矩保持”和“动态补偿转矩归零”等算法计算动态补偿转矩;最后通过“增量式”动态补偿转矩跟踪算法和电机过载管理算法给出最终的转矩指令。仿真与试验结果表明,该策略既可以根据驾驶员稳态意图保证车辆的操控性,也可根据驾驶员动态意图提高车辆的动力性。     

基于驾驶员意图和行车安全的下坡辅助制动退出方法

针对下坡工况下混合动力汽车辅助制动控制退出过程中可能产生的安全隐患,本文提出一种基于驾驶员主观意图和行车安全的辅助制动退出控制方法。通过对下坡辅助制动过程中车辆的受力情况和驾驶员驾驶意图的分析,分别制定了基于驾驶员加速意图和制动意图的下坡辅助制动退出策略,并据此设计了对下坡辅助制动退出的协调控制过程。最后通过仿真和实车试验对以上策略进行验证,结果表明,该方法在符合驾驶员驾驶意图的前提下,可以保证下坡辅助制动退出过程中车速始终受驾驶员控制,提高了辅助制动退出过程的安全性,并对驾驶员的误操作有一定的容错能力。     

Downhill Assist Control Method for Hybrid Electric Vehicle

为提高混合动力汽车(HEV)下坡过程中的安全性和燃油经济性,基于HEV电机制动力矩可精确调节、制动能量可回收的特点,提出了一种下坡主动安全控制方法.结合对驾驶员坡道驾驶意图的识别,建立分层控制系统架构;根据目标车速计算制动力矩,制定制动力矩在各制动子系统间的分配和动态协调策略,并进行仿真验证.结果表明,该方法在提高下坡路段HEV行驶安全性和燃油经济性的同时,减轻了驾驶员的操纵负担,改善了乘员的乘坐舒适性.     

驾驶辅助系统中判断驾驶员制动接管的方法研究

文章梳理了自动驾驶中主动制动技术的主流执行方案,分析了各执行方案对驾驶员输入制动和自动制动的响应机理,明确了制动执行器内部表征驾驶员制动意图和自动制动意图的参数,提出使用制动执行器内部参数准确判断驾驶员制动接管的方法,即通过实际主缸压力值超出自动制动目标液压一定阈值,或响应驾驶员制动输入的目标电机转速超出自动制动的目标电机转速一定阈值,判断自动制动过程中驾驶员通过制动接管车辆的方法。     

识别驾驶人意图的车道偏离防避有界控制

为了防止车辆偏离车道导致交通事故的发生和避免车道偏离防避系统（Lane Departure Avoidance Systems,LDAS）对驾驶人行为不必要的干预,提出基于中心区操纵特性阈值法和基于D-S（Dempster-Shafer）证据理论的车辆偏离车道驾驶人意图识别准则,并运用CarSim/Simulink联合仿真对比2种识别准则的有效性。建立转向盘角速度为输入的车路模型,设计LDAS滑模转向控制器,基于预瞄点的侧向偏移量和横摆角速度设计LDAS的期望横摆角速度观测器,并与基于道路曲率和预瞄点侧向偏移量的期望横摆角速度的LDAS进行性能对比。运用相平面法确定保证LDAS车辆稳定性的前轮转向角最大值,并基于CarSim/LabVIEW RT硬件在环试验平台验证基于BP神经网络训练获得D-S证据理论的初始概率赋值的驾驶人意图决策算法的有效性。结果表明：所提出的识别准则能够及时识别车辆偏离车道时的驾驶人意图,为LDAS控制器介入赢得了宝贵的时间,所设计的期望横摆角速度观测器具有很好的稳定性,所提出的方法能够有效避免车辆偏离车道。     

复合制动系统制动力协调分配方法仿真研究

针对当前复合制动系统再生制动力分配策略分析不全面的问题,基于复合制动系统结构形式和驾驶员制动意图的分类,对再生制动力分配方法进行了研究,并以装备前轴式复合制动系统的车辆为例进行了仿真分析.仿真结果表明,在紧急情况制动工况时再生制动力分配方法能够保证ECE法规所规定的稳定性要求.