基于无迹Kalman滤波算法的电池内部温度估计

为实时监测车用锂离子动力电池内部温度,提高电池性能,提出了一种非线性无迹Kalman滤波(UKF)估计算法。对某一2.6 Ah三元单体锂离子电池,建立等效可变参数热模型;用状态方程分析法,建立电池内部外部温度的关联并离散化;用递推最小二乘法(RLS)辨识热模型中时间、表面温度、环境温度、输入电流4种热参数,实时更新系统状态与观测方程的参数矩阵,结合UKF算法,实现电池内部温度估计。通过Matlab搭建仿真模型,用混合动力脉冲能力特性(HPPC)、动态应力测试(DST)以及恒流3种工况,来验证算法精度。结果表明：对于这3种工况,该UKF算法均可在1℃内估计电池内部温度。     

商用车电液复合转向系统的车道保持策略

为了提高商用车的行驶安全性,避免因驾驶人的分心驾驶出现车辆偏离车道的问题,提出一种基于电液复合转向系统的商用车车道保持策略;在建立电液复合转向系统模型、二自由度车辆模型、预瞄驾驶人模型的基础上,设计基于驾驶人在环的MPC和ADRC串级的车道保持控制策略.首先,采用MP C算法将车辆横向位置控制的最优问题转化为二次规划求...     

“车道保持”原理揭秘

您开车,车道我来保持(续)据一项在欧洲所做调查表明,39.4%的意外交通事故是在无意间偏离车道而产生的。当车辆偏离车道行驶时,车道保持辅助功能可以提醒驾驶者注意并自动轻微转动方向盘来修正车辆行驶轨迹,以保证车辆行驶在正确而安全的车道上。     

基于MPC的液压混合动力车辆能量管理策略研究

针对双轴并联式液压混合动力车辆(PHHV),以蓄能器荷电状态(SOC)和发动机瞬时燃油质量流量m8f为输入量,发动机需求功率比例φ为输出量,以油耗最小为目标函数设计了模型预测控制器(MPC)进行PHHV的能量管理。基于MATLAB/Simulink平台搭建了包括需求功率计算、发动机、蓄能器和泵/马达等主要部件的PHHV车辆模型并进行MPC能量管理。研究结果表明,在美国道路城市循环工况(UDDS)下,MPC管理下的PHHV能充分发挥混合动力的特点,合理调节分配发动机和液压单元的需求功率,降低行驶过程的总油耗。     

基于非线性模型预测控制的智能车路径跟踪算法

为解决高速工况下低附着系数复杂路面上转向和行驶稳定性等难以控制的问题,建立了6自由度整车动力学模型,在传统模型预测控制理论基础上,设计了前轮主动转向控制器,并通过CarSim和MATLAB/Simulink进行联合仿真,在兼顾路径跟踪精度和行驶稳定性的前提下,对控制器参数进行优化,使车辆在中低速下路径跟踪达到最佳状态,在较高车速下加入侧偏角软约束,以保证跟踪精度和行驶稳定性。试验结果表明,提出的控制方法能保证车辆在冰雪路面高速行驶时具备一定的转向精度和行驶稳定性。     

行人过街场景下车辆避障路径规划与控制方法

为解决行人横穿过街场景下自动驾驶车辆安全避障问题,设计了一种基于行车风险场的车辆避障控制模型。考虑了行人加速运动中的潜在风险,采用了基于行人斥力场重心的新型避障函数,以优化横向避障距离。采用行车风险场理论,来构建全局路径规划层。基于模型预测控制(MPC),构建局部路径规划和跟踪控制器。在PreScan-Carsim平台上进行了仿真试验。结果表明：与跟踪传统静态全局路径相比,动态行车风险场下的避障行驶稳定性提高了7.21%,横向安全性提高了4.63%。因此,设计的控制器能够达到安全避障的目标。     

基于模型预测控制的半挂汽车主动防侧倾控制方法

提出了一种半挂汽车主动防侧倾控制方法。搭建了一个七自由度动力学模型和一个三自由度参考模型;用无迹Kalman滤波的方法,来估计车辆的横向载荷转移率;确定优化目标,运用模型预测控制(MPC)理论进行最优化求解,得到各车轴的主动防侧倾力矩;在Simulink/Trucksim联合仿真环境中,进行仿真对比与分析。结果表明:在本文的MPC控制器和PID控制器作用下,半挂汽车各状态量皆收敛,且横向载荷转移率保持在0.7以内;相比于PID控制,MPC控制所需的防侧倾力矩更小更均衡,各状态量变化也更加平稳。因此,本MPC控制器在提升半挂汽车侧倾稳定性的同时具有较好的鲁棒性。     

云支持的分层式车辆队列预测性巡航控制

为了提升队列行驶的经济性,提出了一种高速公路场景下的云支持的队列预测性巡航控制方法(CPPCC),并进行真实道路和车辆数据模型的仿真实验。该方法采用了分层式结构,上层为云端的队列速度规划层,下层为队列稳定控制层。云端的速度规划层,考虑了道路坡度的滚动域的动态规划(RDP)算法,实现队列行驶的经济性目标。下层的车端队列稳定控制层,搭载了分布式模型预测控制器(DMPC),来跟踪云端发送速度,同时考虑了队列的稳定控制。结果表明:与传统的前车与领航车跟随的定速巡航队列(PLF-CC)方法相比,在行驶时间减小0.24%的前提下,本文所提出的方法节省6.04%的能源。