基于双状态动态规划混动汽车坡道生态驾驶策略

研究了车辆驶过坡道的驾驶时间对混合动力汽车(HEV)生态驾驶(ECO)策略的影响,通过调整车速来改善驾驶人的驾驶策略以减少车辆能耗.所构建ECO驾驶策略模型,采用以驾驶里程和车速为双状态、以驾驶时间为阶段变量的动态规划,以车辆驱动能量和制动能量之和为目标函数,这是由于在实际道路下HEV油耗主要受车辆需求能量影响.运行于...     

重型商用车预见性自适应巡航控制策略研究

为提高商用车巡航系统的经济性与安全性，设计了考虑节油安全驾驶的商用车预见性自适应巡航控制系统（predictive adaptive cruise control system,PACC），基于前方道路坡度规划了预见性巡航经济车速，针对巡航过程中受前车影响产生制动干扰的问题，提出了一种利用前车信息进行优化的预见性自适应巡航控制策略。基于前方道路坡度设计了自适应车间距，规划主车行驶车速，实现了预见性自适应巡航行驶。基于一汽解放JH6重型商用车进行了实车试验，研究结果表明：该算法可以有效降低燃油消耗量并缓解驾驶员驾驶疲劳，为商用车辅助驾驶系统的开发提供了极为重要的理论及实际价值。     

基于AIC信息量准则的车辆油耗建模与评估

油耗建模是生态驾驶辅助系统研究的第一步,建立简单准确的油耗模型为生态驾驶辅助系统的节油效果奠定了基础。应用AIC信息量准则(Akaike's Information Criterion,AIC)对车辆多项式油耗模型进行了评估,并给出了基于此准则的最佳油耗模型,以某乘用车为对象对最佳油耗模型的效果进行了验证。     

自动变速车辆下坡换挡策略研究

为解决传统自动变速车辆下坡行驶时意外升挡等问题,从发动机制动特性出发,分析了车辆带挡滑行时的动力学特性。在此基础上,结合公路设计标准确定了目标参考车速和约束挡位,制定了基于道路坡度信息的下坡工况换挡控制策略,并运用Matlab/Simulink和驾驶模拟器进行了驾驶员在环仿真实验。结果表明:该换挡策略能有效解决通常自动变速车辆下坡行驶时存在的问题,并能在一定程度上体现驾驶员的驾驶意图;既能充分利用发动机的制动作用,又能在保证安全的同时兼顾行驶效率,更好地满足了自动变速车辆坡道行驶的要求。     

基于SAE J1939协议的重型车辆坡道识别实时算法

介绍了一种基于SAE J1939协议的坡道识别算法,根据车辆系统动力学原理计算道路的坡度。首先通过SAE J1939协议获取发动机信号并据此先后计算出发动机输出转矩和车辆加速度,得到道路的坡度,并根据重型汽车的特点,采用了相应的数据处理方法。结果显示,这种坡道识别算法简便、实用、高效、准确,能够满足车辆AMT系统的要求。     

电动轮汽车车速与道路坡度估计

针对电动轮汽车车速与道路坡度估计问题,本文中基于纵向非线性动力学方程设计1阶扩张状态观测器对车速与坡度进行联合估计,分析了估计稳态误差;同时,采用带遗忘因子的递归最小二乘估计算法分离加速度传感器信号中的坡度信息,并设置了比例系数来融合两类坡度信息,最终得到道路坡度估计值。搭建MATLAB/Simulink-Carsim联合仿真平台进行变坡度路面仿真,并在实际坡道路面完成实车测试。仿真与试验结果表明,所提出的方法简单、可行。     

商用车预测驾驶功能数据重构应用研究

商用车预测驾驶功能能够有效降低车辆油耗,地图数据采集和数据重构是实现预测驾驶功能的重要环节。文章基于ADASISV2协议,研究车辆位置、道路曲率、坡度等信息的数据重构及地图可视化,为预测驾驶功能的深入研究提供了数据处理的方法。     

基于交互多模型的车辆质量与道路坡度估计

车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一,而车辆质量与道路坡度信息是多种汽车控制系统的必要信息,因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题,提出了一种基于交互多模型的质量与坡度融合估计方法。首先,设定了适宜进行质量精确估计的工况条件,据此提出了基于模糊规则的质量估计置信度因子计算算法,进而设计了基于置信度因子的递推最小二乘车辆质量估计算法,以实现质量的在线估计。然后,以车辆纵向动力学模型为基础,建立了运动学和动力学2种坡度估计模型,并设计了基于运动学模型的线性卡尔曼滤波坡度观测器,基于电子稳定性程序ESP的纵向加速度信息实现坡度估计,设计了基于动力学模型的无迹卡尔曼滤波坡度观测器,基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息,坡度估算结果与实际值有偏差;动力学模型对模型精度要求高,算法稳定性差,为充分发挥2种方法优势实现坡度的精确估计,采用交互多模型算法实现了2种坡度估计方法的加权融合。最后,对所设计的算法进行了实车试验验证。结果表明:所设计的质量与坡度估算算法具有较好的实时性和准确性,适合智能汽车运动控制的应用需求。     

基于交互多模型的车辆质量与道路坡度估计（双语出版）

车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一，而车辆质量与道路坡度信息是多种汽车控制系统的必要信息，因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题，提出了一种基于交互多模型的质量与坡度融合估计方法。首先，设定了适宜进行质量精确估计的工况条件，据此提出了基于模糊规则的质量估计置信度因子计算算法，进而设计了基于置信度因子的递推最小二乘车辆质量估计算法，以实现质量的在线估计。然后，以车辆纵向动力学模型为基础，建立了运动学和动力学2种坡度估计模型，并设计了基于运动学模型的线性卡尔曼滤波坡度观测器，基于电子稳定性程序ESP的纵向加速度信息实现坡度估计，设计了基于动力学模型的无迹卡尔曼滤波坡度观测器，基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息，坡度估算结果与实际值有偏差；动力学模型对模型精度要求高，算法稳定性差，为充分发挥2种方法优势实现坡度的精确估计，采用交互多模型算法实现了2种坡度估计方法的加权融合。最后，对所设计的算法进行了实车试验验证。结果表明：所设计的质量与坡度估算算法具有较好的实时性和准确性，适合智能汽车运动控制的应用需求。     

基于纵向加速度的坡道识别方法

在动力学分析的基础上,提出一种基于纵向加速度的坡道识别方法。该方法利用实时发动机输出扭矩信号及实时车速信号根据动力学推导式计算道路坡度。模型仿真及道路试验结果表明,该方法无需增加额外传感器,具有低成本、简单、实用等特点,能够对坡道进行识别。     

基于扩展卡尔曼滤波与机器视觉融合的道路侧向坡度估计

为解决现有算法难以准确估计前方道路侧向坡度的问题,提出了一种基于扩展卡尔曼滤波（EKF）与机器视觉（VB）融合的道路侧向坡度估计方法。首先,建立含有侧向坡度的车辆2自由度模型,通过EKF估计出侧向坡度与车辆侧倾角的叠加态,由侧向加速度乘以适当增益解耦出车辆侧倾角,得到EKF道路侧向坡度估计值;其次,通过视觉成像原理分析二维图像中道路侧向坡度与图像中相关参数的几何关系,得到VB道路侧向坡度估计值;最后,通过数据融合得到最终的道路侧向坡度估计值,使估计结果冗余互补。仿真和实车试验结果表明,该融合算法能够适用于道路侧向坡度变化的坡道,并显著提高了估计精度。     

节能导向的信号交叉口生态驾驶策略研究

为解决信号交叉口区域车辆频繁启停及怠速停车造成的燃油浪费和污染物排放问题,研究了以节能为导向的信号交叉口的生态驾驶策略问题.借助交叉口区域的V2I通信系统获得车辆自身定位和运动状态数据,以及信号灯状态与配时信息,对车辆所处车速引导场景及可通行性进行判定.对各场景下车辆时空运动轨迹进行分析,综合考虑交叉口上下游的燃油消耗,以平均每公里油耗最小建立统一的优化目标函数,求得生态驾驶轨迹最优解,以向驾驶员提供车速建议.利用M atlab开展的随机仿真实验表明,与不采用生态驾驶车速引导相比,采用生态驾驶车速引导至少可降低10% 以上的燃油消耗.对于划分的6种车速引导场景而言,最优生态驾驶策略在场景2下的节油效果最为显著,可达到30% ~60%;其次是场景4,可达到25% ~50%;在场景3和场景5中表现略差.从节约能源的角度而言,车辆在通过信号交叉口时应尽量避免停车等待,防止发动机长时间空转造成的燃油浪费,必要时可采取适当加减速的方式通过交叉口.      

基于交通信息的复合电源系统控制策略优化

为考虑未来行驶车速和道路坡度对整车需求功率的影响,本文中基于交通信息融合对现有复合电源能量管理策略进行优化.首先采用MATLAB/Simulink搭建复合电源仿真模型,而基于交通拥堵情况和行驶车速类型提出了未来短时间车速变化趋势判定方法;接着结合道路坡度和车速变化趋势,设计了可基于交通信息自动修正超级电容输出功率的模糊...     

电动汽车坡道辅助功能策略开发

为了解决电动汽车在坡道起步时油门刹车协调困难容易引发事故的问题,文章提出一种电动汽车基于电机零转速的坡道辅助功能策略,能够提升电动汽车在坡道上停车、起步的驾驶感受。通过对车辆在坡道上的动力学分析,建立了车辆在坡道上的动力学模型,制定了坡道辅助功能架构和电机控制策略。实车测试结果表明,在坡道上激活功能时溜车距离较小,验证了该策略的可行性,提升了电动汽车在坡道上的驾驶性,能够有效帮助驾驶员在坡道上实现平稳提车和起步。     

城市公交客车弯道行驶油耗优化方法

驾驶员不同的驾驶行为会导致公交客车行驶油耗的较大差异,这种差异在弯道、上下坡、红绿灯、公交站等特殊路段更为突出。为了探讨降低公交客车弯道行驶油耗的方法,根据车辆远程数据采集系统所采集的天津市滨海公交503路上6位驾驶员10多万公里的行车数据,提取了该线路28个弯道数据,建立了弯道几何描述模型。研究了弯道几何特征和驾驶员驾驶行为对过弯油耗的影响,提出基于动态规划的车辆过弯油耗优化方法,并通过仿真验证了该优化方法的效果。结果表明,对于所选择的两个典型弯道,通过驾驶行为优化,油耗可分别降低7.96%和27.51%。     

基于MPC的半挂牵引车横向运动控制研究

近些年来,随着高级辅助驾驶系统(ADAS)在商用车领域的逐渐兴起,为实现车道保持辅助系统(LKAS)及无人驾驶等,对车辆的横摆运动控制要求也越来越高。文章基于模型预测控制(MPC)算法,设计了一种用于半挂牵引车循迹的车辆前轮转角控制算法。最后通过Trucksim与Matlab联合仿真,实现了不同车速下对双移线路径的良好循迹。     

智能车辆换道行驶的经济车速研究

本文旨在实现智能车辆在换道过程中经济车速规划。基于瞬态燃油消耗模型、车辆动力学模型和换道过程中道路曲率信息,利用动态规划算法求得车辆在换道过程中的经济车速轨迹。Matlab/Simulink与Car Sim联合仿真结果表明,与定速巡航算法相比,动态规划算法可节油8%左右。采用所提出的方法可在保证智能车辆安全行驶的基础上,提升其燃油经济性能,为智能车辆换道的速度控制提供决策依据。     

基于高精地图的车辆节能巡航控制方法研究

传统的定速巡航模式可在一定程度上缓解驾驶疲劳,并在平坦道路上使车辆行驶保持较好的燃油经济性,但在具有坡度的道路上,定速巡航往往会导致燃油消耗增多,不利于节能减排。随着车用导航高精地图的不断发展与普及,智能网联车辆可依靠实时地图信息提前获取前方道路坡度及交通流信息,这使得车辆节能巡航成为可能。基于车用导航高精地图,以旅途耗时和总燃油消耗作为代价函数,利用正向动态规划求解节能巡航车速;采用Matlab 软件的 Simulink 工具,构建车辆行驶计算模型,并输入溧宁高速约 10 km 的道路信息进行仿真验证。结果表明：相较于普通定速巡航,基于车用导航高精地图的车辆节能巡航可在通行时间延误不超过 1.24% 的前提下降低 5.95% 的燃油消耗。     

车路协同下的基于S函数的交叉口平滑车速引导方法

针对现有车速引导模型在通过交叉路口时,没有考虑到驾驶员需要频繁制动或车辆速度突变带来影响的情况,本文基于车路协同环境研究考虑基于S函数的交叉口平滑车速引导算法,根据车辆与路侧设施之间的通信,搭建相关算法模型并进行分析,与不采用车速引导模型相比,采用基于S函数的交叉口平滑车速引导算法模型可以降低通过交叉路口时间,提高通行效率,同时使建议速度变化平滑,提高驾驶平稳性。     

基于数据驱动的人机混驾多车协同控制算法

针对多车协同控制系统中，传统控制算法需要准确获取系统中与驾驶员驾驶行为相关的参数以及与车辆系统动力学相关参数等问题，提出基于数据驱动的自适应动态规划控制算法。以有人与无人驾驶车辆混行的多车协同控制系统为研究对象，通过分析系统的横纵向控制模型，推导出系统状态方程，采用递推数值方法在线逼近最优解，并通过对最优反馈控制矩阵进行优化求解，得到最优控制输入。该算法简化了系统的控制输入参数，仅仅利用V2X通信获得的车辆的前轮转角以及车辆期望的纵向加速度作为控制输入，即可实现无人驾驶车辆的优化控制。基于Carsim和Simulink进行联合仿真测试验证，结果表明，该算法控制参数简单、收敛速度快、控制精度高、适应性强，能够控制无人驾驶车辆在多车系统中保持期望的车速并且与前车保持期望的车间距，同时在任意曲率道路上行驶时与车道中心线之间的横向误差趋于0。