基于S-method时频分析的制动意图识别方法

为了提高电动汽车制动能量回收效率,不可避免需要增加制动意图判断的准确率,提出了基于S-method时频分析的制动意图识别方法。鉴于S-method处理非平稳信号兼顾算法响应时间和时频分辨率的优点,通过建立S-method时频模型的基础上,运用奇异值分解方法提取特征值。最后,运用聚类算法识别驾驶员制动意图。实验结果表明,该方法能实时有效识别中等制动和平缓制动。     

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。     

基于EMB的纯电动汽车制动能量回收优化控制策略研究

为提高电动汽车制动时回收的能量,减少能源浪费,本文中提出了一种基于电子机械制动(EMB)系统的再生制动力分配策略。首先,根据制动踏板信号得到当前制动强度,结合前后轴制动力分配策略分别得到前轴、后轴制动力。然后以车速、电池SOC值和制动踏板行程为输入,再生制动占比为输出,创建模糊控制器,且以制动时回收能量最大化为优化目标,运用PSO算法优化模糊控制器。最后进行Simulink和AVL Cruise的联合仿真。结果表明,在NEDC工况下能量回收提升2.5%,在CLTC-P工况下能量回收提升1.56%。     

基于加速踏板行程的再生制动控制策略研究

针对纯电动汽车,提出了基于加速踏板行程的再生制动控制策略。当加速踏板行程超过一定门限值时,利用模糊控制算法计算出电机再生制动转矩,模拟发动机倒拖制动过程;建立电机和电池等模型,以加速踏板行程信号为输入条件,对上述控制策略和无发动机倒拖制动的控制策略进行dSPACE硬件在环对比仿真。结果显示,采用提出的控制策略后,电机转矩能较好地跟随驾驶员的操作需求,发动机倒拖制动能回收一定的能量。     

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。     

基于EMD的天然气发动机供气系统故障诊断方法

针对天然气发动机故障信号的非平稳性、非线性等特点,提出一种基于EMD提取能量特征参数的故障诊断方法。从天然气发动机供气系统正常、气门间隙大、排气阀漏气3种工况振动信号的EMD能量熵值中发现,当供气系统发生故障时,各IMF分量的能量会发生变化。因此运用EMD方法提取最有效的IMF分量的能量特征指标,利用C均值模糊聚类法对此特征进行聚类进而建立天然气发动机供气系统的故障识别模型。现场试验验证了该方法在天然气发动机供气系统故障诊断中的有效性。     

基于GM-HMM的DCT车辆驾驶员起步意图辨识研究

针对当前DCT控制系统对起步意图辨识准确度不高的问题,提出了一种基于高斯混合隐马尔科夫模型(GMHMM)的起步意图辨识方法:根据DCT车辆实车起步纵向加速度分布特性,将起步过程分为8个时段,基于K均值聚类算法对各时段内平缓起步、一般起步以及紧急起步进行定义,在此基础上对各时段3类GM-HMM进行训练,通过对比0.3 s内油门踏板开度时间序列在不同模型中的对数似然概率确定当前驾驶员的起步意图。经过验证,模型的平均查全率达88.7%,耗时7 ms,具有较高的辨识准确率和较好的实时性。     

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.     

重型车辆液压再生制动能量回收率的研究

在传统后驱重型车辆的基础上,加入液压泵、轮毂液压马达、蓄能器等装置形成一种新型液驱混合动力系统,可实现液压再生制动。通过在传统制动踏板空行程内标定纯再生制动阶段的方式,实现基于制动踏板行程的制动力控制。建立整车和液压系统模型,进行再生制动过程仿真,分析蓄能器能量回收率及其影响因素。仿真结果表明:相同挡位下,制动踏板行程越大,蓄能器能量回收率越低;相同制动踏板行程下,挡位越低,蓄能器的回收率越高。     

驾驶员制动意图对多轴车辆紧急制动迟滞特性的影响

制动踏板作为驾驶员制动意图的执行元件,其行程和速度会改变气压制动系统的迟滞特性,而制动的迟滞效应又严重影响车辆的紧急制动性能。本文中根据多轴车辆气压制动系统构成和系统子部件的动力学建模分析,搭建了八轴车辆气压制动系统测试台架。采用快速响应的伺服驱动机构控制制动踏板的行程与速度,以实现对驾驶员不同紧急制动意图的准确模拟。试验结果表明,制动踏板行程越大,回路迟滞时间越长,且二者成二次曲线关系;制动踏板速度越快,回路迟滞时间越短。另外,通过系统辨识的方法,建立了考虑驾驶员制动意图的多轴车辆气压制动系统各回路的1阶迟滞模型。     

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。     

纯电动汽车加速过程的转矩优化控制策略

针对纯电动汽车在加速过程中电机输出转矩不能准确表达驾驶员驾驶意图的问题,提出了基于模糊控制的转矩优化控制策略.为了准确识别驾驶员在加速过程中的驾驶意图,建立了以车速偏差和加速踏板开度变化率为输入变量,驾驶意图系数为输出变量的模糊控制器,对驾驶员的加速意图进行识别,并将汽车的加速模式设计为动力模式、一般模式和经济模式3种...     

基于电动汽车制动效能一致性的并联式制动能量回收控制

并联式制动能量回收系统的控制策略一般是固化的函数曲线，由当前车速直接确定出再生制动转矩，并未考虑 制动踏板开度这一因素，驾驶员的制动感觉较差。为了衡量驾驶员的制动感觉，提出了电动汽车制动效能一致性的概念， 即驾驶员以不同制动踏板开度在不同初速度下进行制动。在采用电- 液复合制动与只采取传统液压制动时，二者所得出 的制动加速度和制动距离分布的差异情况，差异越小则代表电动汽车制动效能一致性越好。在AMEsim 和simulink 软 件联合仿真环境下，建立并联式制动能量回收系统模型和电动汽车整车模型，通过引入制动踏板开度修正系数对再生制 动力矩进行标定，提出了一种基于制动效能一致性的制动能量回收转矩的控制方法。仿真结果显示，该方法能够取得与 传统液压制动系更为接近的制动效能和制动感觉，同时较现有并联式回收系统控制策略的能量回收效率提高了5.9%， 具有一定的工程应用价值。     

基于自适应模糊神经网络的交通流状态预测

研究交通流状态的分类、识别与预测,建立了基于模糊聚类及模式识别的交通流状态自适应模糊神经推理系统.对大量交通流历史特征数据采用模糊聚类法进行状态分类并进行模式识别,得到系统的原始输入输出数据集.建立交通流状态预测的自适应模糊神经系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内,并进行系统检测和复核.仿真及其检测和复核结果表明系统预测的准确率在 95%以上.     

博世“零事故”愿景:安全技术和驾驶员辅助系统

<正>1 ESP hev再生制动系统该系统是以第9代ESP为基础的一种高效制动方案。在以采用真空为基础的制动助力器的混合动力和电动汽车上,ESP hev协调内燃机和液压制动力矩,同时控制真空泵。ESP hev针对后制动回路与液压制动进行解耦。用一段额外的制动踏板的死行程来减缓汽车初速度,其最初的能量来自于连接在后轴上的电动机。如果驾驶员继续向踏板施加压力,前轴会产生额外的制动扭矩。ESP hev保持着人们熟悉的踏板反应和驾驶感受。这款产品已     

基于行驶工况识别的纯电动汽车续驶里程估算

本文中采用主成分分析和模糊聚类相结合的行驶工况识别方法进行纯电动汽车续驶里程的估算。首先选取20个具有代表性的循环工况数据,将其划分为215个工况片段,并选用12个特征参数对其进行主成分分析、模糊C聚类分析和行驶工况识别;然后在MATLAB/Simulink下建立纯电动汽车整车模型,进行行驶工况识别、整车能量消耗和续驶里程仿真估算;最后在转鼓试验台上进行ECE15工况下实车测试验证,结果表明:续驶里程仿真估算值与测试值的最大绝对误差为1.905km,平均绝对误差为0.742km,相对误差小于3%。     

基于PCA-SVM的DCT汽车驾驶员起步意图识别

针对目前对于双离合自动变速器(Dual Clutch Transmission,DCT)汽车驾驶员起步过程中意图变化的研究有限,且现有方法的识别准确率不高这一问题,提出了一种基于主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machines,SVM)的变化起步意图识别模型。根据驾驶员针对车辆反馈的反应时间,将起步过程划分为6个阶段;基于K均值聚类确定各个阶段的缓慢起步、一般起步、紧急起步这3种起步意图的界限;基于主成分分析挖掘出各个阶段起步意图识别的新特征;在此基础上构建6个SVM模型,并利用这6个模型分别对各阶段的起步意图进行识别。经过验证,该模型的平均测试准确率为94.92%,比只利用线性SVM模型高16.89%,且单个模型的平均耗时为0.008 s,能够快速有效地识别出DCT汽车驾驶员的起步意图。     

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。     

混合动力汽车制动踏板位移传感器的故障诊断

混合动力汽车的怠速停机、制动能量回馈等功能都需要制动踏板位移信号作为输入判定条件,因此有必要对制动踏板位移传感器信号的有效性进行监控,以正确识别其工作是否正常。如果不正常,那么是哪种失效方式?针对具体的失效方式采用相应的故障处理方式,以保证混合动力系统工作稳定。本文系统地介绍了荣威750BSG混合动力汽车制动踏板位移传感器的短路、断路、合理性和零点漂移等故障的诊断方法,提供了一整套针对制动踏板系统的安全监控方法。