基于实车数据的电动汽车电池健康状态预测

鉴于现有电动汽车电池健康状态(SOH)预测方案多基于条件有限实验室的实验数据,且存在单指标预测精度低等问题,基于实车运行数据分析并提取电池健康状态因子,以电池容量、内阻和单体一致性为特征,构建机器学习模型,实现电池SOH多指标的准确预测;针对实车数据区间不完整、片段间隔大等问题,提出自适应状态估计法;利用非支配排序遗传算法(NSGA-II)进行精度与效率的多目标优化,获得最佳电压区间,提高电池容量的变区间估计精度。结果表明,该方法可有效实现基于实车数据的电池SOH准确预测,采用5-fold交叉验证计算测试集最大平均绝对误差小于2%。     

基于GRI的多车协同定位研究EI北大核心CSCD

为提高自动驾驶技术中的车辆定位精度,提出了一种基于GRI的多车协同定位方法。采用该方法时,一辆车依据GPS定位信息对本车位置进行估计,再通过车车通信接收周围车辆发来的根据其GPS测定的位置及其与该车相对位置而估计的该车位置。将这些位置信息进行融合,通过一定的修正,估算出该辆车更为精确的位置。最后应用MATLAB对所提出方法进行仿真,以模拟多车直行跟随和换道行驶场景。结果表明,该方法合理、可行,能有效提高车辆的定位精度,具有广阔的工程应用前景。     

汽车质心侧偏角融合估计方法EI北大核心CSCD

基于质心侧偏角的运动学与动力学估计方法,提出了一种新的质心侧偏角融合估计器。它有3个基于不同估计模型的卡尔曼子滤波器,分别独立估计横向车速,并作为初步估计结果送入主滤波器,主滤波器根据信息融合规则,对这些初步估计结果进行融合,得到全局融合估计结果,最后用它算出质心侧偏角。实车试验结果显示,相比于单一估计方法,融合估计器有更高的估计精度和对传感器信号偏差的鲁棒性。     

基于最小二乘法的车辆瞬态燃油消耗估计EI北大核心CSCD

精确的车辆瞬态燃油消耗估计是车辆节能控制研究的基础,稳态燃油消耗模型受燃油发动机的非线性工作特性、驾驶员的驾驶习惯、车辆行驶的环境、车辆行驶状态、车辆负载等多种因素影响,计算的瞬态燃油消耗与实际燃油消耗偏差较大,现有瞬态油耗模型参数不易标定,因此本文中通过车辆速度与加速度构建了一种新的瞬态燃油消耗估计模型。采用最小二乘法对模型中的参数进行求解,为进一步降低瞬态燃油消耗率的估计偏差,引入指数速度衰减的加权因子,即采用带指数衰减因子的最小二乘法求解油耗模型中的参数,并通过实车试验对瞬态油耗估计方法进行验证。试验结果表明,基于最小二乘法的油耗模型可精确地估计车辆瞬态油耗,带指数速度衰减因子的最小二乘法可进一步降低油耗模型的油耗估计偏差,且估计精度受车辆行驶状态和道路环境等因素影响较小。     

电动客车AMT换挡执行机构状态估计及参数辨识EI北大核心CSCD

为了改善AMT换挡执行机构参数时变下的换挡性能,在考虑系统模型高度非线性、系统噪声特性未知的情况下,本文中提出了一种基于非线性H∞算法的分层状态估计和参数辨识方法。首先,通过实验发现了换挡执行机构参数时变的问题,并针对换挡执行机构建立了非线性模型。然后,设计了分层状态估计和参数辨识器,上、下两层估计器均基于非线性H∞算法设计。上层估计器对执行机构的状态进行估计,并将结果转移到下层估计器;下层估计器利用上层估计器处理完的状态量作为量测量,利用系统模型作为量测方程对系统参数进行辨识;上、下层估计器的协同运行对换挡执行机构的状态进行估计,对结构参数和电性能参数进行辨识。最后,设计了一种基于自动标定的状态估计和参数辨识流程,在对换挡位置值进行标定修正的同时实现对换挡执行机构的参数辨识。实验结果表明,本文提出的分层状态估计和参数辨识方法能准确的对换挡执行机构的状态、参数进行估计和辨识。修正参数后,系统的换挡性能得到改善。     

基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆状态估计EI北大核心CSCD

本文中提出了一种基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆行驶状态估计算法。首先建立了非线性3自由度车辆估算模型和Dugoff轮胎模型。接着通过对纵向加速度、侧向加速度、横摆角速度和转向盘转角等低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计。最后应用CarSim和Matlab/Simulink联合仿真对算法进行验证。结果表明:基于改进的Sage-Husa自适应扩展卡尔曼滤波的估计算法能比扩展卡尔曼滤波算法更准确、稳定地估计车辆行驶状态。     

锂离子电池电场相似准则的推导与有限元验证EI北大核心CSCD

从三维稳态电流传导微分方程出发,利用无量纲分析法推导了锂离子电池内部电场相似所应满足的相似准则,并确定了实物对象与模拟对象之间的电场相似关系。利用ANASYS软件进行了锂离子电池多层结构电场的有限元建模与计算,验证了所建立相似准则和相似关系的正确性。     

分层优化测定锂离子电池比热容参数的实验研究EI北大核心CSCD

锂离子电池比热容作为电池模组及系统热设计的关键参数,对所建立的电池热管理系统仿真模型和控制策略的准确性至关重要。本文中基于量热法搭建了一个成本低廉、实施简单和测量准确性高的测试平台,系统研究了量热装置的热损失、量热方式以及分层计算优化对测试结果的影响。在黄铜、304不锈钢、铸铁以及高密度聚乙烯标准件样品校验测试中,实验结果表明该量热装置测定比热容误差小于3%,且不受被测样品导热系数大小的影响。通过本实验装置测定32650磷酸铁锂电池的平均比热容为1.022 J·g^(-1)·K^(-1),这为其他类型电池甚至下一代固态电池精确测量比热容热物性参数提供了一种可行的方法。     

基于降维算法的车身可靠性优化

基于降维算法,以最小化车身质量作为优化目标,选取车身弯曲和扭转刚度功能函数可靠度作为约束条件,建立了一种新的车身可靠性优化模型。利用降维算法,建立了新的n个一维函数模型近似替代原功能函数,借助泰勒级数和统计矩理论,求解车身功能函数的前4阶矩信息,并通过4阶矩法,得到车身可靠度;通过基于改进自适应遗传算法的优化方法与可靠性评定,将该嵌套优化问题解耦为单层优化问题;优化每一迭代步,采用罚函数法来改进适应度函数。与传统可靠性优化方法相比,本文方法无需多重积分求解功能函数统计矩,无需迭代搜索最可能失效点,且可避免种群陷入局部最优的缺陷。数值算例结果表明:所提方法具有较高的计算精度和较好的适应性。     

基于因子分析的西部交通科技项目评价指标体系降维处理

针对交通科技项目评价指标相关性强、难以量化的问题,通过对各指标的相关性分析,然后采取了因子分析法对西部交通科技项目评价指标体系进行降维处理,并通过因子负载阵的分析,明确了各个因子的物理意义,最后算得各项因子的数值.最终寻求蕴藏在众多指标之后的内在因素.通过实践评价与理论分析相结合的方法,完成了西部交通科技项目投入产出指标体系降维处理,把交通科技项目原有的10项评价指标降为5项,且包含原有数据的大部分信息.     

基于车内综合声场贡献分析的车身板件声振优化EI北大核心CSCD

在应用声传递向量技术对某商用客车的车内噪声进行板件声学贡献分析的基础上,提出了引入特征频率计权系数和场点权重系数确定多特征频率下对车内综合声场声学贡献量最大的关键车身板件的方法。接着采用中心组合设计通过最小二乘拟合建立了以关键板件振速和1阶模态频率为目标,板件与阻尼层厚度为变量的非线性的响应面模型,通过优化确定了变量的最佳组合。优化方案的实车试验结果显示车内噪声改善效果明显。     

基于差动和自主转向协调的分布式驱动无人车轨迹跟踪EI北大核心CSCD

分布式驱动无人车能通过差动转向和原有自主转向的共同作用保证车辆的轨迹跟踪。在2自由度车辆动力学模型基础上,基于模型预测控制算法,提出预瞄时间自适应的轨迹跟踪方法,以满足转弯和直行工况的预测要求;考虑分布式驱动无人车构型特点,基于参考横摆角,采用左右两侧驱动轮转矩差动控制,能在保证无人车总体转矩需求不变的情况下实现轨迹跟踪。为综合上述两种方法的优点,提出了利用设置权重的方法对自主转向和差动转向轨迹跟踪进行协调控制,并进行了Matlab与Car Sim的联合仿真和实车实验验证。结果表明,协调控制有效改善了转向的响应速度和灵活性,同时提高了无人车轨迹跟踪的可靠性和准确性。     

基于模块化设计的车身装配结构优化EI北大核心CSCD

本文在考虑车身制造和装配成本的基础上,提出了一种基于图分解算法的车身装配结构设计方法,并为解决以厚度为设计变量进行优化时的收敛问题引入了一种多层二次择优的优化方法。以白车身底板为例,依照最小可制造尺寸对结构进行分割,以分割单元之间的连接关系作为设计变量,结合NSGA-II算法进行优化,得到最优装配方案;以优化得到的Pareto解集中的装配方案为初始解,从中进行二次择优,选出满足稳定性条件的解,对各子部件内的厚度施加约束进行板厚优化,并将得到的板厚值返回到图分解法中进行迭代,直到问题收敛,最终实现对焊接位置和板厚的同时优化。     

基于脑电信号的疲劳驾驶状态研究EI北大核心CSCD

为准确快速检测驾驶员的疲劳状态,本文中提出了一种基于脑网络特征的疲劳检测方法。首先选取真实驾驶实验环境,实时采集驾驶员的脑电信号,对其进行小波包分解与重构,提取各个节律信号。接着通过计算各导联间的相位迟滞指数,构建连接矩阵,并提取各个节律的脑网络特征。最后通过对驾驶员主观疲劳度与所提取特征的人工神经网络回归分析,得到二者间的复杂关系,相关性系数R为90.27%。结果验证了基于功能连接的精神疲劳评估方法的可行性,为不同精神状态下建立脑动态模型开辟了新的途径。本文中提出的方法利用较少电极可穿戴EEG设备检测疲劳简便、经济,对驾驶员疲劳检测系统的开发具有重要意义。     

基于能量分析的乘员约束系统优化研究EI北大核心CSCD

本文中提出一种基于能量ridedown效率分析的乘员约束系统优化方法。利用MATLAB/Simulink软件搭建ridedown效率的能量计算模型,并在此基础上分别寻找约束系统参数与乘员能量ridedown效率和乘员伤害之间的关系,搭建乘员伤害代理模型并对代理模型进行优化,结果表明:优化后的乘员伤害WIC值为0. 365 8,比原车模型的WIC值0. 387 6降低了5. 62%。     

驾驶特性对进气道喷射汽油车RDE排放的影响EI北大核心CSCD

使用便携式车载排放设备(PEMs)对一辆装有进气道喷射的自然吸气发动机的轻型汽油车按照轻型车国Ⅵ标准进行了真实驾驶排放(RDE)测试,并通过行程动力学定义了温和驾驶和激进驾驶。结果表明:激进驾驶的NOx和PN排放跟温和驾驶相差不大。但在市区行程,激进驾驶的CO排放为温和驾驶CO排放的84倍。而对于总行程,激进驾驶的CO排放为温和驾驶CO排放的75倍。激进驾驶中频繁的加减速是CO排放大幅增加的主要原因。在市区行程,CO排放与加速度正相关;在高速行程,由于发动机运转在高速大负荷的工况点,而这些工况点在企业进行排放标定时往往被忽略,导致CO的排放很高。     

基于小波熵的驾驶疲劳脑电信号特征提取EI北大核心CSCD

为寻找衡量驾驶疲劳的可靠的生理指标,通过实验采集了模拟驾驶前、模拟驾驶疲劳后和休息后的脑电信号,并对其进行预处理和特征提取。应用小波变换对脑电信号进行降噪;并求得降噪后的脑电信号H和R小波熵比值。结果表明,驾驶疲劳后脑电信号H和R值有增大的趋势;再经充分休息后,脑电信号的H和R值有下降趋势,两者均具有显著性差异(P<0.05),说明小波熵值是驾驶疲劳脑电特征提取的有效方法。     

基于Udwadia-Kalaba理论的自动离合器位置跟踪控制EI北大核心CSCD

针对自动离合器位置跟踪这一伺服控制问题,提出了一种新颖的控制方法。该方法将离合器的接合规律视为一种约束,为满足约束要求对系统施加一定的伺服约束力,在不引入格朗日乘子等参数的情况下,利用Udwadia-Kalaba方程对约束力进行求解。通过建立离合器接合过程的动力学模型,提出了离合器位置跟踪的电流-位置双闭环控制系统。对比试验结果表明,采用基于Udwadia-Kalaba理论的离合器位置跟踪控制,离合器接合轨迹能较好地跟踪了目标要求曲线,具有较高的跟踪控制精度。     

基于法规的柴油发动机颗粒物数量排放测试研究EI北大核心CSCD

采用满足欧Ⅵ颗粒数量(PN)测试要求的AVL489颗粒计数器,对3台不同机型的柴油机进行了ESC,ETC和WHTC循环试验,并测量了PN排放情况。结果表明:在不同机型和不同试验循环下,PM(颗粒物质量)和PN排放的相关性较高;DOC+POC后处理可有效降低PN排放;热起动WHTC循环的PN排放比冷起动高,但差异很小;PN排放随转速的升高和负荷的加大而增高。