基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

结构-电磁激励下某电驱总成噪声控制

针对某电动汽车电驱总成的噪声问题,依据电驱总成车内噪声产生机理,进行整车状态声振特性测试,运用不同工况组合下的频谱特征和阶次特征等分析方法,识别出该电驱总成噪声问题为结构共振和电磁激励所致。针对结构共振问题,考虑电驱总成结构耦合特性、电机材料复杂多样性和线圈绕组质量,建立电驱总成有限元分析模型,求解出电驱总成的模态和振动响应,并通过敲击法模态试验得到模态参数进而对有限元模型进行验证,在此基础上以模态应变能为依据对电驱总成结构的局部刚度进行优化,提升结构共振频率,降低共振风险。针对电磁激励问题,以电驱总成中的永磁同步电机为研究对象,建立电磁仿真分析模型,以影响磁通密度的转子槽口的槽形、槽宽、槽深和槽间角度4个因素建立正交试验设计表,通过极差值得到各因素对齿槽转矩和输出转矩的影响水平,最后以降低齿槽转矩、加工工艺简单和对输出转矩影响小为目标,运用16组具有代表性的电磁方案,完成256个参数组合的寻优,并对优化方案进行了数值仿真计算。研究结果表明：优化方案的改善效果较显著;研究可为电动汽车车内噪声改善提供试验技术支持,并为电驱总成的结构共振噪声和电磁噪声控制提供方法参考。     

State estimation in roll dynamics for commercial vehicles

Accurate lateral load transfer estimation plays an important role in improving the performance of the active rollover prevention system equipped in commercial vehicles. This estimation depends on the accurate prediction of roll angles for both the sprung and the unsprung subsystems. This paper proposes a novel computational method for roll-angle estimation in commercial vehicles employing sensors which are already used in a vehicle dynamic control system without additional expensive measurement units. The estimation strategy integrates two blocks. The first block contains a sliding-mode observer which is responsible for calculating the lateral tyre forces, while in the second block, the Kalman filter estimates the roll angles of the sprung mass and those of axles in the truck. The validation is conducted through MATLAB/TruckSim co-simulation. Based on the comparison between the estimated results and the simulation results from TruckSim, it can be concluded that the proposed estimation method has a promising tracking performance with low computational cost and high convergence speed. This approach enables a low-cost solution for the rollover prevention in commercial vehicles.     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。     

公共电动自行车系统运营模式设计模型

当前对传统公共自行车系统运营模式的研究主要是定性分析,各种方法标准不一,且研究结论与实际差别较大,不能直接用于资金、设施等要求更高的公共电动自行车系统的运营模式设计问题.因此,提出了一种定量设计模型,利用0-1混合整数规划模型对系统的经营主体进行筛选,再利用动态规划模型分配资源.利用算例进行模拟分析,结果表明:①与以资金多和收益好为优的常规的定性分析法相比,定量模型能更合理配置系统构成要素,降低政府的财政负担,分别为政府节省18.68%和23.09%的资金.②在公共电动自行车系统建设和运营过程中,宜采用政企合作模式.③相对于系统运营而言,系统建设期间对政府投入的资金反应更灵敏,因此政府有必要加大建设期的资金投入.     

Study on driver model for hybrid truck based on driving simulator experimental results

In this paper, a proposed car-following driver model taking into account some features of both the compensatory and anticipatory model representing the human pedal operation has been verified by driving simulator experiments with several real drivers. The comparison between computer simulations performed by determined model parameters with the experimental results confirm the correctness of this mathematical driver model and identified model parameters. Then the driver model is joined to a hybrid vehicle dynamics model and the moderate car following maneuver simulations with various driver parameters are conducted to investigate influences of driver parameters on vehicle dynamics response and fuel economy. Finally, major driver parameters involved in the longitudinal control of drivers are clarified.     

Smarter and more connected: Future intelligent transportation system

Emerging technologies toward a connected vehicle-infrastructure-pedestrian environment and big data have made it easier and cheaper to collect, store, analyze, use, and disseminate multi-source data. The connected environment also introduces new approaches to flexible control and management of transportation systems in real time to improve overall system performance. Given the benefits of a connected environment, it is crucial that we understand how the current intelligent transportation system could be adapted to the connected environment.     

基于CAN的混合动力汽车控制系统体系结构研究

在分析某型混合动力汽车的结构与工作原理的基础上，基于CAN总线技术，研究了控制系统的网络拓扑结构、节点功能及信息传递方式，以及硬件设计中的节点通信接口结构和控制系统的软件结构。其研究方法和结论为混合动力汽车以及其它类型车辆控制系统的研究和开发提供了理论依据和技术基础。     

我国清洁汽车的发展及对策

简述了我国清洁汽车的发展概况和存在的主要问题,重点提出我国清洁汽车“应加快燃油汽车先进排放控制技术的研发与应用;代用燃料汽车的发展重点应继续放在单一燃料燃气汽车上;混合动力汽车应加快发展,但自主开发应谨慎”等对策及建议。     

基于遗传算法系统效率优化的PHEV电量保持模式控制策略

为了提高插电式混合动力汽车（PHEV）在电量保持下的燃油经济性,并解决插电式混合动力汽车在运行过程中动力元件效率对系统能量利用率影响的问题,制定了系统效率最优的控制策略。以PHEV关键动力部件的测试数据为基础,建立发动机、驱动电机、无级变速器（CVT）以及动力电池等关键部件的效率数值模型,并考虑了温度及荷电状态（SOC）对动力电池充放电功率的影响。设计以混合动力系统效率最优为适应度评价函数,将CVT速比、发动机转矩作为优化变量,以车速、加速度和SOC为状态变量,在动力性指标的约束下,运用遗传算法进行迭代寻优,PHEV的系统效率在第20代左右收敛于全局最优值。同时发动机转矩和CVT速比通过多代遗传进化,较快收敛于最佳值。将相关优化结果与车速、加速度拟合成相应的三维控制数表,综合数值建模和试验测试数据建模的方法,基于MATLAB/Simulink搭建插电式混合动力汽车整车控制策略仿真模型,采用新欧洲行驶循环工况进行仿真验证。结果表明：插电式混合动力汽车在电量保持模式下,利用遗传算法优化的系统效率最优控制策略相比优化前,动力电池SOC运行更为平稳,CVT效率有所提升,驱动电机及发动机转矩分配更为合理;百公里燃油消耗量从优化前的5.2 L降至4.5 L,燃油经济性提升了13.5%。