基于模型匹配控制的PHEV动态协调控制方法

在分析发动机与电动机的动态响应特性基础上,设计基于模型匹配控制的整车动力系统动态协调控制方法,并在所建立的并联式混合动力汽车(PHEV)的前向仿真模型上对该方法进行研究,证明该方法能有效控制2个动力源的动力耦合过程,具有较高的转矩控制精度和很好的动态响应特性,并利用所建立的硬件在环仿真试验台对该方法进行试验验证。     

基于ADVISOR二次开发的混合动力越野车仿真分析

针对混合动力越野车性能仿真需求,考虑到ADVISOR不能提供变化路面条件和不同环境条件下的仿真分析,对ADVISOR进行了二次开发。通过修改ADVISOR中整车模型、车轮模型和部件模型,增加滚动阻力系数模型、车轮滑转率与附着系数模型和蓄电池温度模型,建立了串联式混合动力越野车仿真系统。对某在研国产串联式混合动力越野车的整车性能进行了仿真分析。仿真结果表明,不同的路面条件和环境条件对混合动力车的各种性能有较大影响。     

基于预定义几何集的斜列式泊车路径规划方法

目前预定义几何集方法主要用于平行车位和垂直车位2种类型的泊车路径规划,对于未涵盖的停车位种类而言则存在无法规划泊车路径的问题,使得自主泊车系统对于能够泊入的车位种类存在局限性.为了设计斜列式泊车方式用以提高自主泊车系统中车位种类的覆盖率,提出一种基于预定义几何集的斜列式泊车路径规划方法.首先,提出了斜列式C字形泊车路径...     

基于贝叶斯网络的联网环境中跟车工况下的前车运动状态预测

车辆行驶过程中,前方车辆运动状态预测是车辆智能控制系统的重要研究部分。车辆运动状态受其驾驶员驾驶风格、道路状况、交通流、前方车辆运动速度和加速度等因素的影响,使车辆在未来一定时间段内的运动状态具有较大不确定性,给前方车辆的运动状态预测带来困难,因此本文中对跟车工况下前车运动状态预测进行研究。本文中在分析车辆跟车工况时的运动特性,采用贝叶斯网络对前方车辆运动速度进行预测,将获得的车辆跟车工况时的运动状态数据分为训练集和测试集。通过训练集辨识前车速度预测贝叶斯网络参数,通过测试集检验前车速度预测贝叶斯网络的预测效果。对前车未来0.1,0.5,1和2s时的运动速度进行预测,预测结果表明,前车的实际运动速度均在前车速度预测贝叶斯网络预测的95%置信区间内。     

人机混驾环境下基于深度学习的车辆切入轨迹预测

为保证人机混驾环境下自动驾驶汽车的安全行驶,对周围车辆切入轨迹的预测至关重要.本文首先使用Savitzky-Golay滤波器对大规模采集的自然驾驶数据进行去噪处理,根据准则提取车辆切入片段,建立符合中国道路状况的车辆切入数据集.其次,发挥Bi-LSTM网络能充分利用上下文信息的优点和in-out快捷连接有效减少梯度消失...     

基于多信息融合的全轮独立电驱动车辆车速估计

鉴于用非驱动轮轮速信号来估计车速的方法已不适用于没有非驱动轮的全轮独立电驱动车辆,提出了借融合车载普通传感器信号和驱动电机反馈信号等多信息源,并基于稳态工况下的轮速信号卡尔曼滤波和瞬态工况下的加速度积分的全轮驱动车辆车速估计方法.通过实车试验对该方法的有效性、适用性和精度进行了验证.     

基于系统效率最优的CVT混合动力轿车转矩优化分配方法

无级变速器CVT消除了挡位概念,其速比在一定范围内连续可调。配备CVT的混合动力汽车能够实现动力源转矩和传动系统的优化匹配。针对此问题,提出了基于系统效率最优的CVT中度混合动力轿车动力源转矩优化分配方法:。该方法:综合考虑了各个关键部件的效率,以混合动力系统的总体效率为优化目标,以车速、车辆加速度、电池SOC为状态变量,优化分配了驱动工况下各动力源输出转矩,为整车能量管理策略的制定奠定了基础。     

纯电动商用车异质队列的多目标控制

队列行驶的研究能有效解决商用车货运安全、能耗浪费和环境污染等问题,但现有研究多基于单一跟车目标控制的匀质队列,这在货运场景中无法达到很好的控制效果。本文中构造了纯电动异质商用车队列,为其设计了分布式非线性模型预测控制器。根据道路环境信息和车辆跟车、安全、舒适和节能等特性,分别建立了领航车和跟随车的控制器模型,实现异质队列的多目标控制。为验证所提出控制方法的有效性,由5辆动力学特性相异的商用车组成队列,并搭建了控制仿真平台进行Trucksim/Simulink联合仿真。结果表明,本文中提出的控制算法能有效实现异质商用车队列的多目标控制,与PID定速巡航控制相比,能耗可降低5.3%以上。     

强降雨场景下自适应巡航控制系统的安全控制策略EI北大核心CSCD

本文针对强降雨场景下毫米波雷达的目标运动非预期测量误差较大引发ACC系统的预期功能安全问题,提出了强降雨场景下自适应巡航控制系统的安全控制策略。首先使用双状态卡方对毫米波雷达输出的目标信息进行检验,以确定其是否存在安全风险;接着通过卡尔曼滤波对存在安全风险的目标信息进行修正;然后将修正的目标信息输入ACC控制器控制车辆运动状态,实现安全控制;最后通过搭建的Prescan/Simulink联合仿真平台对提出的安全控制策略进行了仿真验证。结果表明:双状态卡方检验可及时检测风险信息(检测时间偏差在1.31 s以内),卡尔曼滤波修正误差在3.66 m以内,有效保证了ACC系统在强降雨场景下安全稳定运行。