基于PEMS测量的机动车尾气预测研究

为了实现对机动车尾气排放的控制,解决现有预测模型未能通过燃油消耗来研究污染物排放以及未能建立起油耗及其车外可观测影响因素之间的关系问题,对油耗数据及其理论模型进行了研究,提出了微观综合预测模型,它是根据便携式尾气测量系统(PEMS)实际工况下测量的机动车油耗与各污染物排放数据,并结合油耗的理论模型建立起的综合预测模型;最后,通过实验对综合预测模型进行了实例分析与验证;实验结果表明,综合预测模型首次对污染物CO和NO的预测模拟值和实测值之间的平均误差分别为14.3%和12.8%,实现了较好的预测效果,为进一步研究燃油消耗和排放的关系奠定了很好的基础。     

小样本下基于Bootstrap的航程油耗预测方法

利用传统的数据分析方法预测飞机燃油消耗量需要大量的样本,针对这一问题,提出一种基于Bootstrap统计理论建立油耗预测模型的方法.基于真实的QAR(quick access recorder)数据,首先利用Bootstrap统计方法得到相关航程下油耗均值和一定置信水平下均值的置信区间,然后对多组均值和置信区间的上、下限分别进行拟合建模,能够得到油耗与航程关系模型及航程与燃油消耗带关系模型.最后,将结果分别与最小二乘法下的预测模型及2203组数据样本下的油耗模型作对比,结果表明:小样本量下的Bootstrap方法预测模型准确度较高.     

基于嵌入式系统的内燃机车油耗仪的设计

简要概括了内燃机车燃油消耗管理的重要性,分析说明了基于嵌入式系统的内燃机车油耗仪的工作原理,构建了此油耗仪的嵌入式硬件,设计了此油耗仪器的燃油流量、温度等数量采集模块。应用嵌入式移动数据库对采集数据进行管理以方便分析。较以往产品此系统设计了USB接口,可以将数据以U盘转存形式传输到计算机。在嵌入式平台验证了此油耗仪的可靠性,可行性。     

快速路网交通管理策略的环境效益仿真评价方法*

提出了用于评价城市快速路网交通管理策略环境效益的仿真方法。该方法采用宏观动态交通网络建模思想,将考虑车辆行驶速度的机动车排放模型及燃油消耗模型与宏观交通模型有效衔接,并用货币价值量化排放减少所带来的直接经济价值（包括大气污染治理费的节省和燃油消耗费用的节省）。以可变情报板路径诱导策略为例,对一个算例路网进行仿真。仿真结果表明,路径诱导策略尽管导致NOX增排了0.799 t,但减排了0858 t的CO和0087 t的HC,同时节省燃油消耗185 335166 L,产生直接经济价值逾129万元。研究表明     

工程车辆燃油管理系统设计与实现

设计一种适用于工程车辆的燃油管理系统,讨论了如何利用高精度液位传感器实时获取车辆的燃油信息,并将该燃油信息与车辆实时工作状态信息对应起来。探讨了如何应用无线网络将车辆燃油及工况信息传送到服务器,再通过专门的油耗管理软件进行分析,生成各种形式的油耗与工况统计报表,以反映某一车辆在其各种工作状态下的燃油消耗状况,实现工程车辆燃油的信息化管理。     

基于飞行数据的民机减推力起飞耗油影响因素研究

燃油成本作为民航运营成本的重要组成部分,如何安全有效地降低油耗是航空公司关注的焦点之一。研究影响油耗的因素是实施节油的重要理论支撑。在发动机功率最高的起飞阶段使用减推力起飞可有效降低油耗。从实际飞行数据出发,分析减推力起飞过程中油耗与影响因素间的定量关系。对减推力起飞进行机理分析,获得对油耗具有潜在影响的参数。利用灰典型相关分析对飞行数据时间序列进行研究,获得影响因素与油耗之间的定性关系。并选定参数作为模型输入,基于LSTM(Long Short Term Memory)网络建立了误差约为0.48%的油耗模型。利用真实飞行数据基于网络进行灵敏度分析,获得特定影响因素与油耗之间的定量关系。结果表明,逆风情况有利于民机起飞阶段降低油耗,且在风速4.5m/s〖JP2〗附近节油效果最佳;降低总重2%〖KG-*4〗~4%能获得更高的燃油收益,可辅助计算飞机总重的收益。     

基于随机模型预测控制的插电式混合动力汽车 多目标能量管理策略

为了改善插电式混合动力汽车的燃油消耗和排放, 开展多目标随机模型预测控制策略的研究. 首先, 建立适用于模型预测的多元线性回归的发动机和电池模型, 建立融合燃油消耗和排放的多目标价值函数的模型预测控制, 随后, 基于随机驾驶员模型未来时刻的车速, 结合交通信息并利用动态规划(DP)算法进行参考电荷状态(SOC)优化, 进而建立多目标随机模型预测控制策略. 最后, 通过与DP, MPC等策略进行对比验证, 及给出两组不同权值进行多目标控制效果分析. 结果表明, 该策略的燃油消耗和排放最接近DP的控制效果, 且设置不同权重值可获得相应的控制目标, 说明该策略对提升燃油消耗和排放的多目标性能的有效性.     

浅析质量式油耗仪的现场校验

检测汽车燃油消耗量常是通过燃油消耗检测仪测定燃油消耗量的容积或质量来表示。其按测量方法可分为：容积式油耗仪、质量式油耗仪、流量式油耗仪、流速式油耗仪。大多数油耗仪都能连续、累计测量,但测试的流量范围和流量误差各不相同。现以质量式油耗仪为例予以浅析其现场的校验。     

低碳经济下的港口泊位分配模型及其算法实现

航运公司正在进行前所未有的努力以减少船舶的燃油消耗量及碳排放量,而港口所制定的泊位分配计划对于船舶的油耗量和碳排放量有着直接的影响。由于船舶的到港时间是港方制定泊位分配计划的关键参数,因此将船舶到港时间作为决策变量引入传统的泊位分配（BAP）模型中,设计了港口与船方协调调度的新的泊位分配策略--VAT（Variable Arrival Time）策略,同时将船舶油耗和碳排放量融入BAP 模型的目标函数中,建立了船舶油耗量最小和船舶离港延迟时间最短的双目标优化模型。采用多目标遗传算法对该模型进行求解,并用仿真算例验证了该策略的有效性。计算结果表明,VAT策略可以大大削减航运公司的燃油消耗和船舶的碳排放,同时可以提高港口的服务水平,缩短船舶在港等待时间。     

基于mRMR特征优化算法的油耗预测建模研究

针对油耗预测建模过程中数据输入的冗余问题，提出一种基于最大相关最小冗余算法(Max-Relevance and Min-Redundancy, mRMR)与主成分分析方法相结合的冗余特征优化算法，进一步基于BP神经网络建立一种高速道路车辆油耗预测模型。模型的仿真检验结果表明，使用mRMR算法与主成分分析结合优化建模数据能较好地去除数据冗余性和保留原数据信息。模型能准确实现对高速路段运输车辆的燃油消耗预测，预测精度达94.77%,验证了模型的有效性和准确性。研究成果可为道路能源消耗监控与驾驶员水平评估提供参考依据。     

Speed planning and energymanagement strategy of hybrid electric vehicles in a car-following scenario

The development of intelligent connected technology has brought opportunities and challenges to the design of energy management strategies for hybrid electric vehicles. First, to achieve car-following in a connected environment while reducing vehicle fuel consumption, a power split hybrid electric vehicle was used as the research object, and a mathematical model including engine, motor, generator, battery and vehicle longitudinal dynamics is established. Second, with the goal of vehicle energy saving, a layered optimization framework for hybrid electric vehicles in a networked environment is proposed. The speed planning problem is established in the upper-level controller, and the optimized speed of the vehicle is obtained and input to the lower-level controller. Furthermore, after the lower-level controller reaches the optimized speed, it distributes the torque among the energy sources of the hybrid electric vehicle based on the equivalent consumption minimum strategy. The simulation results show that the proposed layered control framework can achieve good car-following performance and obtain good fuel economy.     

基于运输成本的高速公路车辆协同调度与速度规划

针对路网中大规模的货运车辆,给出一种新的综合油耗成本与时间成本的车辆协同调度方案,以便在最大化节约运输成本的前提下解决车队的协调优化问题.首先,建立基于油耗成本和时间成本的车辆运输成本模型,通过微调部分车辆的速度与路径,循环计算任意两辆车组队行驶的运输成本节约率,将符合组队条件的车辆构造为车辆组队协调图;然后,采用一种基于中心聚类划分的算法将车辆的组队问题转化为聚类求解问题,求解出节约运输成本最大化的领头车,使其在公共路段组成车队行驶;最后,考虑道路坡度及速度限制等条件,采用基于空间采样的动态规划方法对合并车辆的速度进行优化,从而进一步降低车辆的运输成本.仿真结果验证了所提出的优化方案及求解思路的可行性和有效性.     

城市交叉口车辆速度与交通信号协同优化控制

为了降低城市交通中的行车延误与燃油消耗,针对人类驾驶车辆与自动驾驶车辆混合交通环境,提出一种基于交通信息物理系统(TCPS)的车辆速度与交通信号协同优化控制方法.首先,综合考虑路口交通信号、人类驾驶车辆、自动驾驶车辆三者之间的相互影响,设计一种适用于自动驾驶车辆与人类驾驶车辆混合组队特性的过路口速度规划模型;其次,针对车辆速度规划单一应用时的局限性,即无法减少车辆路口通行延误且易出现无解情况,提出一种双目标协同优化模型,能够综合考虑车辆速度规划与路口交通信号控制,同时降低车辆燃油消耗与路口平均延误.由于双目标优化问题求解的复杂性,设计一种遗传算法-粒子群算法混合求解策略.基于SUMO的仿真实验验证了所提出方法的有效性.     

插电式混合动力汽车车速预测及整车控制策略

本文针对插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)这一典型混杂系统,提出了一种基于车速预测的混合逻辑动态(mixed logical dynamical,MLD)模型预测控制策略.首先,通过对发动机和电动机能量消耗模型进行线性化,建立双轴并联插电式混合动力城市公交车的动力传动系统数学模型;其次,运用模糊推理进行驾驶意图分析,提出基于驾驶意图识别和历史车速数据相结合的非线性自回归(nonlinear auto-regressive models,NAR)神经网络车速预测方法进行未来行驶工况预测.然后,以最小等效燃油消耗为目标建立PHEV的混合逻辑动态模型,运用预测控制思想对车速预测时域内最优电机转矩控制序列进行求解.最后,通过仿真实验验证了本文所提出控制策略在特定的循环工况下与电动助力策略相比,能够提高燃油经济性.     

多任务分段紧凑特征的车辆检索方法

目的 随着公共安全领域中大规模图像监控及视频数据的增长以及智能交通的发展,车辆检索有着极其重要的应用价值。针对已有车辆检索中自动化和智能化水平低、难以获取精确的检索结果等问题,提出一种多任务分段紧凑特征的车辆检索方法,有效利用车辆基本信息的多样性和关联性实现实时检索。方法 首先,利用相关任务之间的联系提高检索精度和细化图像特征,因此构造了一种多任务深度卷积网络分段学习车辆不同属性的哈希码,将图像语义和图像表示相结合,并采用最小化图像编码使学习到的车辆的不同属性特征更具有鲁棒性;然后,选用特征金字塔网络提取车辆图像的实例特征并利用局部敏感哈希再排序方法对提取到的特征进行检索;最后,针对无法获取查询车辆目标图像的特殊情况,采用跨模态辅助检索方法进行检索。结果 提出的检索方法在3个公开数据集上均优于目前主流的检索方法,其中在CompCars数据集上检索精度达到0.966,在VehicleID数据集上检索精度提升至0.862。结论 本文提出的多任务分段紧凑特征的车辆检索方法既能得到最小化图像编码及图像实例特征,还可在无法获取目标检索图像信息时进行跨模态检索,通过实验对比验证了方法的有效性。     

燃油及电动车病人运送问题建模与算例对比分析

针对当前病人运送问题主要以燃油车为主展开研究, 本文围绕电动车运送病人问题建模, 并对燃油及电动车病人运送算例进行对比分析, 以验证电动车运送病人的可行性和优越性. 首先构建燃油车病人运送数学模型, 考虑了每位病人最长乘车时间、车辆最大平均行驶速度和病人时间窗等约束, 以燃油车的行驶消耗成本和加油成本之和最小化为目标. 其次构建电动车病人运送数学模型, 考虑了电车充电时间、剩余电量、电车最大平均行驶速度、每位病人最长乘车时间以及病人时间窗等约束, 以电动车行驶消耗成本和充电成本之和最小化为目标. 最后选取算例并利用LINGO软件进行编程求解, 验证数学模型的可行性和有效性.     

基于混合整数规划的智能网联车冲突区时序优化模型

智能网联车的大规模应用为交通冲突区域的优化与管理提供了新的机遇和挑战.为保证冲突区域车辆的汇入安全,提高冲突区域车流的运行效率,引入优化时间区间的概念,以车辆平均延误为优化目标,车辆通过冲突区域的最小安全时间间隔为约束条件,构建车辆进入冲突区域时序的混合整数线性规划模型.为研究不同流量状态对模型结果的影响,设计不同流量场景的数值仿真实验.结果表明:与不优化时序相比,所提出的模型和算法能够有效地减少车辆的延误和油耗,且最大能够减少54.23%的车辆延误和34.36%的燃油消耗.     

基于动态规划不同优化目标的HEV转矩分配策略对比研究

双动力源的结构模式使得混合动力汽车相对于传统汽车拥有更高的燃油经济性,同时也给混合动力汽车整车控制器的设计提出了更高的要求。本文采用动态规划算法,分别以油耗最低同时电池SOC波动尽可能小、以及整车效率最高为目标,对混合动力汽车在NEDC循环工况下的最优转矩分配进行求解。并将两种转矩分配结果进行对比分析,得出选择不同优化目标对控制效果的影响以及SOC参数选择的标准,为制定更加高效的控制规则提供了理论依据。     

汽车电子节能系统的设计方法研究与仿真

研究汽车节能方面的问题,降低汽车耗油量。针对在颠簸路段行驶时,车速会发生突变,耗能呈现高度的非线性,无法用数学模型描述、造成电子节能装置降低耗能的效果下降的问题。为了解决上述问题,提出了采用应激反馈响应的汽车电子节能算法。首先选取合理的车速参数和耗油量参数,然后建立数学模型,对选取的参数进行预处理,最后用应激反馈响应优化参数的调节,增加系统稳定性,降低汽车在颠簸路段运行时的耗油量。实验证明,利用基于应激反馈响应的汽车电子节能算法,能够有效降低汽车在颠簸路段运行时的耗油量,为汽车节能系统设计提供了依据。     

Application of ANFIS Model for Thailand’s Electric Vehicle Consumption

Generally, road transport is a major energy-consuming sector. Fuel consumption of each vehicle is an important factor that affects the overall energy consumption, driving behavior and vehicle characteristic are the main factors affecting the change of vehicle fuel consumption. It is difficult to analyze the influence of fuel consumption with multiple and complex factors. The Adaptive Neuro-Fuzzy Inference System (ANFIS) approach was employed to develop a vehicle fuel consumption model based on multivariate input. The ANFIS network was constructed by various experiments based on the ANFIS Parameter setting. The performance of the ANFIS network was validated using Root Mean Square Error (RMSE) and Mean Average Error (MAE) which related to the setting of ANFIS parameters. The experimental results indicated that the training data sample, number, and type of membership functions are the most important factor affecting the performance of the ANFIS network. However, the number of epochs does not necessarily significantly improve the system performance, too many the number of epochs setting may not provide the best results and lead to excessive responding time. The results also demonstrate that three factors, consisted of the engine size, driving speed, and the number of passengers, are important factors that influence the change of vehicle fuel consumption. The selected ANFIS models with minimum error can be properly and efficiently used to predict vehicle fuel consumption for Thailand’s road transport sector.