基于电动汽车的TTCAN调度算法的研究

文章介绍了基于时间触发机制的CAN总线协议（TTCAN）,基于该协议提出了一种负载均匀的系统矩阵调度算法。利用ATMEL公司的AT91SAM7A3微处理器芯片设计了CAN节点,组成通信网络实验系统。以电动汽车控制系统消息传输模型为例,设计了其消息调度的系统矩阵,并在实验平台上实现了TTCAN调度算法。     

基于CAN的电动汽车控制系统动态调度算法研究

针对在控制器局域网（CAN）总线中应用最早截止期优先（EDF）调度时,CAN帧用有限的标识符位难以实现信息截止期编码,以及各节点同时更新截止期需要严格的时间同步等问题,提出了基于总线仲裁的EDF调度算法,介绍了EDF调度算法原理及可调度性分析方法,最后将该调度算法应用于电动汽车控制系统信息的调度,验证了调度算法的可行性.     

一种新型时间触发CAN消息动态调度算法的设计及实现

CAN总线网络在高负载率时,消息间碰撞的概率增大,低优先级消息的传输延迟不确定,针对该问题推出的TTCAN协议解决了周期性消息的延迟不确定性,但是事件性消息传输延迟较大。针对上述问题,提出了一种新的基于时间触发的CAN消息实时调度算法。算法规定,在周期性消息的调度窗口中,事件性消息也可参与总线仲裁,并采用最小松弛度优先算法对事件性消息进行动态调度,以确保其实时性。此外,还探讨了算法在嵌入式微控制器中的实现方法。     

1553B总线上消息的实时调度

为了优化1553B总线传输性能,降低总线上消息传输的延迟时间,讨论了周期消息和非周期消息混合传输情况下总线上的消息调度策略。首先,借鉴周期任务的调度模型对周期消息进行建模,提出了改进的速率单调消息调度算法。然后,利用排队论建立非周期消息的M/M/1排队模型,定量分析了1553B总线的平均响应时间和总线利用率等时间性能参数,并对非周期消息的延迟时间进行优化,推导出总线最优服务率和最小平均延迟时间的计算公式,给出了非周期消息的调度算法。最后,对上述算法在消息混合传输下的可调度性进行了验证。实验结果表明,在总线利用率达96%时,混合消息的平均响应时间为0.713ms。在消息混合传输的情况下,非周期消息的平均响应时间和M/M/1排队模型下理想的非周期响应时间偏差不超过10%。上述算法时间响应特性良好,能够保证周期消息和非周期消息的实时调度。     

车载CAN网关实时性分析与改进

为改进车载网关在实际应用中的实时性能,减少网关延时,将主从节点调度方法引入车载CAN的网关调度中。分析了影响车载CAN网关实时性的因素,根据车载CAN网关的信号路由、报文调度方式和网络负载对网关传输延时的影响,设计了一种基于信号更新位的改进型CAN网络主从节点调度算法;通过使用实际网关硬件和TELLUS汽车网络仿真工具构建了实验平台,并对该调度算法进行了评价。研究结果表明,采用该改进型主从节点调度算法的网关延时最多可以比传统调度方式减少4.6%,可提高车载CAN网关的实时性能。     

基于时间窗口的网络控制系统调度算法

由于网络控制系统中各个控制设备共享物理传输介质,造成了控制设备争用总线的问题,从而引起了控制数据传输的延时,而反馈控制系统的稳定性能由环延时决定,需要研究一种调度算法对网络中消息的传输进行调度,使消息可以满足其实时性要求。该调度算法从控制系统稳定性能角度出发,利用控制环的最大允许环延时确定控制环的采样周期,同时基于时间窗口得出控制环中各个节点的起始传输时刻,最终确定了系统静态调度表的结构。最后分析了该调度算法在CAN总线应用中需解决的问题以及未来的研究工作。     

基于瞬时负载率的CAN总线系统调度分析

针对CAN总线系统在Tindell等专家调度理论分析的基础上,利用瞬时负载率函数对总线系统调度理论方面的问题进行了进一步的讨论分析;结合BD改进算法利用瞬时负栽率函数对总线系统的可调度性能进行判定.应用算例计算表明,采用该方法判定总线系统可调度性能得到的结果正确且过程简单便捷,对于CAN总线系统设计有很大的实际意义.     

基于混合调度算法汽车TTCAN网络设计及实时性分析

针对汽车控制系统CAN总线在处理周期性信号和随机性信号时具有不确定性和信息易死锁等缺陷问题,把服务于时间触发的均匀装载(AL)算法和服务于事件触发的动态优先级提升(DPP)算法相结合,提出了一种基于时间触发的控制器局域网(TTCAN)协议的混合调度策略,介绍了混合调度算法原理及实时性分析方法,构建了基于混合算法的汽车TTCAN系统矩阵,通过应用实例分析,验证了该方案满足汽车控制系统的实时性要求.     

CAN总线在混合动力汽车中的应用

结合混合动力汽车的特性,介绍了CAN总线及其通信协议,在对混合动力汽车CAN总线应用层协议分析的基础上,组建了CAN总线多主分布式控制技术的控制网络,并对CAN接口进行了软硬件方面的设计,最后通过硬件在环仿真对CAN通信进行了测试,结果表明CAN通信满足了混合动力汽车实时性和可靠性的要求.     

基于Jini的CAN总线自适应车载网络的设计与研究

汽车电子网络化作为汽车领域发展的重要趋势,研究如何构建高效的汽车电子网络对于新一代汽车性能的提高具有重大的影响。针对这一问题,将基于Java的新型构建分布式系统技术(Jini)与控制器局域网(CAN)总线技术相结合,在传统CAN总线车载网络基础上设计了一个基于Jini的CAN总线自适应车载网络模型,并对其关键技术的实现进行了详细阐述。研究结果表明,利用Jini技术可以快速配置分布式计算环境,灵活地增加相应的实体节点,使汽车电子网络的容错性、自配置性、灵活性等自适应特征得到加强。     

基于FART神经网络的高速公路交通事件检测法

突发性交通事件是造成高速公路交通拥堵的主要原因,为了快速并准确地检测交通事件,有效提高高速公路的利用率和通行能力,将一种模糊论与自适应谐振神经网络相结合的聚类算法-FuzzyART神经网络算法用于检测高速公路交通事件。根据高速公路事件检测相关参数之间的关系,选用了交通流密度残差和平均速度残差的组合向量作为神经网络的输入,给出了事件检测的算法步骤和输出判断方法,并进行了仿真实验。仿真结果表明,该算法不仅能够检测出交通事件的发生及其造成的拥堵程度,还可以快速识别已有的交通事件类型,记忆未知的交通事件类型,实现边工作、边学习,且检测结果具有较高的稳定性和准确性。     

一种求解Flow-Shop调度问题的混合量子进化算法

针对Flow—Shop调度问题,在量子进化算法的基础上,提出了一种求解置换流水车间调度问题的混合量子进化算法（HQEA）,融合了量子进化算法和经典遗传算法的优点,并提出了一种新的针对置换流水车间调度问题的解码方法和一种新的量子门更新旋转角策略,最后针对一系列典型置换流水车间调度问题进行了对比仿真。研究结果表明,所提出的混合量子进化算法HQEA具有良好的全局搜索能力和较快的收敛速度。     

车用自适应前照灯系统设计与研究

为了实现前照灯系统能够自动根据车辆行驶状态灵活调整光轴位置和光照形式,结合车辆行驶特点,以国标GB7454-1987和CAN2.0通讯协议为设计准则,综合采用了控制器局域网(CAN)总线技术、传感器技术、控制技术,完成了自适应前照灯系统硬件及软件设计,并进行了实验室CAN/LIN台架试验和实车试验。台架试验表明,该系统的测试精度满足国标规定的使用要求,实车试验也表明,装配有自适应前照灯系统比未装配自适应前照灯系统的光照区域范围更加合理,极大地提高了行车安全性。     

基于机器学习的分组交换电力光网络流量异常检测

流量异常检测能够提示和发现电力系统和电力通信的可靠性隐患.为此,对分组交换电力光网络的流量异常检测进行了分析.根据电力通信网络业务分析了电力分组交换网络的结构和特点.针对电力通信网络的特殊性进行了说明,说明了网络流量特征以及数据特征挖掘的流程.分析了现阶段流量异常检测方法,提出了优先级调度算法对网络流量异常情况进行检测,利用仿真分析说明了所提方法在丢包率、平均时延指标方面的优势.     

基于遗传神经网络的电动汽车锂电池SOC预测

针对传统方法在电动汽车锂电池荷电状态（State of Charge,SOC）预测中的局限和不足,提出了一种基于遗传神经网络的电池SOC预测算法.该算法的整体方案首先给出了车载锂电池状态监测系统的软硬件实现,在该系统上以不同的放电倍率对磷酸铁锂电池进行了放电实验,获取了其放电过程中电压、电流和SOC的样本数据,然后利用遗传算法全局寻优能力对神经网络中的连接权值和阈值进行了优化,用实验所得的样本数据训练BP神经网络,根据训练好的神经网络对锂电池SOC进行了预测并将其与真实SOC进行对比,以验证算法的可行性.研究结果表明,该方案可通过电压、电流的实时测量值获知锂电池的剩余电量,具有收敛速度快、预测误差小、适应范围广的特点,有效解决了电动汽车锂电池的SOC预测问题.     

基于CAN总线技术的智能车门控制系统

控制器局域网(CAN)总线作为一种在汽车领域广泛使用的现场总线,可有效实现分布式控制;局域互连网(LIN)总线协议是作为对CAN总线网络进行补充的一种低成本的新兴协议.探讨了基于结合了上述2种总线的分层网络结构的汽车车门控制系统,介绍了具体的硬件组成和软件实现,同时提出若干抗干扰措施,以及1种有效的防夹算法,实践证明按照这种方法所设计的车门系统具有很高的可靠性和实用性.     

基于量子微粒群的BPNN在转炉炼钢静态模型中的应用

针对转炉炼钢静态模型终点命中率较低的问题,首先分析了影响转炉炼钢终点命中率的各种因素,确定了BP神经网络(BPNN)的拓扑结构,并依此建立了转炉炼钢静态模型.然后把量子微粒群算法(QPSO)应用于BP网络的学习中,并比较了QPSO、基本微粒群优化算法(PSO)、梯度下降法的学习性能.最后,基于某炼钢厂的历史数据进行了仿...