基于分层控制的电动汽车复合制动方法

为了提高纯电动汽车制动时的稳定性及安全性并兼顾再生制动的效能,提出了分层架构的复合制动系统设计,建立制动驾驶意图识别模型,使电动汽车制动时,判断制动需求强度并进行制动工况划分,进而采取适宜的制动力分配策略。仿真实验结果表明：该复合控制系统在典型城市道路工况运行时满足驾驶制动需求,与无控制策略制动效果相比,制动效能及能量回收有明显的提高。     

冰雪环境下基于神经网络的驾驶人换道意图识别

驾驶人驾驶汽车行驶过程会受到很多因素影响,不同的驾驶人相应的操作习惯不相同,不同路况驾驶方式也会不同。因此,本文对冰雪环境下行车特点进行分析,依据Carmaker搭建的半实物模拟驾驶仿真平台采集该条件下（包含对开路面）驾驶人行为参数以及车辆参数等数据,分析选取特征参数,建立数据样本库。基于神经网络建立意图识别模型,对模型分别从单一工况、复合工况进行验证,通过实验分析了模型性能,实验结果表明该模型能在对开路面准确识别驾驶人意图。     

基于驾驶意图的插电式混合动力汽车能量管理策略

为了使插电式混合动力汽车(PHEV)在不同驾驶意图下合理使用电池电能以获得更好的能耗经济性,采用模糊推理控制器识别驾驶员意图,依据混合动力系统的动力耦合方式、电池荷电状态(SOC)及发动机特性曲线进行工作模式划分,建立能耗经济性目标函数,运用瞬时优化方法进行发动机和电机转矩分配,在此基础上提出了基于驾驶意图的能量管理策略。利用Matlab/Simulink仿真平台搭建整车模型,在新欧洲驾驶循环(NEDC)工况下进行仿真分析,结果表明:采用该能量管理策略可以实现发动机和ISG电机的优化控制,使发动机的工作点总体运行在高效区;与电量消耗(CD)-电量维持(CS)模式的能量管理策略相比,百公里油耗降低了8.24%。通过整车道路试验对所提出的能量管理策略的有效性进行验证,结果表明:采用该能量管理策略的插电式混合动力汽车的百公里油耗较原汽油车降低32.93%。     

基于无级变速器速比控制的插电式混合动力汽车再生制动控制策略

为了能够在不影响驾驶制动意图的同时尽可能多地回收制动能量,首先在基于再生制动门限值所制定的理想再生制动力分配策略的基础上,考虑电机、电池及无级变速器(CVT)综合效率最优的目标要求,制定了基于综合效率最优的CVT速比控制策略;然后,根据制动过程中传动系统动态特性分析所得到的系统惯性矩与驾驶制动意图之间的关联规律,以提高再生制动功率为目标,采用离散穷举优化方法对CVT目标速比及制动力分配进行修正,从而提出了基于速比变化限制及电机协调控制的CVT速比优化控制策略。仿真结果表明,在不同的工况下,本文提出的再生制动控制策略能使车辆在制动过程中有效跟随驾驶员的制动意图,同时提高再生制动能量回收率,改善驾驶性能。     

汽车电子稳定系统制动增力辅助技术

针对可能出现的由于驾驶员恐慌等因素造成的制动力不足,以及在长距离下坡时为防止车辆超速驾驶员操作负担增大的情况,利用Stateflow状态机理论与Matlab/Simulink联合建模的方法,设计了液压制动辅助(HBA)以及陡坡缓降控制(HDC)控制策略。通过试验最终选取制动踏板位移及其变化率作为识别参数以更好地识别驾驶员意图,同时根据牛顿第二运动定律设计坡道识别算法,并考虑到制动器高温失效的问题,建立温度模型。最后,进行离线仿真及硬件在环试验,结果均验证了控制策略的正确性。实车道路试验结果表明,本文所设计的HBA功能能够满足ECE标准,而HDC功能也能够保持车速在目标车速附近波动,说明本文控制策略能够达到较好的控制效果。     

网联自动驾驶环境下基于马尔可夫链理论的混合交通流车队识别模型（英文）

鉴于车队在城市道路信号交叉口通行时常被交叉口信号灯所打断,造成不必要的停车,致使交叉口通行能力下降、尾气排放增加以及燃油消耗升高,本文面向未来网联自动驾驶环境,基于马尔可夫链理论,构建了混合交通流下的车队识别模型。此外,本文借助能够实现L2级自动驾驶技术的特斯拉车辆,设计并组织实施了网联自动驾驶环境下的全样本交通流视频采集实验,并利用视频识别技术提取车辆轨迹数据。最后,利用实测数据和交通仿真软件Vissim,进行网联自动驾驶环境下的车队识别仿真实验。仿真结果表明,当网联自动驾驶车辆渗透率高于0.7时,车队识别率超过80%。另外,仿真结果还表明,车队识别位置同样影响车队识别率,例如在交叉口上游与下游分别进行车队识别时模型性能不同。本文所构建的车队识别模型能够为未来网联自动驾驶环境下的信号协调控制提供输入参数,以减少城市干线车队的不必要停车,进而提高城市交通运行效率。     

减速制动工况下自动变速器档位决策

针对减速制动工况下,自动变速车辆的两参数换档策略不能适应驾驶员意图及行驶环境变化、不能有效利用发动机辅助制动的情况,在分析发动机辅助制动作用必要性的前提下,综合考虑了驾驶员意图及行驶环境信息,提出了一种以制动时间、车辆负荷度、制动减速度及车速等参数为输入的基于模糊推理的档位决策方法。道路试验结果表明:该控制策略能够适应驾驶员意图及行驶环境变化,有效地利用了发动机辅助制动,提高了自动变速车辆的行驶安全性。     

基于因子长短期记忆的驾驶人接管行为及意图识别

为识别自动驾驶环境下驾驶人的接管行为及意图,面向18.95 km双向六车道高速公路场景,借助驾驶模拟器和眼动仪,实施驾驶人10次面对5种紧急情境之一接管自动驾驶车辆的模拟试验。利用所得车辆运行和视觉注意力数据,根据因子分析提取得到3个公因子,采用K-means聚类分析定性识别驾驶人接管行为及意图。将因子分析分别与支持向量机和长短期记忆神经网络进行结合,获得两个定量识别驾驶人接管行为及意图的模型。研究结果表明,驾驶人接管行为受其纵向反应、横向反应和视觉注意力影响;聚类分析可定性描述不同类型驾驶人的接管行为及意图,并揭示潜在的驾驶安全隐患;相比支持向量机、长短期记忆神经网络和因子支持向量机模型,因子长短期记忆模型能更有效地识别驾驶人接管意图,其精确率、召回率、F1分数和准确率4项性能指标均最优;利用因子分析进行数据降维和有效信息浓缩所得公因子有助于提高驾驶接管意图识别模型的分类性能。本研究有助于识别出接管风险较高的驾驶人,进而设计有针对性的驾驶辅助策略。     

双轴驱动混合动力车辆能量管理策略

建立双轴驱动混合动力车辆(DDHEV)效率分析模型,并构建杭州市循环工况.根据动态规划控制策略的仿真结果获得新规则控制策略,评估新规则控制策略的节油效果.结果表明:相比于传统的规则控制策略,新规则控制策略可以使车辆燃油经济性在拥堵工况下提高35.5%,在顺畅工况下提高24.9%,在高架工况下提高4.8%.为提高新规则控制策略在不同工况下的适应性,采用学习向量量化神经网络识别实际运行工况,调整相应的控制参数,并评估节油效果.结果表明:在实际运行工况下,相比于采用单个新规则控制策略,采用工况识别来调整新规则控制策略参数可使燃油经济性提高28.2%以上.所提出的模型满足了双轴驱动混合动力车辆的实际应用需求,提高了车辆的燃油经济性.     

支持向量机纯电动客车驾驶意图识别

以支持向量机为模型判断驾驶意图,通过对支持向量机进行训练,以加速踏板开度、加速踏板位移加速度为输入,利用网格优化算法得到了驾驶意图判断模型。仿真结果验证预测精度可达到99%。     

Variable Parameter Self-Adaptive Control Strategy Based on Driving Condition Identification for Plug-In Hybrid Electric Bus

A variable parameter self-adaptive control strategy based on driving condition identification is proposed to take full advantage of the fuel saving potential of the plug-in hybrid electric bus (PHEB). Firstly, the principal component analysis (PCA) and the fuzzy c-means clustering(FCM)algorithm is used to construct the comprehensive driving cycle, congestion driving cycle, urban driving cycle and suburban driving cycle of Chinese urban buses.Secondly, an improved particle swarm optimization (IPSO) algorithm is proposed, and is used to optimize the control parameters of PHEB under different driving cycles, respectively. Then, the variable parameter self-adaptive control strategy based on driving condition identification is given.Finally, for an actual running vehicle, the driving condition is identified by relevance vector machine (RVM), and the corresponding control parameters are selected to control the vehicle. The simulation results show that the fuel consumption of using the variable parameter self-adaptive control strategy is reduced by 4.2% compared with that of the fixed parameter control strategy, and the feasibility of the variable parameter self-adaptive control strategy is verified.     

基于模糊神经网络的混联式混合动力汽车驱动系统工作状态控制研究

通过分析混联式混合动力汽车理想工作模式的控制,提出了一种新型的汽车驱动系统工作模式的控制方法——模糊神经网络控制.采用模糊神经网络能够自适应的控制汽车驱动模式工作状态的切换,能够节能减排,提高发动机的动力.利用Matlab/Simulink建立模糊神经网络控制模型,仿真实验结果表明,该控制方法达到了预期的目的,具有较好的效果.     

并联式混合动力电动汽车控制策略研究

简要阐述了并联式混合动力电动汽车的控制思想及几种不同的控制策略;选用模糊控制方法对一种并联式混合动力电动汽车驱动系统实施控制,并介绍了以电辅助式控制策略为辅的变结构模糊控制策略.仿真结果表明了这种控制策略的可行性.针对这种控制策略的不足,提出了新的研究建议,即开发模糊控制与神经网络相结合,基于模糊神经网络的控制策略.     

深度混合动力电动汽车牵引力控制方法

提出了基于深度混合动力电动汽车的牵引力分层控制方法。上层控制中提出了基于动态滑模的驱动轮目标驱动力矩制定策略;下层控制中提出了电机转矩单独控制策略、基于转矩动态协调的发动机电机协调控制策略以及工况识别逻辑。最后开发了仿真和硬件在环试验平台,结果表明,本文方法能够快速、准确、平稳地实现对打滑车轮的控制,改善了深度混合动力汽车的起步性能、加速性能以及稳定性能。     

基于系统效率最优的新型混合动力汽车控制策略

为了充分发挥混合动力汽车节省燃油和降低排放的控制效果,研究了一种基于行星齿轮机构的新型混合动力汽车动力传动系统方案.在对其驱动系统关键零部件性能实验与数值建模的基础上,综合考虑发动机、ISG电机和动力电池组以及传动系统效率,分析了系统相关典型工作模式下的纵向动力学方程,推导出系统效率模型,提出了基于系统效率最优的全工况整车控制策略,制定了整车的工作模式切换规则与换档控制策略.在MATLAB/Simulink环境下,建立了整车性能仿真模型,结果表明,采用该控制策略能使整车动力性与燃油经济性较传统车明显提高,最后通过台架试验对该方案进行了验证.     

混合动力汽车动力总成试验台设计与开发

为开发混合动力汽车能量管理策略,基于模块化思想,设计开发单轴并联式混合动力汽车动力总成试验台。通过整车工况分析,合理选取动力部件参数,完成试验台动力总成搭建;基于整车传动系统,分析不同工作模式下的能量流,结合车辆行驶阻力公式,建立阻力模拟模块;基于整车控制器和动力单元控制器构建控制网络,控制网络通过CAN总线与各部件进行通讯。试验结果表明,实际车速能够较好地跟随目标车速,数据采集频率和误差符合设计要求,试验台能够实现整车工况模拟与瞬时工况测量。     

辅助混合动力电动汽车技术研究Ⅵ——续驶里程的仿真及实验

为研究辅助混合动力电动汽车续驶里程,以ADVISOR2002为工具,仿真分析了纯电动汽车和辅助混合动力电动汽车在2种控制策略下的部件效率、续驶里程和百公里油耗．根据仿真结果确定了辅助混合动力电动汽车采用开关式控制策略,最后设计并进行了道路实验．结果表明,在蓄电池数最减少一半的情况下,辅助混合动力电动汽车在续驶里程上与纯电动汽车相当．     

Optimum Driving System Design for Dual-Motor Pure Electric Vehicles

A pure electric vehicle driven by dual motors is taken as the research object and the driving scheme of the driving motor is improved to increase the transmission efficiency of existing electric vehicles. Based on the architecture of the transmission system, we propose vehicle performance parameters and performance indexes of a pure electric vehicle, a time-sharing driving strategy of dual motors. First, the parameters of the battery, motor, and transmission system are matched. Then, the electric vehicle transmission model is built in Amesim and the control strategy is designed in Simulink. With the optimization goal of improving the vehicle’s dynamic performance and driving range, the optimal parameters are determined through analysis. Finally, the characteristics of the motor are tested on the bench. The results show that the energy-saving potential of the time-sharing driven double motor is higher, and the driving mileage of the double motor drive is increased by 4%.     

基于模糊逻辑的SHEV控制策略设计与仿真

针对一辆串联式混合动力电动汽车设计了一种基于模糊逻辑的控制策略,根据蓄电池组荷电状态(SOC)及车辆需求功率的变化实时调整发动机输出功率,以实现恒SOC控制,同时兼顾发动机燃油消耗及排放.给出了模糊控制器的结构,建立了车辆前向仿真模型,进行了离线仿真及硬件在环仿真.仿真结果表明,模糊控制策略能够较好将蓄电池组SOC维持在期望值0.7附近,且发动机可以稳定地工作在其高效率区以获得较低的燃油消耗及排放.     

混联式混合动力汽车动力系统参数匹配的研究

混合动力汽车动力总成参数的合理匹配是混合动力汽车产品开发的重要前提和基础性工作.在对混联式混合动力汽车动力总成结构和整车控制策略分析的基础上,分别进行发动机、电动机和蓄电池等动力总成部件的选型和参数设计,并对传动系统进行参数设计.针对发动机、永磁同步电动机和镍氢蓄电池的工作特性建立模型,并基于NEBC工况进行仿真,得出发动机扭矩、电动机扭矩和蓄电池荷电状态的变化曲线.结果表明,混联式混合动力汽车动力系统的参数匹配合理.