插电式混合动力汽车加速度预测及能量管理

为了减少插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的燃油消耗,设计了基于预测控制的PHEV能量管理策略。通过对整车能量分析,建立了PHEV的纵向动力学模型,考虑电压的动态特性建立了电池组的等效电路模型。建立了基于马尔可夫链的加速度预测模型,结合纵向动力学模型进而计算出需求转矩变化。以燃油消耗量最小为目标构建PHEV能量管理的预测控制模型,在预测时域内采用动态规划（DP）求解带约束的优化问题,将控制序列的首值施加至系统完成转矩分配并更新优化问题。仿真结果表明,基于随机模型预测控制的能量管理策略的燃油消耗量与基于规则的能量管理策略相比降低22.53%,与采用Rint等效电路模型的能量管理策略相比降低13.64%。     

左右手运动意识任务的分类

本研究提出了利用事件相关ERD/ERS和相同步提取脑电运动意识任务特征,应用Fisher线性判别式分析法,对想象左右手运动任务进行了分类,并获得了满意的效果。对被试者想象左右手运动过程中,记录的脑电信号采用了能量分析法量化了事件相关去同步ERD和事件相关同步ERS时程,同时提取了相位信息。最后对测试数据进行分类,最大正确分类率达到了83.20%,与用多通道AR模型提取特征方法相比,效果更好,从而为大脑运动意识任务的分类提供了新思路。