文章考虑车流密度对车速预测的影响,基于仿真实验平台采集不同车流密度下的行驶数据,建立考虑车流密度的多马尔可夫矩阵车速预测模型;以整车燃油经济性和电池荷电状态(state of charge,SOC)平衡为优化目标,提出基于模型预测控制(model p...文章考虑车流密度对车速预测的影响,基于仿真实验平台采集不同车流密度下的行驶数据,建立考虑车流密度的多马尔可夫矩阵车速预测模型;以整车燃油经济性和电池荷电状态(state of charge,SOC)平衡为优化目标,提出基于模型预测控制(model predictive control,MPC)的混合动力汽车能量管理策略,并在MATLAB/Simulink中搭建控制策略模型;基于CRUISE软件搭建整车动力学仿真模型,并与MATLAB/Simulink进行联合仿真。结果表明,考虑车流密度的MPC能量管理策略使得整车燃油经济性有明显提高,相较于不考虑车流密度的能量管理策略提高6.33%。该文方法对于其他混合动力汽车的能量管理策略设计有一定的参考意义。展开更多
为了降低交通运输系统能源消耗,同时满足居民的出行需求,需综合考虑机动车燃油消耗和道路通行效率.针对此问题,引入交通网络车均燃油消耗和宏观基本图(Macroscopic Fundamental Diagram,MFD),建立了车辆完成率高、车均燃油消耗低的双目...为了降低交通运输系统能源消耗,同时满足居民的出行需求,需综合考虑机动车燃油消耗和道路通行效率.针对此问题,引入交通网络车均燃油消耗和宏观基本图(Macroscopic Fundamental Diagram,MFD),建立了车辆完成率高、车均燃油消耗低的双目标规划模型,并对模型进行求解.依据反馈原理和车流平衡方程提出了燃油消耗比例积分控制(Fuel Consumption-Proportional Integral,FC-PI)控制方法,并通过FC-PI控制方法降低区域内车均燃油消耗,提高路网车辆完成率.最后通过实际城市路网验证所提出的燃油消耗控制模型,并且与Bang-Bang控制方法进行了比较.仿真结果显示,网络内车均燃油消耗显著降低,同时网络内车辆完成率得到提高,且FC-PI控制方法的控制效果要优于Bang-Bang控制方法.展开更多
行车安全与驾驶员、车辆、道路等密切相关,而不同驾驶员个体之间的特性差异很大。文章将驾驶员分为A(熟练)、B(一般)、C(生手)3类,给定的行驶路径作为驾驶员模型的输入,转向盘转矩作为模型的输出;将A类驾驶员的输出转向盘转矩作为期望值...行车安全与驾驶员、车辆、道路等密切相关,而不同驾驶员个体之间的特性差异很大。文章将驾驶员分为A(熟练)、B(一般)、C(生手)3类,给定的行驶路径作为驾驶员模型的输入,转向盘转矩作为模型的输出;将A类驾驶员的输出转向盘转矩作为期望值,考虑不熟练驾驶员因对侧向力感知缺乏而导致的误操作转矩的影响,提出了一种跟踪期望驾驶特性的汽车电动助力转向系统(electric power steering,EPS)控制策略,建立了能够表征驾驶特性(熟练程度等)并考虑误操作转矩的驾驶员模型,与车辆组成人-车闭环系统。仿真结果表明,采用跟踪期望驾驶特性的汽车EPS控制策略,改善了汽车的操纵稳定性,减轻了驾驶员的转向负担,从而验证了该控制策略的有效性。展开更多
文摘文章考虑车流密度对车速预测的影响,基于仿真实验平台采集不同车流密度下的行驶数据,建立考虑车流密度的多马尔可夫矩阵车速预测模型;以整车燃油经济性和电池荷电状态(state of charge,SOC)平衡为优化目标,提出基于模型预测控制(model predictive control,MPC)的混合动力汽车能量管理策略,并在MATLAB/Simulink中搭建控制策略模型;基于CRUISE软件搭建整车动力学仿真模型,并与MATLAB/Simulink进行联合仿真。结果表明,考虑车流密度的MPC能量管理策略使得整车燃油经济性有明显提高,相较于不考虑车流密度的能量管理策略提高6.33%。该文方法对于其他混合动力汽车的能量管理策略设计有一定的参考意义。
文摘为了降低交通运输系统能源消耗,同时满足居民的出行需求,需综合考虑机动车燃油消耗和道路通行效率.针对此问题,引入交通网络车均燃油消耗和宏观基本图(Macroscopic Fundamental Diagram,MFD),建立了车辆完成率高、车均燃油消耗低的双目标规划模型,并对模型进行求解.依据反馈原理和车流平衡方程提出了燃油消耗比例积分控制(Fuel Consumption-Proportional Integral,FC-PI)控制方法,并通过FC-PI控制方法降低区域内车均燃油消耗,提高路网车辆完成率.最后通过实际城市路网验证所提出的燃油消耗控制模型,并且与Bang-Bang控制方法进行了比较.仿真结果显示,网络内车均燃油消耗显著降低,同时网络内车辆完成率得到提高,且FC-PI控制方法的控制效果要优于Bang-Bang控制方法.
文摘行车安全与驾驶员、车辆、道路等密切相关,而不同驾驶员个体之间的特性差异很大。文章将驾驶员分为A(熟练)、B(一般)、C(生手)3类,给定的行驶路径作为驾驶员模型的输入,转向盘转矩作为模型的输出;将A类驾驶员的输出转向盘转矩作为期望值,考虑不熟练驾驶员因对侧向力感知缺乏而导致的误操作转矩的影响,提出了一种跟踪期望驾驶特性的汽车电动助力转向系统(electric power steering,EPS)控制策略,建立了能够表征驾驶特性(熟练程度等)并考虑误操作转矩的驾驶员模型,与车辆组成人-车闭环系统。仿真结果表明,采用跟踪期望驾驶特性的汽车EPS控制策略,改善了汽车的操纵稳定性,减轻了驾驶员的转向负担,从而验证了该控制策略的有效性。
