针对电动清扫车传统恒定功率作业模式的局限性,以及模糊控制中存在的主观性过强、缺乏理论支撑等问题,提出了一种融合路面清洁感知与模糊优化的节能作业策略。首先,采用YOLOv8-seg模型分割并量化路面垃圾,结合垃圾种类和覆盖面积计算出...针对电动清扫车传统恒定功率作业模式的局限性,以及模糊控制中存在的主观性过强、缺乏理论支撑等问题,提出了一种融合路面清洁感知与模糊优化的节能作业策略。首先,采用YOLOv8-seg模型分割并量化路面垃圾,结合垃圾种类和覆盖面积计算出路面清洁指数;其次,构建以路面清洁指数和车速为输入,以作业电机转速和转矩为输出的模糊控制器,并选取18个隶属度函数参数,以减少作业能耗为目标,采用灰狼优化算法(grey wolf optimizer,GWO)进行优化;最后,通过MATLAB/Simulink在制定的仿真工况下验证提出策略的有效性。结果表明:所提策略有效减少了电动清扫车的功率消耗,作业能耗相较于优化前降低了9.85%。同时,优化后的电池SOC变化趋势更加平缓。研究结果为电动清扫车的智能化、节能化发展提供了新的技术路径。展开更多
文摘针对电动清扫车传统恒定功率作业模式的局限性,以及模糊控制中存在的主观性过强、缺乏理论支撑等问题,提出了一种融合路面清洁感知与模糊优化的节能作业策略。首先,采用YOLOv8-seg模型分割并量化路面垃圾,结合垃圾种类和覆盖面积计算出路面清洁指数;其次,构建以路面清洁指数和车速为输入,以作业电机转速和转矩为输出的模糊控制器,并选取18个隶属度函数参数,以减少作业能耗为目标,采用灰狼优化算法(grey wolf optimizer,GWO)进行优化;最后,通过MATLAB/Simulink在制定的仿真工况下验证提出策略的有效性。结果表明:所提策略有效减少了电动清扫车的功率消耗,作业能耗相较于优化前降低了9.85%。同时,优化后的电池SOC变化趋势更加平缓。研究结果为电动清扫车的智能化、节能化发展提供了新的技术路径。
