基于深度学习法的无人驾驶车中自动变速器换挡模型

本文基于深度学习法建立了无人驾驶车中自动变速器换挡模型。该模型由两部分组成,第一部分基于PSO-Simulink算法建立了汽车自动变速器换挡模型,模型的输入层为换挡过程中的档位、换挡时间和发动机转速,输出层为油门开度和汽车速度。第二部分采用深度学习中CNN算法建立了无人车行驶过程中的路况障碍分析模型。基于深度学习法的无人驾驶车中自动变速器换挡模型具有匀速耗时少,迭代步数低,判定准确率高的特点。该模型可根据路面障碍物信息和距离,为无人驾驶车中自动换挡技术提供了一种新技术。同时,模型表明自动换挡模型之间的差异和路况障碍物样本采集图的采集误差是模型准确率的主要原因。

基于PSO-Simulink联合仿真法的自动变速器换挡优化

基于粒子群(PSO)与Simulink相结合的方法,建立了车辆自动变速器换挡优化模型,研究了自动变速器换挡过程中挡位、发动机转速、车速和油门开度之间的关系。研究结果表明:采用PSO-Simulink联合仿真法比单纯使用Simulink方法,运算速度更快,迭代步数更少。构建的PSO-Simulink联合仿真法,其车量模型结果与传统实验结果一致。该模型可有效地指导生产实践,为自动变速器换挡优化工作提供了一种新方法。