基于模糊控制的增程式电动汽车能量管理控制研究

为了提升增程式电动汽车的燃油经济性并使其能够适应更加复杂的行驶工况,在保证汽车动力性的前提下,以控制电池SOC在工作范围内和等效百公里燃油消耗量较小为目标,以某增程式电动汽车为参考对象进行动力参数匹配,分别建立功率跟随控制策略模型、模糊功率跟随控制策略模型和加速度模糊功率跟随控制策略模型。在AVL_Cruise软件上完成整车模型的搭建并验证其动力性,运用Matlab/Simulink软件搭建控制策略模型,在WLTC和CLTC工况下进行联合仿真分析。试验表明:在满足动力性要求的基础上,功率跟随控制策略在WLTC和CLTC工况下的等效百公里燃油消耗量较其他两种控制策略较低,但是对CLTC较复杂的工况适应性差,具体表现在电池SOC的范围低于给定的电池工作范围,影响电池寿命;模糊功率跟随控制策略引入电池SOC状态,有效地改进了功率跟随对复杂工况适应性差的缺陷,但存在等效百公里燃油消耗量较大问题,且自身对复杂工况的适应性依旧存在缺陷;加速度模糊功率跟随控制策略综合考虑前二者控制策略的优劣性,引入加速度这一影响因素,解决了前二者对复杂工况适应性差的缺陷,与模糊功率跟随控制策略相比燃油经济性得到了提升。

基于工况识别与预测的纯电动汽车剩余里程估算研究

为了提升纯电动汽车剩余里程估算方法的准确度,在汽车行驶工况识别与预测的基础上,提出了一种新的剩余里程估算模型。通过采集实际汽车行驶工况数据,利用模糊聚类等方法对工况进行状态识别和分析,并建立了车辆能耗与工况特征参数之间的模糊规则库。同时,应用隐马尔可夫模型对行驶工况进行预测,通过将工况识别与工况预测相结合的方法,构建了基于工况识别与预测的纯电动汽车剩余里程估算方法。在AVL CRUISE中对纯电动汽车进行整车剩余里程仿真,选取了综合CLTC与WLTC的混合工况,以更贴近实际汽车行驶情况,详细比较了工况识别和工况识别与预测两种估算方法。研究结果表明,对于基于工况识别的剩余里程方法,其估算值随着时间的增加与仿真值间的误差逐渐增大,而工况预测方法的引入能有效减小误差。通过对比发现,工况识别与预测方法的最大绝对误差和绝对误差平均值相比仅采用工况识别的方法分别降低了34.04%和55.79%,标准偏差也减小至1.44 km,表明其具有更好的估算精度,为纯电动汽车续驶里程的预测提供了一种新途径。

SLAM算法建图对比研究

本论文旨在探讨在无人驾驶与机器人行业发展火热的背景下,实现准确的定位与导航,对汽车与机器人所处环境进行高精度建模的重要性。激光SLAM作为目前最稳定、最主流的定位导航方法,在此领域得到广泛应用。本研究使用Gmapping算法、Hector算法、Cartographr算法,在一辆搭载2D激光雷达的智能小车上,对室内环境进行建模,并对三种算法所建地图进行对比分析。实验结果表明在室内环境下,Cartographr算法所建地图的精度最高,建图效果优于Gmapping算法和Hector算法。