适应行驶工况的节能自适应巡航模型预测控制研究
发布时间：2021-11-17 10:06
自适应巡航系统（Adaptive Cruise Control,ACC）是一种先进辅助驾驶系统,能够有效缓解驾驶员的驾驶疲劳感,在乘用车中得到广泛应用。传统ACC系统大多以跟驰性和安全性为控制目标,忽略了行驶过程中车辆的燃油经济性和乘坐舒适性,而现有的多目标纵向ACC系统并没有充分考虑行驶工况的差异性。为了提高ACC系统对不同行驶工况的适应能力,提出了一种适应多行驶工况的节能自适应巡航控制系统（Energy-saving Adaptive Cruise Control,EACC）。主要研究内容如下:首先,针对车辆纵向动力学的非线性特性,分别建立了驱动系统和制动系统逆模型,并基于阈值的切换策略制定了驱动/制动切换逻辑,并设计了前馈反馈控制器。仿真结果表明所设计的控制器可以较好地跟踪期望加速度,为之后控制策略的开发奠定了基础。其次,设计了用于行驶工况识别的BP神经网络（Back-Propagation Neural Network）。通过相关系数法筛选了一系列特征参数,确定了BP神经网络的输入参数为最大车速、停车时间、最大加速度、最小加速度、加速度方差和行驶距离,输出参数为行驶工况类型,并...
【文章来源】：江苏大学江苏省
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
发动机逆MAP图
适应行驶工况的节能自适应巡航模型预测控制研究15图2.6驱动系统逆模型Fig.2.6Inversemodelofdrivesystem2.2.3制动系统逆模型当驱动/制动切换模块输出制动指令时，将节气门开度设置为零，下层控制器执行减速操作。期望制动压力计算流程如下：以期望减速度和当前车速为输入，根据车辆纵向动力学模型计算得到期望制动力，之后根据制动系统逆模型计算出期望制动压力。制动时纵向运动学方程为：=∑(2.9)式中，为轮上制动力。在轮胎不发生滑移的情况下，可以将轮胎制动力和制动主缸压力视为线性关系：=+=(2.10)式中，为车辆后轴的制动力矩；为车辆前轴制动力矩；为比例系数；为期望制动主缸压力。的值可以在Carsim中仿真得到，联立式(2.9)和式(2.10)则期望制动压力可以表示为：=|+∑|(2.11)在Simulink建立制动系统逆模型如图所示：
制动系统逆模型
【参考文献】：
期刊论文
[1]基于多目标优化的变权重车辆ACC系统的设计[J]. 李旗,李亚军,高剑武. 机械工程与自动化. 2019(04)
[2]基于粒子群优化支持向量机算法的行驶工况识别及应用[J]. 石琴,仇多洋,吴冰,李一鸣,刘炳姣. 中国机械工程. 2018(15)
[3]车辆多模式多目标自适应巡航控制[J]. 章军辉,李庆,陈大鹏. 电子科技大学学报. 2018(03)
[4]车辆自适应巡航控制系统的建模与分层控制[J]. 张亮修,吴光强,郭晓晓. 汽车工程. 2018(05)
[5]基于模型预测控制的智能车辆路径跟踪控制器设计[J]. 王艺,蔡英凤,陈龙,王海,李健,储小军. 汽车技术. 2017(10)
[6]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报. 2017(06)
[7]车辆多目标自适应巡航控制算法[J]. 张亮修,吴光强,郭晓晓. 西安交通大学学报. 2016(11)
[8]汽车自适应巡航跟车多目标鲁棒控制算法设计[J]. 吴光强,郭晓晓,张亮修. 哈尔滨工业大学学报. 2016(01)
[9]基于模糊控制的智能车辆纵向加速度跟踪控制器设计[J]. 朱增辉,徐友春,马育林,李建市,李永乐. 军事交通学院学报. 2014(12)
[10]智能车油门与制动协调切换控制研究[J]. 张向南,赵津,王广玮,赵容晨. 机械设计与制造. 2014(10)
博士论文
[1]基于TPFM和MPC的汽车经济型巡航控制方法研究[D]. 刘焕峰.吉林大学 2018
[2]用于公交车辆行驶油耗优化的工况预测模型及其自学习策略[D]. 黄登高.天津大学 2017
[3]基于工况与驾驶风格识别的混合动力汽车能量管理策略研究[D]. 詹森.重庆大学 2016
[4]汽车纵向运动多模型分层切换控制[D]. 高锋.清华大学 2006
硕士论文
[1]基于BP神经网络的分类器改进算法研究与应用[D]. 李圆满.中国地质大学(北京) 2019
[2]基于MPC算法的车辆多目标自适应巡航控制系统研究[D]. 荆亚杰.长安大学 2019
[3]基于多目标优化的车辆多模式自适应巡航控制研究[D]. 李旗.合肥工业大学 2019
[4]基于滚动优化的车辆自适应巡航控制[D]. 王秋.吉林大学 2017
[5]某轿车自适应巡航系统多目标优化控制策略研究[D]. 邢国成.吉林大学 2017
[6]基于四元素构架的车辆队列动力学建模与分布式控制[D]. 郑洋.清华大学 2015
[7]基于模型预测控制的无人驾驶车辆轨迹跟踪控制算法研究[D]. 孙银健.北京理工大学 2015
[8]BP神经网络在股票投资分析中的应用[D]. 乔建伟.电子科技大学 2013
本文编号：3500690
【文章来源】：江苏大学江苏省
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
发动机逆MAP图
适应行驶工况的节能自适应巡航模型预测控制研究15图2.6驱动系统逆模型Fig.2.6Inversemodelofdrivesystem2.2.3制动系统逆模型当驱动/制动切换模块输出制动指令时，将节气门开度设置为零，下层控制器执行减速操作。期望制动压力计算流程如下：以期望减速度和当前车速为输入，根据车辆纵向动力学模型计算得到期望制动力，之后根据制动系统逆模型计算出期望制动压力。制动时纵向运动学方程为：=∑(2.9)式中，为轮上制动力。在轮胎不发生滑移的情况下，可以将轮胎制动力和制动主缸压力视为线性关系：=+=(2.10)式中，为车辆后轴的制动力矩；为车辆前轴制动力矩；为比例系数；为期望制动主缸压力。的值可以在Carsim中仿真得到，联立式(2.9)和式(2.10)则期望制动压力可以表示为：=|+∑|(2.11)在Simulink建立制动系统逆模型如图所示：
制动系统逆模型
【参考文献】：
期刊论文
[1]基于多目标优化的变权重车辆ACC系统的设计[J]. 李旗,李亚军,高剑武. 机械工程与自动化. 2019(04)
[2]基于粒子群优化支持向量机算法的行驶工况识别及应用[J]. 石琴,仇多洋,吴冰,李一鸣,刘炳姣. 中国机械工程. 2018(15)
[3]车辆多模式多目标自适应巡航控制[J]. 章军辉,李庆,陈大鹏. 电子科技大学学报. 2018(03)
[4]车辆自适应巡航控制系统的建模与分层控制[J]. 张亮修,吴光强,郭晓晓. 汽车工程. 2018(05)
[5]基于模型预测控制的智能车辆路径跟踪控制器设计[J]. 王艺,蔡英凤,陈龙,王海,李健,储小军. 汽车技术. 2017(10)
[6]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报. 2017(06)
[7]车辆多目标自适应巡航控制算法[J]. 张亮修,吴光强,郭晓晓. 西安交通大学学报. 2016(11)
[8]汽车自适应巡航跟车多目标鲁棒控制算法设计[J]. 吴光强,郭晓晓,张亮修. 哈尔滨工业大学学报. 2016(01)
[9]基于模糊控制的智能车辆纵向加速度跟踪控制器设计[J]. 朱增辉,徐友春,马育林,李建市,李永乐. 军事交通学院学报. 2014(12)
[10]智能车油门与制动协调切换控制研究[J]. 张向南,赵津,王广玮,赵容晨. 机械设计与制造. 2014(10)
博士论文
[1]基于TPFM和MPC的汽车经济型巡航控制方法研究[D]. 刘焕峰.吉林大学 2018
[2]用于公交车辆行驶油耗优化的工况预测模型及其自学习策略[D]. 黄登高.天津大学 2017
[3]基于工况与驾驶风格识别的混合动力汽车能量管理策略研究[D]. 詹森.重庆大学 2016
[4]汽车纵向运动多模型分层切换控制[D]. 高锋.清华大学 2006
硕士论文
[1]基于BP神经网络的分类器改进算法研究与应用[D]. 李圆满.中国地质大学(北京) 2019
[2]基于MPC算法的车辆多目标自适应巡航控制系统研究[D]. 荆亚杰.长安大学 2019
[3]基于多目标优化的车辆多模式自适应巡航控制研究[D]. 李旗.合肥工业大学 2019
[4]基于滚动优化的车辆自适应巡航控制[D]. 王秋.吉林大学 2017
[5]某轿车自适应巡航系统多目标优化控制策略研究[D]. 邢国成.吉林大学 2017
[6]基于四元素构架的车辆队列动力学建模与分布式控制[D]. 郑洋.清华大学 2015
[7]基于模型预测控制的无人驾驶车辆轨迹跟踪控制算法研究[D]. 孙银健.北京理工大学 2015
[8]BP神经网络在股票投资分析中的应用[D]. 乔建伟.电子科技大学 2013
本文编号：3500690
本文链接：https://www.wllwen.com/kejilunwen/qiche/3500690.html
