混合动力汽车能耗最优数学建模与仿真

提出了传统汽车燃油消耗的数学计算公式,对比地建立了混合动力汽车（HEV）的能量消耗计算模型,并对HEV控制策略提出了基于最小化能量消耗的优化目标。根据该优化目标,基于某一车型,寻找混合动力汽车的两动力源（发动机与电动机）之间的最佳分配,使系统的能量消耗最少。利用这种方式建立了规律控制模型,并对混合动力汽车进行整车性能仿真,仿真结果表明：相比原缺省的控制方式,该控制方式使得HEV更省油,对于某一工况,燃油消耗率降低了20%左右。     

混合动力重卡标定参数工况适应性

为解决混合动力重卡整车控制器标定流程繁琐、标定结果无法满足不同行驶工况需求等问题,提出一种标定参数工况适应性规律,可以针对不同行驶工况快速进行控制参数标定.基于运煤线工况和省道工况合成100个新行驶工况,并筛选出代表行驶工况的24个工况特征参数,在电量平衡的条件下,以系统总损失能量最小为标定目标来求解最优功率门限值,通过回归分析寻找最优功率门限值与工况特征参数之间的关系,并确定该车型下最优功率门限值与工况特征参数之间的线性回归方程,研究结果揭示了标定参数与行驶工况之间的本质关系,缩短了不同工况下混合动力重卡整车控制器的研发周期.     

基于二次Lasso回归的纵向驾驶员模型研究

为了更好地模拟实际驾驶员行为，提出基于二次回归和 Lasso回归方法的纵向驾 驶员回归模型. 通过采集纵向驾驶行为数据，提取可能影响驾驶行为的状态参数，进而建立二 次回归驾驶员模型；面向多参数回归模型中的多重共线问题，采用Lasso回归方法进行状态参 数筛选；结合筛选数据建立二次回归驾驶员模型. 为了验证模型的有效性，与PI驾驶员模型和 一次 Lasso回归驾驶员模型进行仿真对比 . 仿真结果表明，相较于其他两种模型，所建立的驾 驶员模型具备良好的工况跟随效果，同时能较好地反映实际驾驶行为特征.