基于概率神经网络的自动换挡策略研究

为了将驾驶员手动换挡经验制作成自动换挡策略,更好地满足汽车换挡的动力性要求,缩短变速箱自动换挡策略的研发时间,提出使用驾驶员手动换挡经验训练概率神经网络,从而高效率地制定汽车自动变速箱的换挡策略。在TruckSim中搭建汽车仿真模型,通过车辆CAN总线获得训练样本,在Matlab里训练概率神经网络模型。一方面进行PNN换挡策略与动力性换挡策略及BP神经网络换挡策略的仿真对比试验;另一方面进行原车离线数据的换挡试验。试验结果表明:基于概率神经网络的自动换挡策略可以实现正确率为98.76%的挡位控制,达到将优秀驾驶员手动换挡经验应用于自动换挡策略的要求;概率神经网络自动换挡策略的动力性优于动力学理论推导的换挡策略和BP神经网换挡策略。     

基于自适应模型预测的自主车辆避障控制研究

在无人驾驶车辆安全避障控制过程中,由于被控对象的非线性特性,线性模型预测控制器难以保证车辆避障系统的安全性及稳定性。以车辆二自由度运动学模型为基础,在已有感知障碍物信息的基础上,通过应用自适应模型预测控制理论,结合障碍物虚拟边界约束及车辆控制变量约束,设计了以节气门开度和方向盘转角为控制变量的线性时不变控制器,并在Simulink环境下与基于传统模型预测避障控制器进行比较。仿真结果表明:相较于模型预测控制,基于自适应模型预测控制理论设计的控制器能提高车辆避障安全性及舒适性。     

基于轮毂电机电动车的横向稳定性控制研究

选取具有独特性能和优势的电动车作为研究对象,采用轮毂电机加上液压系统进行动力输出,设计稳定性控制器对车辆的横摆稳定性进行控制。通过分层结构的控制器对横摆力矩进行控制,利用电液协调系统调节,增强其横摆稳定性。经研究,设计的基于滑模控制横摆稳定控制器以及电液协调系统对车辆横向稳定性有很大提升。从仿真结果来看,对于质心侧偏角和横摆角速度控制效果很好,车辆抗失稳能力有很大提升,证明了电液协调系统和滑模控制的可靠性。通过NI硬件在环系统对所设计控制器进行验证,证明了其有效性和实时性。     

基于液力变矩器效率优化的车辆自动换挡策略研究

恶劣行驶环境下的特种车辆对动力性、传动效率要求较高,为此,根据TR50特种车辆的实车数据制定最佳动力性换挡规律。通过分析液力变矩器的工作特性,建立了计算液力变矩器实时传动效率的数学模型。以换挡前后液力变矩器传动效率的变化最小为优化目标,利用贪心算法对最佳动力性换挡规律进行优化。分别将优化后和优化前的换挡规律在Matlab/Simulink仿真系统模型中进行仿真分析,得出两种换挡规律下液力变矩器的效率变化情况。结果表明:优化后的液力变矩器传动效率与优化前相比提升较多,其中大于0. 5的效率提升20. 5%,大于0. 6的效率提升16. 6%,各挡位的高效率工作区比例得到明显提升。     

基于自适应控制的石油产量预测方法与模型研究

通过对比温控系统与石油系统控制原理,分析自动控制理论与石油系统控制理论存在的差异,建立能够刻画石油系统自适应机理的产量预测模型。自动控制原理侧重研究系统内部的控制机理,而石油系统中的控制机理更加复杂化。根据石油系统自控原理的特殊性,分析石油系统下各种环境的反馈关系,构建一种石油产量预测新思路。     

基于ANFIS的纯电动轻卡自动换挡策略

在纯电动轻卡中,不同的换挡策略对于汽车的能耗有着很大的影响。基于模糊神经网络控制理论,依据传统的两参数换挡规律,采用具有2输入单输出的Sugeno模糊推理结构,建立了ANFIS换挡策略。通过具体的样本数据对换挡策略进行训练,在Cruise中搭建纯电动轻卡的整车模型作为仿真环境,代入整车参数进行仿真,将得到的仿真结果与传统模糊换挡策略进行分析比较,结果表明:ANFIS换挡策略能有效改善车辆的操作稳定性和经济性能,并在能耗上得到优化。     

基于重构控制分配的分布式电动车容错控制方法

针对分布式驱动电动车过驱动系统存在的冗余现象,以带有主动前轮转向系统的四轮轮毂电机驱动电动汽车为研究对象,设计了执行器故障后的容错控制算法。容错控制器采用集成控制结构,上层为运动跟踪层,基于模型预测控制算法,得到车辆跟踪期望状态所需总的力与力矩;下层为重构控制分配器,针对驱动电机的多种故障情况,以整车稳定性和安全性为目标制定重构控制分配率。通过实验表明,在高速高附的仿真工况下,面临多种执行器故障模式时,相比无控制的车辆,处于容错控制算法控制下的车辆横摆角速度最大值由0.3 rad/s降低到0.1 rad/s,质心侧偏角由0.03 rad降低到0.015 rad,显著提高了车辆的横摆稳定性与安全性能。     

基于模型预测控制的自主应急转向系统设计

采用多输入多输出模型预测控制(MIMO MPC)方法,设计了一种自主应急转向系统。采用前轮转角和直接横摆力矩两种输入的单轨模型,对横向位移和航向角进行预测。采用梯形加速度剖面法,根据最大允许横向加速度来规划避障路径。仿真结果表明:MIMO MPC利用前轮转向角跟踪期望的侧向位移,提高了侧向位移和航向角的跟踪性能,相比单输入单输出模型预测控制(SISO MPC)能更精确地跟踪规避路径。     

纯电动汽车两挡AMT换挡策略研究

两挡AMT相较于单级固定速比减速器,能够降低整车系统对电池和电机性能的要求,但需要为其设计合理的换挡策略,以保证车辆经济性和动力性满足需求。首先分析驱动工况下电池、电机和变速器效率随车速和加速踏板开度的变化情况,以系统效率最高为目标,设计最佳经济性换挡策略。其次,分析不同挡位下加速度随车速和加速度踏板开度的变化情况,以加速度最大为目标,设计最佳动力性换挡策略。最后,设计了一种换挡策略切换控制器,将百公里电耗和加速时间组成综合性能指标,基于模糊理论计算动力需求因数,根据动力需求因数选择相应的换挡策略。仿真和试验结果显示:相较于传统换挡策略,平均百公里电耗降低9.97%,加速度略有恶化约3.96%。因此,该换挡策略在基本保证驾驶员动力需求的同时,极大地提高了经济性,可有效延长车辆的续航里程。     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测.针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度.将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律.     

基于预测控制的ATM网络拥塞控制研究

用广义预测自适应控制方法研究ATM网络中的ABR业务拥塞问题,提出了一种拥塞控制算法,该法可很好地适应实际网络中用户数和连接延迟的动态变化,仿真结果表明了该方法的有效性.     

基于动态补偿的矩形广义系统模型预测控制

针对线性矩形广义系统,研究了基于动态补偿的有限时域模型预测控制问题,给出了存在合适维数的动态补偿器使得闭环系统正则、无脉冲、稳定的充要条件.在有限时域性能指标中引入一个终端有限权矩阵来保证稳定性,并利用矩阵不等式和Lyapunov方程求解优化问题,将提出的Lyapunov方程转化为双线性矩阵不等式形式(BLMI),以便采用路径算法最小化性能指标,保证了闭环系统是容许的.数值算例验证了方法的有效性.     

基于MRR-KELM算法的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统的设计,提出了一种基于多输出迭代约简核极限学习机(MRR-KELM)的非线性模型预测控制(NMPC)方法。基于直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速以及涡轮级间温度等传感器数据,利用MRR-KELM算法,训练具有较好实时性、精度以及泛化能力的发动机预测模型,引入预测模型输出与发动机输出的误差对控制器指令进行反馈校正,利用序列二次规化(SQP)算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合仿真平台环境下,通过直升机机动飞行仿真,验证了该模型预测控制器相比于传统的串级PI控制具有更好的控制性能,可显著降低动力涡轮转速超调/下垂量。     

基于ARIMA模型的锦州市粮食产量预测研究

本文采用时间序列方法,分析了2000-2012年锦州市粮食产量时间序列的统计特征,通过平稳性及相关性的分析,对锦州市粮食产量的一阶差分序列构建了ARIMA（2,1,（3））模型,同时利用所建模型对锦州市粮食产量进行了相应的预测。     

基于混合模型的国际原油价格预测研究

由于国际原油价格的剧烈波动,使得准确的原油价格预测极具挑战。为此,提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量;针对周期性和非线性特征分量,分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测;将各分量的预测值求和作为最终的预测结果。实证研究结果表明:所提混合模型相较对比模型能够明显提高国际原油价格的预测精度。     

轮毂驱动电动车的电磁混合悬架控制研究

轮毂驱动电动车由于采用电机分布式的布置形式,造成整车非簧载质量增加,会引起车辆安全性和整车平顺性的恶化。为此,提出一种基于电磁混合控制方式的电磁悬架。以直线电机为作动器,采用主动控制与半主动控制相结合方法对整车平顺性进行改善。系统中轮毂电机采用悬置式结构,相当于一个动力吸振器,能有效分担轮胎受到的路面垂向激励。仿真分析各质量系之间的传递特性和各性能指标(车身加速度、轮胎动载荷)的幅频特性。仿真结果表明:采用悬置式结构的悬架系统在频域内能够有效抑制车轮型共振峰,并使车轮型共振频率延后至12.8 Hz附近,避免落在人体最敏感区段4~12.5 Hz,同时轮胎动载荷均方根值下降13%。在此结构基础上,以改善车辆平顺性为目标,对直线电机采用天棚控制策略。结果表明:与传统悬架相比,车身加速度降低19.8%,改善了车辆平顺性。最后,在单通道台架上进行了试验,验证了悬置式结构和天棚控制策略的可行性。     

基于PDL模型的城市化水平预测方法研究

在城市化水平预测领域,经济因素相关分析法因其在预测时充分考虑了经济发展对城市化水平的影响而得到广泛使用。然而,在以往研究中,当实际应用经济因素相关分析法对城市化水平进行预测时,往往并未从动态发展的角度出发,将既往历年的经济发展水平作为解释变量引入回归方程中去,在此基础上进行实际预测时必然会因为遗漏掉重要信息而使预测结果的可信性大打折扣。在对混合有限PDL模型应用于我国城市化水平预测领域的必要性进行阐述的基础之上,以PDL及ARMA模型的组合应用为例,对于经济因素相关分析法在我国城市化水平预测领域的应用进行了尝试性的探讨分析。结果表明,与仅考虑了当期经济发展水平对城市化发展的影响所建立的传统线性预测模型相比,PDL模型的预测效果更为理想。     

基于模型预测控制的电动汽车起步工况仿真与性能评价

为提高电动汽车起步工况时的性能,设计了基于模型预测控制的驾驶员模型,建立了纯电动汽车整车模型和驾驶员模型。将驾驶员意图转化为加速踏板和制动踏板的开度变化,利用基于模型预测控制方法的上层控制器得到期望加速度,下层控制器根据期望加速度得到加速指令和减速指令,从而对车辆进行起步工况的加、减速控制。利用起步时间、驱动电机电压电流和冲击度3个评价指标对提出的模型预测控制方法和常规PID控制方法进行起步工况仿真的控制性能比较。分析了不同坡度(0%、10%和20%)和加速踏板开度下电驱动系统的性能。仿真结果验证了模型预测控制方法的有效性。     

基于RBF神经网络优化的无人驾驶车辆增量线性模型预测轨迹跟踪控制研究

研究了无人驾驶车辆的轨迹跟踪问题,基于RBF(径向基函数)神经网络的自适应补偿和鲁棒控制分别设计了2种优化后的ILTV-MPC(增量线性时变模型预测控制)轨迹跟踪控制系统。建立了ILTV-MPC轨迹跟踪控制器,利用RBF神经网络的局部逼近特性,设计了RBF自适应补偿控制器逼近模型的不精确部分;进而将逼近过程产生的误差作为外部干扰,设计了RBF鲁棒优化控制器,从而对逼近误差予以抑制。应用Lyapunov稳定性分析推导出隐含层网络权值训练规则,证明了控制系统的稳定性。当行驶在良好路面时,与传统ILTV-MPC相比,RBF补偿-ILTV-MPC最大误差减小约38.73%; RBF鲁棒-ILTV-MPC最大误差减小约68.42%。结果表明:RBF鲁棒控制较RBF补偿控制可进一步提高ILTV-MPC控制器的跟踪精度,减轻车辆侧滑程度,提高车辆行驶稳定性。     

应用免疫粒子群算法的电动汽车经济性换挡策略研究

为使电动汽车正常行驶时的能量消耗率更低,对某款匹配两挡自动变速器的电动汽车进行经济性换挡策略研究。面向电机效率最优制定传统双参数经济性换挡策略;建立以工况能耗为目标、换挡时间为约束的集成优化模型,通过免疫粒子群算法求解得到换挡策略曲线;利用建立的整车仿真平台对优化前后的换挡策略进行UDDS、CCBC工况下的仿真。结果显示:优化后的换挡策略在2种工况下行驶100 km所节省的电能分别为6.36%和8.99%,电机工作点更集中于高效区。