隨著新一代網(wǎng)絡(luò)通信技術(shù)的發(fā)展,車聯(lián)網(wǎng)作為一個(gè)多領(lǐng)域多行業(yè)廣泛參與的多信息融合技術(shù),可以有效地提高車輛安全性能,減少能源消耗。本文針對城市道路工況車聯(lián)網(wǎng)環(huán)境下的智能車輛節(jié)能誘導(dǎo)策略問題,開展了整車動(dòng)力學(xué)建模、節(jié)能誘導(dǎo)全局優(yōu)化策略開發(fā)、節(jié)能誘導(dǎo)策略在跟車工況的應(yīng)用以及道路試驗(yàn)等方面的研究工作,具有重要的學(xué)術(shù)意義和實(shí)踐價(jià)值。本文在文獻(xiàn)調(diào)研的基礎(chǔ)上,利用動(dòng)力學(xué)仿真軟件IPG Carmaker搭建了整車動(dòng)力學(xué)模型。依據(jù)試驗(yàn)場地真實(shí)道路,在軟件中搭建了道路環(huán)境模型。根據(jù)實(shí)車性能參數(shù),對模型中的參數(shù)修訂,保證了模型的性能。驗(yàn)證表明,無論是駕駛員駕駛車輛行駛,還是車輛按照一定的速度曲線自動(dòng)行駛,在軟件中仿真得到的車速、電機(jī)扭矩、瞬時(shí)電耗等結(jié)果都能很好地吻合,平均百公里電耗相對誤差均不超過5%,驗(yàn)證了車輛-道路模型的有效性。以節(jié)能為目標(biāo)開展了基于動(dòng)態(tài)規(guī)劃的智能車輛節(jié)能誘導(dǎo)策略研究。構(gòu)建了基于動(dòng)態(tài)規(guī)劃的節(jié)能誘導(dǎo)策略,得到了固定道路上行駛的節(jié)能誘導(dǎo)速度曲線。當(dāng)平均速度為24km/h時(shí),全程耗時(shí)318s,全局能耗最優(yōu),平均百公里能耗為9.343kW h,比未優(yōu)化時(shí)的平均百公里電耗節(jié)省了27.43%。又以平均速度為約束條件,得到了不同平均速度下的節(jié)能誘導(dǎo)結(jié)果;對節(jié)能誘導(dǎo)策略在跟車工況下的應(yīng)用進(jìn)行了仿真及分析。分析了跟車工況下前車可能出現(xiàn)的動(dòng)作狀態(tài),基于MATLAB/Simulink和IPG Carmaker搭建了聯(lián)合仿真模型,設(shè)計(jì)了節(jié)能誘導(dǎo)策略的決策層和控制層,開發(fā)了跟車控制策略。對典型跟車工況進(jìn)行了仿真及分析,對前車NEDC循環(huán)工況進(jìn)行了仿真及分析。仿真結(jié)果表明,兩種工況下的累積電耗均優(yōu)于用線性二次型優(yōu)化算法優(yōu)化得到的累積電耗。搭建了道路試驗(yàn)硬件平臺,并對基于車聯(lián)網(wǎng)的智能車輛節(jié)能誘導(dǎo)全局優(yōu)化策略進(jìn)行了道路試驗(yàn)。驗(yàn)證了平均車速分別為20km/h、30km/h、40km/h時(shí)的節(jié)能誘導(dǎo)策略。試驗(yàn)結(jié)果表明:和人類駕駛員相比,本文構(gòu)建的節(jié)能誘導(dǎo)全局優(yōu)化策略具有良好的節(jié)能效果。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U495
【部分圖文】：

基于車聯(lián)網(wǎng)的節(jié)能誘導(dǎo)策略總體結(jié)構(gòu)設(shè)聯(lián)網(wǎng)的智能車輛節(jié)能誘導(dǎo)策略，是一個(gè)在車聯(lián)網(wǎng)環(huán)境下優(yōu)化誘導(dǎo)的問題。本章首先介紹了全文研宄的大背景車能誘導(dǎo)策略的控制變量，建立了節(jié)能誘導(dǎo)策略的控制方導(dǎo)策略中涉及到的關(guān)鍵技術(shù)。??網(wǎng)環(huán)境??信技術(shù)的發(fā)展，尤其是５Ｇ技術(shù)落地之后，一張無處不在常生活，這就是車聯(lián)網(wǎng)。車聯(lián)網(wǎng)是在物聯(lián)網(wǎng)的基礎(chǔ)上發(fā)絡(luò)，通過信息的收集、共享、處理，實(shí)現(xiàn)車與車（Ｖ２Ｖ）、車礎(chǔ)設(shè)施（Ｖ２Ｉ）、車與云端網(wǎng)絡(luò)（Ｖ２Ｎ）的溝通，使得交通精準(zhǔn)、交通效率大大提高。??

２．３控制方案??如上所述，基于車聯(lián)網(wǎng)的智能車輛節(jié)能誘導(dǎo)策略有兩種控制目標(biāo)。因此，本??文設(shè)計(jì)了一種分層控制方案。方案如圖２－２所示。??當(dāng)初、末狀態(tài)確定后，車輛接收通過車聯(lián)網(wǎng)獲取到的道路及車輛信息形成約??束條件，與能耗最優(yōu)的目標(biāo)函數(shù)共同構(gòu)成了第一層控制。這層控制的輸出為車輛??的全局節(jié)能車速曲線。同時(shí)，將最優(yōu)化過程中的中間結(jié)果即每一時(shí)刻的優(yōu)化結(jié)果??傳遞給第二層控制。??當(dāng)車輛處于跟車工況時(shí)，車輛接收通過車聯(lián)網(wǎng)獲取到的本車信息及前車信息，??結(jié)合第一層控制輸入的中間結(jié)果，共同構(gòu)成了第二層控制。這層控制的輸出為跟??車工況的實(shí)時(shí)節(jié)能車速及相關(guān)物理量，經(jīng)下層控制器轉(zhuǎn)換后可直接控制車輛。??目標(biāo)函數(shù)，約束條件??￣?１???｜???定義初狀態(tài)—－定義末狀態(tài)—＊＞?５Ｓ５５——＊？智能車輛??中間結(jié)果??定義當(dāng)前?｜￣定義下一?｜?｜計(jì)算實(shí)時(shí)｜??時(shí)刻?１?時(shí)刻?節(jié)能車速?１職糊??Ｉ??本車狀態(tài)

２．３控制方案??如上所述，基于車聯(lián)網(wǎng)的智能車輛節(jié)能誘導(dǎo)策略有兩種控制目標(biāo)。因此，本??文設(shè)計(jì)了一種分層控制方案。方案如圖２－２所示。??當(dāng)初、末狀態(tài)確定后，車輛接收通過車聯(lián)網(wǎng)獲取到的道路及車輛信息形成約??束條件，與能耗最優(yōu)的目標(biāo)函數(shù)共同構(gòu)成了第一層控制。這層控制的輸出為車輛??的全局節(jié)能車速曲線。同時(shí)，將最優(yōu)化過程中的中間結(jié)果即每一時(shí)刻的優(yōu)化結(jié)果??傳遞給第二層控制。??當(dāng)車輛處于跟車工況時(shí)，車輛接收通過車聯(lián)網(wǎng)獲取到的本車信息及前車信息，??結(jié)合第一層控制輸入的中間結(jié)果，共同構(gòu)成了第二層控制。這層控制的輸出為跟??車工況的實(shí)時(shí)節(jié)能車速及相關(guān)物理量，經(jīng)下層控制器轉(zhuǎn)換后可直接控制車輛。??目標(biāo)函數(shù)，約束條件??￣?１???｜???定義初狀態(tài)—－定義末狀態(tài)—＊＞?５Ｓ５５——＊？智能車輛??中間結(jié)果??定義當(dāng)前?｜￣定義下一?｜?｜計(jì)算實(shí)時(shí)｜??時(shí)刻?１?時(shí)刻?節(jié)能車速?１職糊??Ｉ??本車狀態(tài)
【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 朱敏慧;;加速智能網(wǎng)聯(lián)汽車發(fā)展[J];汽車與配件;2015年44期

2 陳慧;涂強(qiáng);范正帥;王琳;;互聯(lián)智能汽車關(guān)鍵技術(shù)與發(fā)展趨勢[J];中國集成電路;2015年06期

3 薛秉津;沈森垚;;新型智能汽車潛在節(jié)油量的量化分析[J];中國市場;2015年15期

4 張強(qiáng);曲仕茹;;車輛自適應(yīng)巡航控制系統(tǒng)的模糊PID實(shí)現(xiàn)[J];汽車工程;2008年07期

相關(guān)博士學(xué)位論文 前2條

1 邱利宏;智能網(wǎng)聯(lián)混合動(dòng)力汽車隊(duì)列分層優(yōu)化控制方法研究[D];合肥工業(yè)大學(xué);2018年

2 張蕊;8×8輪轂電機(jī)驅(qū)動(dòng)車輛動(dòng)力學(xué)與節(jié)能優(yōu)化集成控制研究[D];北京理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 朱政澤;基于群智能的網(wǎng)聯(lián)式自主駕駛多車協(xié)同控制技術(shù)應(yīng)用研究[D];湖北汽車工業(yè)學(xué)院;2018年

2 姜斐;智能網(wǎng)聯(lián)汽車行業(yè)的融資問題研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2018年

3 彭永濤;48V混合動(dòng)力汽車能量管理控制策略及控制參數(shù)優(yōu)化[D];燕山大學(xué);2018年

4 張鷗;智能網(wǎng)聯(lián)汽車安全網(wǎng)關(guān)技術(shù)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2018年

5 張海強(qiáng);智能網(wǎng)聯(lián)汽車安全遠(yuǎn)程升級技術(shù)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2018年

6 余宗勝;基于啟停系統(tǒng)汽車節(jié)能減排及制動(dòng)能量回饋研究[D];華東交通大學(xué);2017年

7 左利鋒;分布式驅(qū)動(dòng)純電動(dòng)客車節(jié)能技術(shù)研究[D];吉林大學(xué);2017年

8 李姝紅;車聯(lián)網(wǎng)環(huán)境下乘用車節(jié)能隊(duì)列研究[D];吉林大學(xué);2017年

9 李志偉;智能網(wǎng)聯(lián)車輛與普通車輛混合車流交通狀態(tài)估計(jì)方法研究[D];東南大學(xué);2017年

10 丁婉婷;智能網(wǎng)聯(lián)汽車高速公路自主性換道決策模型研究[D];東南大學(xué);2017年

本文編號：2869508