實(shí)時(shí)地掌握汽車的燃油消耗情況是研究生態(tài)駕駛輔助技術(shù),減少油耗和尾氣排放的關(guān)鍵。雖然通過(guò)汽車的內(nèi)部傳感器可以比較精準(zhǔn)地獲取到瞬時(shí)油耗,但是該方法需要獲得不同型號(hào)汽車的私有協(xié)議并加裝相應(yīng)OBD設(shè)備,限制了其適用性。隨著智能移動(dòng)終端的廣泛使用,其內(nèi)嵌的傳感器為檢測(cè)汽車行駛加速度和速度,進(jìn)而估計(jì)汽車油耗提供了新途徑。因此,充分利用智能移動(dòng)終端的傳感器數(shù)據(jù),建立一種更加可靠、準(zhǔn)確地實(shí)時(shí)估計(jì)汽車行駛油耗的方法,對(duì)于提高燃油經(jīng)濟(jì)性具有重要的實(shí)際意義。論文基于移動(dòng)終端傳感器數(shù)據(jù),針對(duì)加速度傳感器感知汽車行駛加速度存在隨機(jī)噪聲和重力分量的問(wèn)題,研究了道路坡度估計(jì)及加速度修正模型,并針對(duì)由于加速度積分帶來(lái)的速度累積誤差,提出了一種參考點(diǎn)與GPS相結(jié)合的修正方法,最后基于加速度、速度,并考慮道路坡度的影響建立油耗模型以實(shí)時(shí)估計(jì)行駛油耗。主要內(nèi)容包括:1基于采集到的加速度傳感器和陀螺儀數(shù)據(jù),建立了基于自適應(yīng)卡爾曼融合濾波的坡度估計(jì)及加速度修正模型,實(shí)車實(shí)驗(yàn)表明,該算法能較為有效的對(duì)加速度傳感器數(shù)據(jù)進(jìn)行濾波并去除重力分量的影響。2通過(guò)對(duì)速度累積誤差進(jìn)行分析,針對(duì)現(xiàn)有研究在參考點(diǎn)較少時(shí)速度估計(jì)精度會(huì)大大降低的問(wèn)題... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 汽車行駛速度估計(jì)研究現(xiàn)狀
        1.2.2 汽車行駛油耗估計(jì)研究現(xiàn)狀
    1.3 課題的提出及研究意義
    1.4 研究?jī)?nèi)容及論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
2 研究方案及關(guān)鍵問(wèn)題
    2.1 移動(dòng)終端傳感器數(shù)據(jù)采集系統(tǒng)
        2.1.1 移動(dòng)終端標(biāo)準(zhǔn)坐標(biāo)系
        2.1.2 移動(dòng)終端傳感器
        2.1.3 傳感器數(shù)據(jù)實(shí)時(shí)采集
    2.2 移動(dòng)終端與車輛坐標(biāo)系校準(zhǔn)
    2.3 汽車行駛油耗估計(jì)的研究思路
    2.4 汽車行駛油耗估計(jì)的關(guān)鍵問(wèn)題分析及解決方法
    2.5 本章小結(jié)
3 基于移動(dòng)終端傳感器的汽車加速度檢測(cè)及修正方法
    3.1 引言
    3.2 加速度傳感器感知汽車加速度誤差分析
    3.3 卡爾曼濾波算法概述
        3.3.1 線性離散卡爾曼濾波算法
        3.3.2 Sage-Husa自適應(yīng)卡爾曼濾波
    3.4 基于加速度傳感器和陀螺儀的加速度修正模型
        3.4.1 自適應(yīng)卡爾曼融合濾波算法設(shè)計(jì)
        3.4.2 道路坡度估計(jì)及加速度修正算法實(shí)現(xiàn)
    3.5 基于OpenXC的加速度估計(jì)算法測(cè)試
        3.5.1 OpenXC數(shù)據(jù)采集平臺(tái)簡(jiǎn)介
        3.5.2 實(shí)車實(shí)驗(yàn)平臺(tái)搭建
        3.5.3 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
4 汽車行駛速度估計(jì)及累計(jì)誤差修正方法
    4.1 引言
    4.2 汽車行駛速度估計(jì)及累計(jì)誤差分析
        4.2.1 汽車行駛速度估計(jì)方法
        4.2.2 速度累計(jì)誤差分析
    4.3 基于參考點(diǎn)的速度修正方法
        4.3.1 停止點(diǎn)修正
        4.3.2 轉(zhuǎn)彎點(diǎn)修正
    4.4 基于GPS的速度修正方法
    4.5 速度累積誤差修正方法
        4.5.1 離線修正算法
        4.5.2 實(shí)時(shí)修正算法
    4.6 實(shí)驗(yàn)測(cè)試與分析
    4.7 本章小結(jié)
5 考慮道路坡度的汽車行駛油耗估計(jì)方法
    5.1 引言
    5.2 道路坡度對(duì)車輛行駛油耗的影響分析
        5.2.1 CarSim仿真平臺(tái)簡(jiǎn)介
        5.2.2 仿真實(shí)驗(yàn)設(shè)置與結(jié)果分析
    5.3 考慮道路坡度的PB油耗模型建立
        5.3.1 汽車行駛過(guò)程中的受力分析
        5.3.2 汽車發(fā)動(dòng)機(jī)功率估算
        5.3.3 汽車發(fā)動(dòng)機(jī)功率與油耗的關(guān)系模型
    5.4 基于移動(dòng)終端的油耗估計(jì)模型
        5.4.1 最小二乘估計(jì)算法
        5.4.2 油耗估計(jì)算法實(shí)現(xiàn)
    5.5 實(shí)驗(yàn)測(cè)試與分析
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄
    A.作者在攻讀碩士學(xué)位期間公開(kāi)的發(fā)明專利
    B.作者在攻讀碩士學(xué)位期間參與的科研項(xiàng)目
    C.學(xué)位論文數(shù)據(jù)集
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于車載手機(jī)數(shù)據(jù)深度特征的駕駛行為識(shí)別[J]. 胡松,吳仲城,張俊.  計(jì)算機(jī)應(yīng)用與軟件. 2019(01)
[2]基于移動(dòng)端的車輛運(yùn)行狀態(tài)檢測(cè)系統(tǒng)研究[J]. 張浩,張紅衛(wèi),鄭雪蓮.  汽車實(shí)用技術(shù). 2017(12)
[3]基于Android端的慣性導(dǎo)航算法研究[J]. 徐鼎,孟坤,李尚同.  軟件導(dǎo)刊. 2017(04)
[4]基于決策樹(shù)C4.5算法的個(gè)人駕駛行為分析[J]. 劉凱利,李晉宏.  軟件. 2016(06)
[5]基于改進(jìn)的擴(kuò)展卡爾曼濾波在GPS測(cè)速中的應(yīng)用[J]. 馮雪麗,顏伏伍,胡杰.  現(xiàn)代電子技術(shù). 2016(08)
[6]手機(jī)內(nèi)置加速度傳感器數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換算法[J]. 趙宏,郭立淥.  計(jì)算機(jī)應(yīng)用. 2016(02)
[7]智能手機(jī)車輛異常駕駛行為檢測(cè)方法[J]. 周后飛,劉華平,石紅星.  智能系統(tǒng)學(xué)報(bào). 2016(03)
[8]基于VSP與基于LN（TAD）的道路油耗微觀模型比較[J]. 趙琦,于雷,宋國(guó)華.  系統(tǒng)仿真學(xué)報(bào). 2015(11)
[9]基于智能手機(jī)精確車輛速度估算研究[J]. 馬春梅,戴錫笠,劉念伯,龔海剛,劉明.  計(jì)算機(jī)應(yīng)用研究. 2016(05)
[10]基于駕駛行為的汽車節(jié)油提醒系統(tǒng)的應(yīng)用[J]. 楊東風(fēng),王宜海.  汽車實(shí)用技術(shù). 2015(04)

博士論文
[1]城市交通系統(tǒng)汽車燃油消耗研究[D]. 項(xiàng)喬君.東南大學(xué) 2000

碩士論文
[1]基于手機(jī)傳感器的車輛行駛狀態(tài)分析[D]. 王果松.北京理工大學(xué) 2016
[2]一維離散數(shù)據(jù)的卡爾曼濾波模型的參數(shù)估計(jì)及自適應(yīng)濾波算法的改進(jìn)[D]. 袁志勇.南京理工大學(xué) 2015
[3]基于加速度傳感器的運(yùn)動(dòng)物體軌跡檢測(cè)系統(tǒng)的研究[D]. 任明泉.南京郵電大學(xué) 2013
[4]綠色駕駛行為模型及關(guān)鍵技術(shù)研究[D]. 王震雨.大連海事大學(xué) 2012
[5]輕型商用汽車經(jīng)濟(jì)行駛模式研究[D]. 王謙.長(zhǎng)安大學(xué) 2011



本文編號(hào)：3205890