本文以一維的車輛隊列為研究對象,建立了一種服務(wù)于隊列的分析和控制的通用型車輛隊列的模型框架;提出了一種自適應(yīng)的分布式電動汽車平面運動能量優(yōu)化控制策略;提出了一種自適應(yīng)的電動汽車能量管理與行駛策略;搭建具有通用性以及算法可移植性的控制平臺,為實現(xiàn)實車的多車協(xié)同控制打下基礎(chǔ)。本文主要工作內(nèi)容包括以下幾個方面:（1）將車輛隊列視為一種特殊的一維的Multi-agent系統(tǒng)�；诨驹氐年犃袠�(gòu)架將隊列分解車輛動力學(xué)模型、車間通信結(jié)構(gòu)、車輛間距三個基本元素。利用反饋線性化的方法將具有強非線性特征的車輛節(jié)點模型轉(zhuǎn)化為線形模型進(jìn)行分析;使用圖論有效地將隊列中車輛間信息交互的拓?fù)浣Y(jié)構(gòu)用矩陣的形式表達(dá)出來。通過這樣解耦的方式,建立了車輛隊列的通用模型。（2）基于分布式直驅(qū)電動汽車動力學(xué)模型,提出了一種分層的控制框架,上層控制器主要負(fù)責(zé)車輛常規(guī)的軌跡跟蹤控制,并根據(jù)控制分配理論,定義了上層滑�？刂扑敵龅奶摂M控制變量與下層實際控制輸入之間的線性映射關(guān)系;下層則采用自適應(yīng)能量優(yōu)化控制策略,基于電機工作效率,在滿足車輛動力學(xué)要求的前提下重新分配了四個電機的力矩,達(dá)到能量優(yōu)化的效果。（3）基于分布式直驅(qū)電動汽... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

車輛隊列的道路實車試驗

(c) Energy ITS 項目[8](d) GCDC 項目[9]圖 1-2 車輛隊列的道路實車試驗控制研究中，目前最常用、最主流的方式是：減小阻的方式降低能耗[24]。早在 PATH 項目，文獻(xiàn)[2氣阻力是車輛間距和隊列中車輛數(shù)的函數(shù)，隊列的這一結(jié)論為車輛隊列從隊列構(gòu)型的角度實現(xiàn)節(jié)能策略僅僅考慮了風(fēng)阻對于車輛能耗的影響，卻并未量管理的策略。事實上，隊列節(jié)能控制的基礎(chǔ)和關(guān)量優(yōu)化與整個動力學(xué)系統(tǒng)的協(xié)同。目前，單車能量步深入，但將兩者結(jié)合起來考慮的相關(guān)研究工作

第四章 基于隊列約束的電動汽車能量管理與行駛策略應(yīng)關(guān)系。和公式(4.14)相比，公式(4.21)中有兩個另外的約束：車輛的加速度 a ( k )。研究方便，我們選定了南京東南大學(xué)九龍湖校區(qū)附近的一個真實的道仿真。圖 4-7 為谷歌地圖中這段路的形狀、樣貌及位置，整個路程連校園形成一個矩形，實際路程大約長 3km。選定道路上所有采樣點拔高度的數(shù)據(jù)都可以從地理信息系統(tǒng)（GIS）中獲取。插值處理，將上述信息轉(zhuǎn)換為實際道路上的任意位置的海拔高度和行數(shù)，如圖 4-8 所示。盡管選定的路段是這樣一個封閉的矩形，卻并不管理與行駛策略的應(yīng)用。為了更好地表現(xiàn)仿真的結(jié)果，我們用五點三離之間的函數(shù)進(jìn)行了平滑處理。如圖 4-8 所示，使用五點三次平滑算高度與行駛的距離之間的函數(shù)曲線更加平滑，更加符合實際的路況

【參考文獻(xiàn)】：
期刊論文
[1]群體動力學(xué)與協(xié)調(diào)控制研究中的若干問題[J]. 楚天廣,楊正東,鄧魁英,王龍,謝廣明.  控制理論與應(yīng)用. 2010(01)

博士論文
[1]分布式驅(qū)動電動汽車制動系統(tǒng)關(guān)鍵技術(shù)研究[D]. 張雷.清華大學(xué) 2015
[2]車隊協(xié)同駕駛分散變結(jié)構(gòu)建模、仿真與控制研究[D]. 馬育林.武漢理工大學(xué) 2012

碩士論文
[1]基于單目視頻流的前方車輛檢測與識別[D]. 劉寧.吉林大學(xué) 2017
[2]基于四元素構(gòu)架的車輛隊列動力學(xué)建模與分布式控制[D]. 鄭洋.清華大學(xué) 2015
[3]基于模型預(yù)測控制的無人駕駛車輛軌跡跟蹤控制算法研究[D]. 孫銀健.北京理工大學(xué) 2015
[4]基于路況信息的混合動力汽車控制策略研究[D]. 付永恒.北京交通大學(xué) 2011



本文編號：3348472