近年來,隨著無人駕駛的發(fā)展,汽車四化即電動化、智能化、網(wǎng)聯(lián)化、共享化逐漸成為汽車行業(yè)未來的發(fā)展方向,汽車電子電氣架構必須支撐未來汽車“四化”和車載軟件的快速發(fā)展,為此必須滿足的基本需求包括高計算性能、高通訊帶寬、高功能安全、高信息安全性和軟件持續(xù)更新。然而目前的電子電氣架構存在著計算性能需要提升、通訊帶寬需要提高、軟件需要逐步升級的問題,不能滿足未來智能汽車發(fā)展的需求。智能電動汽車的發(fā)展對于車載電子電氣架構的要求進一步的提升,需要更加合理完善的電子電氣架構對智能電動汽車予以支撐。因此,需要對于目前的傳統(tǒng)汽車的EE架構進行進一步地改進和優(yōu)化。本文首先對Pareto多目標優(yōu)化原理進行深入研究,并將精英控制策略快速非支配排序遺傳算法（Fast and elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ）應用到后期架構模型優(yōu)化的求解中。之后分析三款競標車型寶馬7系、奧迪A8和特斯拉的電子電氣架構網(wǎng)絡拓撲圖,總結三款車型的控制器、駕駛輔助系統(tǒng)控制器、總線協(xié)議并結合L4級標準來確定下一代智能電動汽車的功能需求,然后制定出架構方案,架構方案包... 

【文章來源】：天津職業(yè)技術師范大學天津市

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

圖2-1兩目標的Pareto前沿及可行域通過多目標優(yōu)化問題的描述來評價目標函數(shù)解之間的適應度強弱

天津職業(yè)技術師范大學碩士學位論文10圖2-2多目標進化算法模型遺傳操作主要包括三個遺傳算子:選擇、交叉和變異。以下是對進化過程中各個算子的詳細描述。2.1.4交叉算子交叉的過程是模擬的自然界的生物雜交的過程，從父代種群中隨即選擇兩個個體進行雜件，而交叉算子則是進行基因片段的交叉然后產(chǎn)生子代，交叉算子一般主要包括均勻交叉算子[46]和模擬二進制交叉算子[47]：（1）均勻交叉算子均勻交叉指的是基因交換的概率是相同的，從父代中隨即選擇兩個個體進行雜交，其中、2是父代中的兩個個體，、2為父代兩個個體進行交叉后的子代，為隨機產(chǎn)生的概率模板。（2）模擬二進制交叉算子從種群中選擇兩個個體2和22222，使用模擬二進制交叉產(chǎn)生了兩個子個體2和22222如式2.8和式2.9所示：.52（2.8）2.52（2.9）2如果.52其他情況其中，均勻分布地隨機數(shù)，在每次交叉的過程會隨機產(chǎn)生，和2為父

天津職業(yè)技術師范大學碩士學位論文14圖2-3NSGA-II計算流程圖2.3本章小結本章主要進行了多目標優(yōu)化問題的描述并介紹了相關的多目標進化算法的概念，包括Pareto支配、Pareto最優(yōu)解、Pareto最優(yōu)解集、局部Pareto最優(yōu)解和弱Pareto最優(yōu)解，然后講述了多目標進化算法的模型，并敘述了該進化算法中的各個過程，介紹了三個遺傳算子即選擇、交叉和變異。其中交叉算子中介紹了均勻交叉算子和模擬二進制交叉算子，變異算子中介紹了均勻變異、非均勻變異和多項式變異，環(huán)境選擇中介紹了輪盤賭法、錦標賽選擇法和排序選擇法。通過分析NSGA-II算法的優(yōu)缺點，采用精英策略與動態(tài)擁擠距離排序來改善NSGA-II算法的缺點，其中精英策略可以改善NSGA-II算法的側(cè)向多樣性，動態(tài)擁擠距離排序可以改善種群個體之間分布的均勻性，最后是對本章的概述，本章為后續(xù)算法的使用提供了相應的理論基矗

【參考文獻】：
期刊論文
[1]智能網(wǎng)聯(lián)汽車網(wǎng)絡架構方案研究[J]. 李云海.  智能城市. 2019(19)
[2]基于PREEvision的汽車電子電氣架構設計介紹[J]. 王永輝.  汽車實用技術. 2019(15)
[3]基于新架構的智能汽車整車線束設計研究[J]. 閆新星,李玉慶,李國慶,徐海良.  電腦知識與技術. 2019(22)
[4]智能電動汽車電子電氣架構的設計與優(yōu)化措施[J]. 趙洪林,關志偉,杜峰,李俊凱.  汽車零部件. 2019(06)
[5]改進的分布估計算法求解多目標優(yōu)化問題[J]. 吳燁燁,高尚.  計算機與數(shù)字工程. 2019(06)
[6]基于混合PAES的置信規(guī)則庫推理算法[J]. 傅仰耿,劉莞玲,吳偉昆,李敏,吳英杰.  電子科技大學學報. 2019(02)
[7]電動汽車電氣電子架構設計[J]. 楊偉兵,陳亞麗.  電子技術與軟件工程. 2018(23)
[8]自動駕駛分級方法及測試技術[J]. 石娟,田曉笛,王建培.  汽車工程師. 2018(09)
[9]對標分析在整車設計中的應用[J]. 袁祥,杜忠仁,韓殿清,王征.  重型汽車. 2018(03)
[10]汽車電子電器構架設計及優(yōu)化措施[J]. 陸彥達.  時代汽車. 2018(06)

博士論文
[1]人工免疫算法的優(yōu)化及其關鍵問題研究[D]. 舒萬能.武漢大學 2013

碩士論文
[1]基于遺傳算法的離散多目標優(yōu)化問題研究及其應用[D]. 馬玉泉.蘭州理工大學 2019
[2]基于進化算法的約束多目標優(yōu)化問題研究[D]. 李進.蘭州理工大學 2019
[3]電動汽車CAN總線實時性能研究[D]. 李海龍.吉林大學 2018
[4]基于以太骨干網(wǎng)的域集中式網(wǎng)絡架構設計與驗證[D]. 孟超.吉林大學 2018
[5]帶精英策略的非支配排序遺傳算法優(yōu)化研究[D]. 郭軍.遼寧大學 2017
[6]基于Pareto支配的高維多目標進化算法研究[D]. 韓紅艷.大連理工大學 2016
[7]改進遺傳算法在多目標問題上的應用研究[D]. 郭修豪.重慶師范大學 2016
[8]遺傳算法進化策略的改進研究[D]. 弭寶福.東北農(nóng)業(yè)大學 2014
[9]進化算法在公交調(diào)度中的應用研究[D]. 王玉杰.沈陽工業(yè)大學 2014
[10]汽車線束一體化設計[D]. 陳軼峰.上海交通大學 2012



本文編號：3443606