考虑驾驶风格的混合动力汽车队列速度优化研究

发布时间：2020-04-02 08:26

【摘要】：城市工况下,不同路口交通信号灯相位和正时(Signal Phase and Time,SPaT)信息的变化使车辆存在频繁的加减速和停车,不仅影响道路的通行效率,同时也会增加车辆的油耗和排放,使环境污染、交通拥堵等问题日益严重。车联网的发展为解决这些问题提供了条件,将车联网环境下优化的车速作为参考车速,提供给驾驶员实现车辆生态驾驶,可有效提高车辆燃油经济性和道路通行效率。目前相关研究大多针对传统车,忽略了混合动力汽车在节能和续航里程等方面的综合优势及其能量管理带来的潜力,并且针对不同驾驶员对参考车速的适应性研究也有所欠缺,此外,车联网环境下车辆不再是交通系统中孤立的个体,可将一区域内的车辆作为整体进行研究。因此,本文针对信号灯道路上的混合动力汽车队列,研究车联网环境下考虑驾驶风格的速度优化。首先,构建了混合动力汽车整车及能量管理系统模型。确定了混合动力汽车的研究结构,进行了混合动力系统的工作模式划分和分析,利用杠杆法对耦合机构在不同工作模式下的动力学特性进行了分析,并在Matlab/Simulink中采用前向建模法建立了混合动力汽车整车模型以及基于规则的发动机最优工作曲线控制策略,为后续研究提供基础。其次,完成了对不同风格驾驶员的驾驶特性分析。基于驾驶模拟实验采集的驾驶员驾驶数据,借助主成分分析和K-means聚类法将驾驶员的驾驶风格分成激进型、正常型和保守型三类。通过驾驶员在驾驶模拟器上的跟车实验进行驾驶特性分析,得到了不同驾驶风格对应的驾驶风格系数,作为参考车速求解的依据。进一步提出了基于支持向量机的驾驶风格识别方法,实现了对不同驾驶员驾驶风格的识别。再次,建立了道路场景模型以及基于实验数据的混合动力汽车油耗模型,提出了混合动力车队的速度优化方法,包括初始目标车速求解和最终目标车速求解。初始目标车速基于信号灯等交通信息求解,实现了绿灯通行和通行效率最大化,在此基础上,进一步考虑燃油经济性、驾驶风格、安全性等因素,构建多目标优化问题并利用粒子群算法求解最终目标车速,实现了混合动力汽车队列的速度优化。最后,为了验证本文速度优化算法的效果,设计仿真场景及参数,基于Matlab/Simulink环境开展了仿真测试研究。将本文速度优化方法与普通环境下未对速度优化的吉普斯跟车模型进行对比,将车辆实际加速度与驾驶风格对应的期望加速度进行对比。结果表明,本文速度优化方法能使车辆避开红灯,在确保行驶安全的同时,能够降低车队16.7%左右的油耗,减少车队4.9%左右的通行时间,而且能满足不同风格驾驶员的适应性。
【图文】：

考虑驾驶风格的混合动力汽车队列速度优化研究-win/Road 软件，是 FORUM8 公司于 2008 年推出的三维虚通环境建模、城市规划设计等。该软件有丰富的二维数据库，在设计道路交通环境时可以设置建筑物、河流、道路标识甚至天气、时间等，所以完全可以按照真实环境进行设计，，动。

交通环境Fig.3.2Trafficenvironment
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U495

【相似文献】

相关期刊论文 前10条

1 陈建新;崔广才;;基于改进粒子群算法的函数优化研究[J];电脑迷;2018年01期

2 周慧;;基于粒子群算法的最优值求解[J];科技广场;2017年12期

3 吴丰;郭晓娟;;基于混合粒子群算法的船舶稳定性分析[J];舰船科学技术;2018年14期

4 邓广彪;;改进的粒子群算法在云计算下的数据挖掘中的研究[J];科技通报;2017年04期

5 张钊旭;王志杰;李建辰;王贵奇;许军;杨进候;;一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J];水下无人系统学报;2017年03期

6 朱俚治;王兴虎;;试谈粒子群算法[J];电脑编程技巧与维护;2017年11期

7 朱宝;;基于改进粒子群算法的盾构掘进施工优化研究[J];辽宁科技学院学报;2017年03期

8 袁正午;李君琪;;基于改进粒子群算法的云资源调度[J];计算机工程与设计;2016年02期

9 江嘉伟;毋文峰;;一种改进的粒子群算法[J];电脑编程技巧与维护;2016年06期

10 张卫明;周庆忠;黎武;;基于改进粒子群算法的野战油库选址优化[J];兵器装备工程学报;2016年08期

相关会议论文 前10条

1 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

3 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年

6 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年

7 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集（上册）[C];2013年

8 王莹;盛四清;;基于改进粒子群算法的电压薄弱区域恢复[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

9 孟繁敏;杨彬;张其林;;改进的粒子群算法在钢框架截面优化中的应用[A];第十三届全国现代结构工程学术研讨会论文集[C];2013年

10 孔宪仁;秦玉灵;罗文波;;带飞行因子的粒子群算法的铝蜂窝板模型修正[A];结构及多学科优化工程应用与理论研讨会’2009（CSMO-2009）论文集[C];2009年

相关博士学位论文 前10条

1 刘天宇;基于协作学习和文化进化机制的量子粒子群算法及应用研究[D];西安电子科技大学;2017年

2 孟丽;粒子群算法及其在分数阶系统辨识中的应用研究[D];华北电力大学(北京);2016年

3 韩佳伟;多层级苹果预冷过程模拟及预冷控制决策优化[D];北京工业大学;2018年

4 钟继如;基于混合粒子群算法的小冲杆试验预测材料强度的研究[D];华东理工大学;2019年

5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年

6 王芳;粒子群算法的研究[D];西南大学;2006年

7 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

8 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

9 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年

10 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

相关硕士学位论文 前10条

1 崔权龙;基于意外流行决策的粒子群算法研究[D];吉林大学;2019年

2 赵艺;基于粒子群算法的超导瞬变电磁极化效应多参数提取[D];吉林大学;2019年

3 武海妮;改进的粒子群算法在求解非线性方程组中的应用[D];延安大学;2019年

4 余铖铨;考虑驾驶风格的混合动力汽车队列速度优化研究[D];江苏大学;2019年

5 熊龙飞;基于CEEMDAN与粒子群算法的旋转机械故障诊断研究[D];南京农业大学;2017年

6 李东;改进粒子群算法及结构优化设计应用研究[D];浙江工业大学;2018年

7 曹宁;粒子群算法在参数化BIM模型优化中的应用研究[D];天津大学;2018年

8 李莎;风光微燃机多能互补发电系统优化设计与仿真[D];浙江工业大学;2018年

9 刘紫丹;基于粒子群算法和人工势场法的AGV路径规划研究与应用[D];深圳大学;2018年

10 李国庆;面向复杂多模态多目标优化问题的粒子群算法研究[D];郑州轻工业大学;2019年

本文编号：2611703