针对自动泊车系统中路径规划的安全性、实时性和可行性问题,本文提出一种基于混合动作空间约束强化学习的泊车路径规划算法。具体地,该算法利用混合动作空间强化学习框架将离散动作和连续参数相结合实现参数化轨迹规划,提高了规划路径的可执行性;在此基础上设计一种混合动作空间的约束强化学习算法实现安全策略优化,确保了泊车路径的安全性。此外,在模型训练过程中引入课程学习机制逐步引导策略探索,增强了模型训练稳定性和收敛速度。最后,在垂直车位和平行车位进行广泛的对比和消融实验,实验结果表明所提出的泊车路径规划算法在成功率、安全性和实时性等指标上均表现出色,且综合性能明显优于现有基线算法。

建立一个高预测精度的统计能量模型以预测车内风噪声响应需要花费大量时间成本。本文提出一种基于参数辨识快速构建车辆风噪等效统计能量模型的方法,以在简化建模过程的同时保证预测精度。根据车身结构建立乘员舱初始统计能量模型,将侧窗表面压力脉动激励和风洞实测响应分别作为模型的输入和输出,使用灰狼优化算法辨识模型的声腔参数,得到逼近真实风噪响应特性的等效模型。以某样车为例,使用等效统计能量模型预测不同造型方案下的乘员舱风噪声响应,总声压级预测误差的平均值为1.47%,频谱的均方根误差为1.23 dB。结果表明:等效模型可以准确预测不同造型方案的车内风噪声响应,从而减少风洞试验的次数,具有较高的工程应用价值。

道路交通事故中,车辆正面碰撞与侧面碰撞所导致的头部伤害结果存在显著差异,这主要是由于撞击位置不同所致。为深入探讨不同撞击强度下头部撞击位置对伤害程度的具体影响,采用大鼠为实验对象实施了针对颅顶和颞叶部位的撞击实验。依据L₄(2³)正交表建立实验方案,综合考虑了撞击强度和撞击位置两个变量,利用BIMIV型大鼠头部撞击机致伤大鼠。通过伤后大鼠的行为表现及关键脑区的病理学检测结果,系统评估撞击因素及其水平对TBI的伤害影响。实验结果显示,撞击强度是决定头部损伤程度的主导因素,但撞击位置的影响不容忽视。在相同的撞击强度下,相较于颞叶撞击,颅顶撞击更易引发大鼠的昏迷、运动与记忆功能障碍以及焦虑行为。此外,颅顶撞击所导致的病理学损伤高于颞叶撞击的非冲击侧,但低于冲击侧。行为表现与病理学结果的线性拟合分析表明,大鼠脑损伤后的行为变化与病理学检测结果较小的一侧更为吻合。本研究成果对于深入理解头部伤害机制、制定科学的伤害评价准则以及构建有效的防护策略具有重要的意义。

双电机耦合驱动是履带车辆机电复合传动系统(electromechanical transmission, EMT)的常见构型,其具备输入输出耦合、传递功率高以及负载多变等特点。目前,大多数EMT扭转振动控制策略主要针对双侧激励对称工况进行设计,但该工况与实际存在较大偏差。为改善其在非对称激励下的扭转振动,首先建立该系统扭转振动模型,探究了在非对称激励下EMT双侧的振动能量耦合效应及其对系统动态行为的影响机制,并提出一种基于双回路反馈的干扰补偿方法,建立了面向非对称激励的EMT扭振抑制策略。经验证,该策略可较好抑制在该激励下的EMT扭振。

整车质量对车辆动力控制系统和安全控制系统而言是一个重要参数,尤其是对于重型货车。在车辆纵向动力学模型的基础上,本文提出一种依据车辆运行工况对整车质量进行估计的方法。首先,在加速工况下,通过CAN总线获取发动机转矩和纵向加速度,利用卡尔曼滤波算法(KF)对整车质量进行估计。然后,再利用所估计的质量识别未知参数。在匀速工况下,基于所识别的未知参数和车辆动力学模型进行整车质量估计。通过TruckSim/Simulink 构建估计器开展联合仿真,验证了该方法的有效性。经实车测试,结果表明在不同工况下,该方法能够较为准确地估计整车质量。

针对纯电动商用车转向助力油泵应用中的永磁同步电机瞬态响应不足的难题,提出一种基于级联扩张状态观测器的转速环优化策略。设计了扩展卡尔曼滤波器作为无位置传感器控制基础,自适应设计避免了参数整定复杂、收敛速度慢的问题。通过内外扰动的级联观测,并采用线性反馈控制率替代传统PI控制器,提升了转速环的抗扰和跟踪能力。台架实验表明,本文所提无传感器控制架构在动态和稳态工况下显著降低了位置估计误差,稳态误差仅为1.4°;优化的转速环控制有效提升了系统抗扰能力和电机瞬态响应性能。实车可靠性测试显示,转向助力电机控制器运行稳定,无性能故障发生。

为适应车用高速电机高功率密度和极端工况下的高热负荷,目前电机冷却多采用直接接触式油冷散热方式,建立一个适合热控制方法研究的电机油温模型十分必要。现有方法主要基于有限元仿真标定,无法满足实时应用需求,而复杂油水换热回路的多物理场耦合使油温在线重构困难。本文提出了一种强化时序循环过程并考虑强自相关性的2阶集总参数油温模型。根据标定建立油路单元模型,并基于台架实测确定电机损耗响应。提出采用时序卷积方法描述换热过程,建立高低油温耦合的循环动态递推模型,并引入油温敏感参数提升工况适应能力,解决了流道内油温分布描述难题。最终通过路谱工况在线验证了模型的准确性,油冷液温度平均绝对估计误差在1℃以内,可支撑电机精细化热管理。

针对自动驾驶汽车所应用的时空分离轨迹规划方法易导致车辆灵活性不足,甚至无法在复杂工况下规划出可行轨迹,而现有时空联合轨迹规划方法难以满足结构化道路应用要求的问题,本文提出了一种基于动态规划与数值优化算法的时空联合规划方法。首先,在Frenet坐标系下使用动态规划算法生成时空耦合粗轨迹,过程中采用确定性采样法进行子节点拓展。然后,以粗轨迹为参考在笛卡尔坐标系下构建可行驶时空走廊,建立NMPC优化模型求解最终轨迹。最后,通过仿真验证算法有效性,结果表明,所提出的方法对结构化道路的适应性良好,相较于其他时空联合轨迹规划算法,能够更好地平衡通行效率、轨迹舒适性、算法实时性的要求。

电动公交车的动力系统及能耗特性与传统内燃机公交车存在显著差异,传统公交车的节能驾驶策略并不完全适用于电动公交车。本文综合考虑电动公交车经过信号交叉口时的信号配时、前车信息能耗特性和乘客舒适性,提出一种基于能耗预测的网联电动公交车生态驾驶深度强化学习模型。首先,采集纯电动公交车自然驾驶数据,考虑电动公交车的制动能量回收特性,利用车辆动力学建立能耗基本模型,构建系统辨识模型对能耗基本模型中的未知参数进行辨识和估计;其次,剖析车辆进出信号交叉口时不同信号相位对速度模式的影响,确定能够精确描述交通环境信息的状态变量,以构建的能耗模型为基础,综合考虑安全、效率、节能和舒适性构建奖励函数,基于SAC(soft actor critic)算法构建电动公交车进出信号交叉口的生态驾驶策略优化模型;最后,将本文构建的生态驾驶策略与经典交叉口通行策略GLOSA进行对比验证。结果表明,本文提出的生态驾驶策略在划分的4种交通情境下均可保证车辆的安全性,在通行时间平均仅增长7.29%的情况下,舒适性平均提高21.96%,能耗平均降低24.47%。

在混合交通环境中,准确预测周边车辆轨迹对自动驾驶汽车安全至关重要。然而,现有技术在长时预测方面仍存在精度低和计算量大的问题。本文提出了一种结合意图概率的时空交互稀疏注意力模型,通过高效的编码解码结构进行轨迹预测。模型首先构建位置掩码矩阵提取历史轨迹中的位置信息,利用稀疏注意力机制筛选出关键特征,并通过意图行为分析模块提高意图识别的准确率。最终将时空特征、位置特征和意图特征融合输入解码器,以多任务学习方式训练模型。试验结果表明,该模型在HighD和NGSIM数据集上相较于当前最优算法,在3~5s长时预测的均方根误差均有降低,显著提升了预测效果。此外,通过实车试验对模型在实际场景中的表现进行验证,进一步展示了其在复杂交通环境中的应用潜力。