基于多傳感器信息融合的行駛工況判別技術研究.pdf

1、隨著汽車工業(yè)的發(fā)展，機動車保有量的增加，能源問題和污染問題已經(jīng)成為當今社會關注的主題，如何發(fā)展新能源和如何有效利用現(xiàn)有能源已經(jīng)成為問題的關鍵。新能源汽車被認為是未來發(fā)展的方向，而混合動力汽車則是從燃油汽車向新能源汽車過渡的產(chǎn)品，在很長的一段時間內混合動力汽車都會是解決能源問題和污染問題的主要途徑。
　　開發(fā)基于混合動力的行駛工況和判別技術，是混合動力汽車開發(fā)的基礎。更好的行駛工況判別技術，有利于開發(fā)出更優(yōu)秀的能量管理策略，有利于提

2、高汽車的燃油利用率，有利于減少污染物的排放，并且提高車輛的安全和舒適性。本文以開發(fā)高效混合動力汽車為目標，借鑒了先進的汽車行駛工況分析方法，采用多傳感器信息融合技術進行數(shù)據(jù)采集和特征參數(shù)提取，構建了4種基本的行駛工況，應用BP神經(jīng)網(wǎng)絡技術和SOM自組織映射神經(jīng)網(wǎng)絡技術進行了行駛工況的判別，使車輛時刻監(jiān)控自己所處的環(huán)境。
　　本文首先在分析研究國內外行駛工況現(xiàn)狀的基礎上，對本市的行駛工況進行了試驗規(guī)劃，應用多傳感器技術進行了數(shù)據(jù)采集

3、，并進行了分析。將城市的行駛工況分成四類，分別是市內擁堵、市內暢通、郊區(qū)工況和高速工況。
　　然后應用Kruskal-Wallis單因素方差分析方法和相關性分析方法，對行駛工況的參數(shù)特征進行分析，最終選取了平均車速、平均正加速度、油門踏板平均開度、平均檔位和怠速時間比例5個特征參數(shù)，作為行駛工況判別的評價標準。
　　最后，建立了BP神經(jīng)網(wǎng)絡工況判別模型和SOM自組織映射網(wǎng)絡工況判別模型。將各類行駛工況的訓練樣本對網(wǎng)絡模型進行