基于风格识别与工况预测的智能车节能速度优化.pdfVIP

摘要

基于风格识别与工况预测的智能车节能速度优化

随着对多样化的车辆传感信息及智能化的车辆控制系统的研究逐步深入，环境

信息、车辆信息和驾驶操作信息也被进一步引入车辆的节能问题中。车辆节能技术

也从减少发动机油耗向开发新能源燃料发展，从单车行驶节能向多车协同、人车路

协同节能发展。在人-车-路协同节能研究中，将驾驶风格和行车工况信息引入是至

关重要的，借此可以更深入地了解车辆能耗机制，并制定出更加高效的节能措施。

本论文围绕“人-车-路协同节能”中驾驶风格和行车工况对车辆节能性能的影

响展开研究，主要的难点在于它们的量化、分类，为此本课题的主要研究内容如下：

（1）利用虚拟驾驶场景软件进行模型构建，参考长春市实际路况以及公路工

程技术标准，还原7.6千米的城市、高速、郊区的驾驶场景，基于在环驾驶试验平

台进行仿真驾驶数据的采集。通过采集28位不同性别、不同驾龄、不同年龄的驾

驶员行车数据，进行预处理、特征提取与训练推断，构建了表征行车工况与驾驶风

格的特征参数样本库，作为识别模型训练和优化的样本。

（2）选取表征行车工况的样本，利用粒子群优化BP神经网络建立行车工况识

别器；其次利用主成分分析法对表征驾驶风格的特征参数进行优化，提出基于主成

分分析法和自组织映射神经网络的驾驶风格分类算法，在不同工况条件下分别训练

分类模型。将不同工况下的驾驶风格分为激进型、普通型、温和型三类，并结合驾

驶风格评价表对特征数据进行标记；在这个基础上，通过改进粒子群优化支持向量

机关键系数，建立驾驶风格识别模型。

（3）建立关于工况与驾驶风格影响速度优化的权重系数规则，将它用在速度

优化的问题描述中，主要是在目标函数中通过这个权重系数影响驱动力矩、制动力

的大小。设计生态驾驶的速度优化控制器，将驾驶风格和行车工况等信息融入到优

化问题中，通过经济性、安全性两方面约束，利用高斯伪谱法实现对问题的快速求

解。实验表明，本文提出的控制策略既保证了车辆的行驶安全，同时能改善驾驶员

习惯性操作行为带来的多余能耗，提高了电动汽车经济性和舒适性能。

本文研究受国家自然科学基金联合基金项目（项目编号：U1964202）和吉林省

I

科技发展计划自然基金项目（项目编号：20200201062JC）的资助。

关键词：

车辆节能优化，驾驶风格识别，工况预测，粒子群算法，支持向量机，高斯伪

谱法

II

Abstract

IntelligentVehicleEnergySavingSpeedOptimizationBasedonDriving

StyleRecognitionandDrivingCyclePrediction

Withthegradualdeepeningofresearchondiversifiedvehiclesensinginformation

andintelligentvehiclecontrolsystems,environmentalinformation,vehicleinformation,

anddrivingoperationinformationhavebeenfurtherintegratedintotheproblemofvehicle

energyconservation.Vehicleenergy-savingtechnologyhasevolvedfromsimplyreducing

enginefuelconsumptiontodevelopingnewenergysources,andfromsingle-vehicle

drivingenergy-savingtomulti-vehiclecoordinationandhuman-vehicle-roadcoordination.

Inthestudyofhuman-vehicle-roadcollaborativeenergy