《智慧型電動汽車一體化建模與集成控制方法》是依託吉林大學，由鄧偉文擔任項目負責人的聯合基金項目。
基本介紹
- 中文名：智慧型電動汽車一體化建模與集成控制方法
- 項目類別：聯合基金項目
- 項目負責人：鄧偉文
- 依託單位：吉林大學
項目摘要,結題摘要,
項目摘要
針對智慧型電動汽車一體化建模與集成控制的關鍵問題，開展多維非線性車輛動力學、輪胎動力學和失穩動力學的建模與非線性瞬態耦合和失穩機理的研究，建立以行駛安全和整車性能為控制目標的車輛軌跡跟隨與穩定性控制的集成控制方法和動力學控制子系統架構。探索以能量動態轉換過程描述的多能域統一建模方法，建立系統動態能量方程並開展基於動態能量交換的系統耦合機理分析，建立以最小能耗為控制目標、包括動力驅動與電池管理、電子液壓制動與能量回饋制動等在內的集成控制方法和能量管理子系統架構。開展多源感測信息融合的建模與算法研究，開展基於信息融合的車輛與能量狀態估計方法的研究；探索基於能量流、物質流和信息流協同機理、滿足智慧型電動汽車行駛安全、操縱穩定性和能耗經濟性等為控制目標的集成控制架構和集成控制方法。研究包括汽車行駛環境與環境感測模型在內的一體化建模與仿真方法，建立基於模擬仿真軟硬體和實車一體化的測試驗證平台。
結題摘要
針對整車動力學與能量管理系統的複雜耦合和以整車性能及節能最優為目標的耦合系統建模與控制問題，建立了基於車輛動態回響模型的駕駛員意圖識別方法，並提出了基於控制分配與狀態反饋相結合的汽車集成控制方法；通過建立驅動系統、制動系統和轉向系統等在內的各執行器動力學模型，系統地分析並研究了它們的動態特性，據此提出了基於約束最佳化控制分配和輪胎逆模型的執行器控制方法。通過對執行器失效的建模分析，研究了執行器失效對控制系統性能的影響機理，建立了執行器失效影響模型以及基於執行器失效的系統容錯分析方法，並據此提出了基於約束最佳化和過驅動冗餘的容錯控制方法。為獲得更準確的環境感知信息，改進了單源環境感測器計算獲得環境感測信息的質量，並在此基礎上提出基於深度學習技術和層次化協同感知框架的多源感測信息融合算法；通過使用虛擬圖像數據集進行深度學習模型訓練，提出了混合虛擬圖像的訓練方法，解決了深度學習訓練需要大量樣本數據以及人工標註樣本帶來的效率和準確性問題。開展了基於能量轉換的電動汽車建模與控制方法，和以能量最優為目標的多系統耦合電動汽車控制方法的研究，建立了以包括節能和整車動力學性能最優為控制目標的車輛動力學集成控制方法和架構。探索了多系統耦合電動汽車的能量動態轉換機理，建立了系統能量動態轉換模型並對其狀態進行了觀測；提出了基於電池管理系統、電液線控制動系統和電驅動系統的集成和以能量最優為目標的動力學和能量管理的集成控制方法與架構。研究了車輛與能量狀態估計方法，探索了基於能量流並滿足車輛動力學性能和經濟性的集成控制方法。完成了包括車輛動力學建模、高逼真度場景建模、車載相機和雷達感測器建模等在內的、面向智慧型電動汽車集成控制的一體化仿真平台的構建，並在此基礎上建立了對應的軟硬體在環仿真與實車測試驗證平台。
