【技术实现步骤摘要】
一种融合驾驶员偏好的纯电动汽车驾驶辅助系统优化方法
本专利技术涉及汽车驾驶辅助系统
，特别是一种融合驾驶员偏好的纯电动汽车驾驶辅助系统优化方法。
技术介绍
在节能减排的理念在全球活跃的近几年，能源消耗和二氧化碳排放依然持续增长，面对新的经济和生态问题,道路交通部门已开展各项行动以提高行驶车辆的燃油经济性和降低其排放,这其中包括更严格的汽车排放标准(例如6欧元/VI标准),新的发动机和车辆技术(如混合动力/电动汽车等新能源汽车),更好的燃油质量和可再生燃料(如高辛烷值汽油和生物燃料)。尤其是纯电动汽车，因其零排放，噪音低，零油耗的特点受到广泛的关注。然而“里程焦虑”一直是其让消费者望而却步的因素之一，所以提高纯电动汽车的经济性有利于其普及。就提高纯电动汽车的经济性而言，除了其硬件技术的提升外，改变驾驶行为可以显著影响车辆的能耗。已有研究表明，驾驶员对汽车的性能有着十分重要的影响。即：无论车辆的硬件多么先进、能源多么高效，如果驾驶员操作不当或者驾驶员具有不良的驾驶行为，那么最终获得的节能效果将是次优的，从而无法发挥...
【技术保护点】
1.一种融合驾驶员偏好的纯电动汽车驾驶辅助系统优化方法，其特征在于：/n包括以下步骤：/n步骤S1：输入车辆属性数据，并设置目标车速；/n步骤S2：将加速时间最少，能量消耗最小，乘坐舒适性最佳即冲击度最小作为非优势排序的遗传算法NSGA-II的优化目标；依据上述优化目标，采用NSGA-II算法，结合仿真实验，对决策变量加速度a进行优化求解，获得Pareto非支配解集；/n步骤S3：从所述Pareto非支配解集按照不同优化目选取的四组解，并将对应的决策变量加速度a分别拟合曲线供驾驶员选择；通过当前速度插值出决策变量a，用以为驾驶员提供优化的加速度值，从而使汽车能够加速到目标车速。/n
【技术特征摘要】
1.一种融合驾驶员偏好的纯电动汽车驾驶辅助系统优化方法，其特征在于：
包括以下步骤：
步骤S1：输入车辆属性数据，并设置目标车速；
步骤S2：将加速时间最少，能量消耗最小，乘坐舒适性最佳即冲击度最小作为非优势排序的遗传算法NSGA-II的优化目标；依据上述优化目标，采用NSGA-II算法，结合仿真实验，对决策变量加速度a进行优化求解，获得Pareto非支配解集；
步骤S3：从所述Pareto非支配解集按照不同优化目选取的四组解，并将对应的决策变量加速度a分别拟合曲线供驾驶员选择；通过当前速度插值出决策变量a，用以为驾驶员提供优化的加速度值，从而使汽车能够加速到目标车速。
2.根据权利要求1所述的一种融合驾驶员偏好的纯电动汽车驾驶辅助系统优化方法，其特征在于：步骤S1中所述车辆属性数据包括动力部件参数、牵引特性和电池特性。
3.根据权利要求1所述的一种融合驾驶员偏好的纯电动汽车驾驶辅助系统优化方法，其特征在于：所述步骤S2具体包括以下步骤：
步骤S21：构建目标函数：选择加速度a作为决策变量，将加速时间最少，能量消耗最小，乘坐舒适性最佳作为优化目标；
选取加速度a作为决策变量，将加速度的最大数目设定为10，并对加速度的大小进行约束，具体如式(1)所示：
此外，当ai为0时，表示ai在加速过程中并没有被采用；这也表明加速过程中所采用的加速度的数目能够比10小；在实际加速过程中，加速度的值随速度的变化而变化；在加速初始阶段，所采用的加速度值ai最大,0≤ai≤3，随着速度的增加，加速值会逐渐减小；因此，根据目标速度值vtarget来设置决策变量a；具体设置过程如下：将vtarget均分为10个间隔，在每个间隔设置一个加速度值；其数学模型如式(2)所示：
将整个加速过程消耗的总能量定义为目标f1(a)，f1(a)的数学模型如式(3)所示：
式中：μt为仿真步长；Pi为每一步所对应的电池功率，η为传动效率，ηm为电机效率，Ti，ni分别为每步对应的电池放电效率、电机转矩和转速；
将整个加速过程的乘坐舒适性定义为目标f2(a)，其数值上等于冲击度绝对值之和；f2(a)的数学模型如式(4)所示：
式中：ji为每一步所对应的冲击度；
将整个加速过程的所花费的时间定义为目标f3(a)；f3(a)的数学模型如式(5)所示
f3(a)＝m·μt
(5)
该多目标优化问题的目标函数表示如下：
步骤S22：获取Pareto非支配解集：在Matlab/Simulink仿真平台上建立多目标优化仿真模型即公式(6)，运行仿真，通过公式(3)，(4)，(5)的加速时间、能耗、冲击度数学模型计算得到个体适应度值，然后采用多目标算法NSGA-II,获取P...
【专利技术属性】
技术研发人员：林歆悠，伍家鋆，王召瑞，张光吉，周斌豪，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。