机械工程学报

作者：高凯, 罗攀, 谢进, 胡林, 陈彬, 杜荣华

单位：1. 长沙理工大学汽车与机械工程学院 长沙 410114;2. 长沙理工大学智能道路与车路协同湖南省重点实验室 长沙 410114

关键词：能量管理,速度轮廓预测,数据融合,驾驶意图,激光雷达；

基金：国家杰出青年科学基金(52325211)、中瑞国际合作(52211530054)、湖南省教育厅科学研究重点(21A0193)、长沙理工大学智能道路与车路协同湖南省重点实验室开放基金(kfj190701)和湖南省研究生科研创新(QL20230207)资助项目。

能量管理策略(Energy management strategy, EMS)可优化不同场景下混合动力汽车(Hybrid electric vehicles, HEV)的能量消耗，降低排放，提高燃油经济性。优化的关键之一是汽车速度轮廓的预测：预测未来区间的速度轮廓，进而计算需求功率，优化发动机和电动机的功率分配。因此提出一种融合驾驶行为和激光雷达数据的车辆速度轮廓智能预测方法，可应用于满足驾驶意愿的装备激光雷达的混合动力车辆能量优化。首先，构建一个基于门控循环单元(Gated recurrent unit, GRU)网络的驾驶意图识别模型，以从车辆状态中识别驾驶员的驾驶意图，实时考虑驾驶员的驾驶需求。其次，在智能车辆和传统车辆混行的交通场景中，依赖于车辆通信的速度轮廓预测方法可能不可用，研究的交通流速度由车辆上配备的激光雷达估计。算法采用联合概率数据关联跟踪器和交互多模型方法，实时得到前方车辆相对本车的速度，无需道路、工况等先验知识。最后，融合驾驶意图和前方车辆相对本车的速度，预测未来1 s内驾驶员期望的速度曲线。试验结果表明，GRU模型训练的准确率在85%～95%，识别的准确率可达到88%，可有效的识别驾驶员的驾驶意图。提出的方法具有良好的测速精度。预测的速度和实际速度的差距在较小范围内，可用于EMS中，进而为动力电池管理系统(Battery management strategy, BMS)合理控制动力电池的能量输出提供依据。

来源：2024年第6期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第6期