【摘 要】
：
提出了一种智能网联混合动力汽车队列的模型预测分层控制方法,有效提高了队列的安全性、燃油经济性和乘坐舒适性。首先,建立了可准确表征智能网联混合动力汽车队列行驶中多过
【机 构】
：
厦门大学航空航天学院,厦门大学深圳研究院,清华大学车辆与运载学院
【基金项目】
：
国家重点研发计划(2016YFB0100900),深圳市科技计划基础研究(JCYJ20180306172720364),中央高校基本科研业务费专项资金(20720190015)资助
论文部分内容阅读
提出了一种智能网联混合动力汽车队列的模型预测分层控制方法,有效提高了队列的安全性、燃油经济性和乘坐舒适性。首先,建立了可准确表征智能网联混合动力汽车队列行驶中多过程耦合特性的动力学模型。然后,针对智能网联混合动力汽车队列系统的非线性和混杂特征,构建了智能网联混合动力汽车队列的模型预测分层控制构架。上层控制器利用所建立的基于反馈校正的鲁棒预测模型,消除由于参数误差或车辆动态特性变化引起的模型失配现象,增强预测模型的准确性和鲁棒性,进而实现安全性、经济性和舒适性多目标协调控制和智能网联混合动力汽车队列期望加速
其他文献
鸿鹤化工是四川省集联碱、氯碱、有机、无机为一体的综合性大型化工企业。公司主导产品有鹤牌碳酸钠、氯化铵、氢氧化钠、碳酸氢钠、一氯甲烷、二氯甲烷、三氯甲烷、四氯化碳
2017年8月8日九寨沟Ms7.0级地震触发了千余处同震地质灾害。2018年雨季后,九寨沟震区部分同震灾害复活且引发了众多新生灾害,给九寨沟震后重建与生态恢复工作带来新的威胁。
为有效对数据解码后的多候选结果准确提取,需要对数据解码后的多候选结果特征项进行分类提取。但当前方法对多候选结果提取时,无法得到准确的结果。为解决上述问题,提出一种基于半监督学习的数据解码多候选结果准确提取方法。方法采用非线性方法将半监督判定分析运用到数据特征提取当中,在利用已知类别和未知类别对数据解码多候选结果数据进行模型参数训练和学习,将学习后的数据解码多候选结果数据参数模型进行特征提取,根据得
复杂地质条件下深埋长隧洞施工时,不良地质风险是影响工程建设安全、进度、质量与投资的最大风险,应对不当往往会造成工期、投资的失控,严重时还会出现重大安全事故,造成生命财产损失等诸多负面影响。通过对以往工程经验和教训的总结,按照将风险控制提前的思路建立了深埋长隧洞不良地质风险应对体系。该体系立足于勘察设计角度,分总体规避、综合勘察、设计分析和风险控制4个层级。以滇中引水工程香炉山隧洞为例,通过执行该体