- 孙波;刘世林;孙超;方乐;
为了提高锂电池荷电状态(State of Charge, SOC)的估计精度,提出一种采用两级核极限学习机(Kernel Extreme Learning Machine, KELM)模型的SOC估计方法。该模型的前后两级分别为SOC预估计模型和误差补偿模型,其内核均采用KELM算法。前一级的SOC预估计模型以电池的工作电压和电流作为输入变量,SOC预估计值作为输出变量;后一级的误差补偿模型以预估计模型的输入和对应的输出作为输入变量,SOC预测误差作为输出变量;然后,采用后一级的误差预测结果对前一级的SOC预估计值进行补偿,得到最终的SOC估计值。为验证该方法的有效性和先进性,分别在锂电池恒流放电工况测试和动态应力测试两种情况下开展了实验研究,对比分析了ELM、KELM和两级KELM三种方法的估计精度。实验结果表明,本文所提的两级KELM模型估计精度有显著提高,最大误差不超过1.36%。
2024年05期 v.39;No.150 1-7页 [查看摘要][在线阅读][下载 1209K] [引用频次:0 ] - 唐杨;王建平;张家高;夏春婷;徐亮亮;
针对在自动驾驶领域中,由于道路场景复杂,目前已有的检测方法存在检测准确率不高,且检测目标单一的问题,提出了一种基于改进YOLOv5s(You Only Look Once version 5)的面向自动驾驶的道路目标检测算法,能够实现车辆、行人、信号灯、交通标志等多个目标的同时检测。首先,在原有模型的基础上,引入EIoU损失函数实现YOLOv5输出端预测框的优化,使收敛速度更快;用YOLOv8的C2f模块替换原模型的C3模块,提高小目标精度;改进YOLOv5的目标检测框架为OTA,在保证检测精度的同时,提升检测速度,降低对设备的要求。然后,在保证以上三者可行的情况下加入单目相机测距,实现目标距离的实时精确跟踪并对危险作出预警。最后,建立数据集并进行数据增强,训练数据集。通过消融试验发现,改进后模型比原模型整体精度提高了2%,各目标训练精度与召回率的概率均达到99%以上,在目标跟踪实验中能够实时地显示距离并对危险作出预警,证明了该方法是可行和有效的。
2024年05期 v.39;No.150 8-16页 [查看摘要][在线阅读][下载 1546K] [引用频次:2 ] - 张红松;邓辉龙;王淮阳;王刚;汪爽;王建彬;
为了提升电池包集成度以及有效能量密度,设计了无模组电池包和对称蛇形流道液冷板结构,同时探究了该电池包的冷却性能。研究结果表明电池包具有很好的冷却性能,能够满足2.0 C放电工况的冷却需求。在中国轻型汽车测试循环(China Light Vehicle Test Cycle, CLTC)工况下小流量运行电池包温差为0.25℃左右。此外,基于该电池包开展了冷却液入口边界以及导热材料对电池包冷却性能影响的分析,研究发现不同放电倍率下的电池包有着不同的最佳入口水温与冷却液质量流量,该电池包导热结构胶最佳热导率为0.9 W/(m·K)。
2024年05期 v.39;No.150 17-25页 [查看摘要][在线阅读][下载 2409K] [引用频次:2 ] - 王睿;
疲劳驾驶是导致交通事故发生的主要原因,由于疲劳驾驶检测场景的复杂性和实时性要求,提出了一种基于YOLOv8的车辆驾驶员疲劳检测预警设计方法,对YOLOv8算法在注意力机制、数据增强、轻量化网络等方面进行改进,提高车辆驾驶员疲劳检测的识别精度和检测速率,同时提取人脸关键点计算眼睛纵横比(EAR),建立疲劳度评价分类模型,实现对疲劳驾驶的综合判断和预警。搭建车辆驾驶员疲劳检测实验平台,并进行验证。结果表明,该方法可以准确获取疲劳检测结果,准确率达到94%。
2024年05期 v.39;No.150 26-31页 [查看摘要][在线阅读][下载 1288K] [引用频次:0 ] - 周骏;韩超;
针对低附着系数、大曲率路面下智能车辆跟踪精度低的问题,设计了一种基于模型预测控制的高精度中低速自适应车辆路径跟踪控制器。首先,根据Pacejka轮胎模型分析轮胎的侧偏特性,对轮胎侧偏角的范围进行约束,限制轮胎侧偏力在线性区域,避免车辆产生侧向滑移。其次,根据车辆跟踪参考路径的曲率大小,自适应地调整预测范围内车辆与参考路径的方向偏差权重、横向偏差权重,减小车辆路径跟踪误差。仿真结果表明,本研究所设计的控制器在湿滑的弯道路面下中低速行驶具有较高的跟踪精度。
2024年05期 v.39;No.150 32-41页 [查看摘要][在线阅读][下载 1508K] [引用频次:2 ]