为了减少插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的燃油消耗,设计了基于预测控制的PHEV能量管理策略。通过对整车能量分析,建立了PHEV的纵向动力学模型,考虑电压的动态特性建立了电池组的等效电路模型。建立了基于...为了减少插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的燃油消耗,设计了基于预测控制的PHEV能量管理策略。通过对整车能量分析,建立了PHEV的纵向动力学模型,考虑电压的动态特性建立了电池组的等效电路模型。建立了基于马尔可夫链的加速度预测模型,结合纵向动力学模型进而计算出需求转矩变化。以燃油消耗量最小为目标构建PHEV能量管理的预测控制模型,在预测时域内采用动态规划(DP)求解带约束的优化问题,将控制序列的首值施加至系统完成转矩分配并更新优化问题。仿真结果表明,基于随机模型预测控制的能量管理策略的燃油消耗量与基于规则的能量管理策略相比降低22.53%,与采用Rint等效电路模型的能量管理策略相比降低13.64%。展开更多
针对移动机器人的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)问题,传统后端优化算法比较依赖于前端传感器构造位姿图,而且对于假阳性环形闭合约束鲁棒性较低。基于此,提出了一种鲁棒后端优化算法。利用因子图建立...针对移动机器人的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)问题,传统后端优化算法比较依赖于前端传感器构造位姿图,而且对于假阳性环形闭合约束鲁棒性较低。基于此,提出了一种鲁棒后端优化算法。利用因子图建立SLAM的优化模型,在使用新的鲁棒代价函数基础上引入先验约束用于确认启用或关闭前端传递的环形闭合约束,从而使得后端拓扑图能够摒弃前端传递的假阳性环形闭合约束并朝向真实地图收敛,再利用L-M(Levenberg-Mar-quardt)算法进行优化使其收敛到真实地图。仿真结果表明,SLAM后端优化算法缩小了前端数据和后端优化之间的差距,满足移动机器人精确定位与建图的需求。展开更多
文摘为了减少插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的燃油消耗,设计了基于预测控制的PHEV能量管理策略。通过对整车能量分析,建立了PHEV的纵向动力学模型,考虑电压的动态特性建立了电池组的等效电路模型。建立了基于马尔可夫链的加速度预测模型,结合纵向动力学模型进而计算出需求转矩变化。以燃油消耗量最小为目标构建PHEV能量管理的预测控制模型,在预测时域内采用动态规划(DP)求解带约束的优化问题,将控制序列的首值施加至系统完成转矩分配并更新优化问题。仿真结果表明,基于随机模型预测控制的能量管理策略的燃油消耗量与基于规则的能量管理策略相比降低22.53%,与采用Rint等效电路模型的能量管理策略相比降低13.64%。
文摘针对移动机器人的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)问题,传统后端优化算法比较依赖于前端传感器构造位姿图,而且对于假阳性环形闭合约束鲁棒性较低。基于此,提出了一种鲁棒后端优化算法。利用因子图建立SLAM的优化模型,在使用新的鲁棒代价函数基础上引入先验约束用于确认启用或关闭前端传递的环形闭合约束,从而使得后端拓扑图能够摒弃前端传递的假阳性环形闭合约束并朝向真实地图收敛,再利用L-M(Levenberg-Mar-quardt)算法进行优化使其收敛到真实地图。仿真结果表明,SLAM后端优化算法缩小了前端数据和后端优化之间的差距,满足移动机器人精确定位与建图的需求。
