一种分布式驱动电动汽车的路面峰值附着系数估算方法

    公开(公告)号:CN103245610B

    公开(公告)日:2015-07-15

    申请号:CN201310182935.1

    申请日:2013-05-17

    Applicant: 清华大学

    Abstract: 本发明涉及一种分布式驱动电动汽车的路面峰值附着系数估算方法,包括以下步骤:通过采集驱动力信号、车辆的纵向速度信号和车载纵向加速度传感器信号、轮速信号,首先利用车辆纵向动力学和轮胎动力学分别对滑移率和利用附着系数实时估计,然后将估计的滑移率值传给简化轮胎模型,得到在一组不同路面的利用附着系数估计值,与所在路面的利用附着系数相比,选取误差最小的一个值,利用简化轮胎模型求取峰值,即得到了峰值附着系数。本方法求解过程简单,运算快捷,收敛时间短。本方法鲁棒性良好,适用于车辆在行驶过程中各种路面的峰值附着系数的实时估计。

    一种基于车网路多系统融合的智能交互系统的控制方法

    公开(公告)号:CN103236177B

    公开(公告)日:2015-02-18

    申请号:CN201310098877.4

    申请日:2013-03-26

    Applicant: 清华大学

    Abstract: 本发明涉及一种车网路多系统融合的智能交互系统及其控制方法,其中系统包括一种车网路多系统融合的智能交互系统,其特征在于:它包括一交通监控中心、一电网监控中心、若干电动车、若干路边基站和若干充电站;电动车内设置有车载监控系统、车载无线通信系统和车载显示模块;充电站内设置有通信基站、充电位和充电桩;交通监控中心通过缆线分别双向连接电网监控中心和各路边基站;电网监控中心通过缆线分别双向连接各通信基站;通信基站通过缆线连接充电桩;电动车的车载监控系统通过车载无线通信系统,经各路边基站与交通监控中心无线通信,经各通信基站与充电站无线通信。本发明可以广泛用于智能交通管理控制过程中。

    一种分布式驱动电动汽车的路面峰值附着系数估算方法

    公开(公告)号:CN103245610A

    公开(公告)日:2013-08-14

    申请号:CN201310182935.1

    申请日:2013-05-17

    Applicant: 清华大学

    Abstract: 本发明涉及一种分布式驱动电动汽车的路面峰值附着系数估算方法,包括以下步骤:通过采集驱动力信号、车辆的纵向速度信号和车载纵向加速度传感器信号、轮速信号,首先利用车辆纵向动力学和轮胎动力学分别对滑移率和利用附着系数实时估计,然后将估计的滑移率值传给简化轮胎模型,得到在一组不同路面的利用附着系数估计值,与所在路面的利用附着系数相比,选取误差最小的一个值,利用简化轮胎模型求取峰值,即得到了峰值附着系数。本方法求解过程简单,运算快捷,收敛时间短。本方法鲁棒性良好,适用于车辆在行驶过程中各种路面的峰值附着系数的实时估计。

    基于UKF与修正Dugoff轮胎模型路面峰值附着系数估算方法

    公开(公告)号:CN104021310B

    公开(公告)日:2016-09-28

    申请号:CN201410282738.1

    申请日:2014-06-23

    Applicant: 清华大学

    Abstract: 本发明公开一种基于UKF与修正Dugoff轮胎模型路面峰值附着系数估算方法,通过:实时采集车辆的各种传感器信号,利用车辆纵向动力学方程和模型的几何坐标关系对各轮滑移率和侧偏角估计;然后将估计的滑移率、垂向力、侧偏角等传给基于修正Dugoff模型的UKF系数计算模块,得到非线性系统的系数向量,将此向量与实时估计的纵向力发送到UKF路面峰值附着系数估计模块,求取峰值附着系数。本方法应用车辆状态观测系统实时采集信号,保证了计算的实时性,对于没有拟合过的路面情况估计准确度高。应用修正Dugoff轮胎模型和UKF理论,使得求解过程简单,运算量小、快捷,收敛时间短。本方法鲁棒性良好,能够较好的识别各轮的路面情况,适用于路面峰值附着系数的实时估计。

    基于变形程度的汽车安全性改善程度的评价方法

    公开(公告)号:CN105205235A

    公开(公告)日:2015-12-30

    申请号:CN201510572416.5

    申请日:2015-09-10

    Applicant: 清华大学

    Abstract: 本发明公开一种基于变形程度的汽车安全性改善程度的评价方法,是从车辆历史事故数据库中选取过去任意两个年份区间的车辆,以新、旧年份车辆在VDI6x+级别上减少MAISy+的损伤有效性为评价指标进行评价,表达式为:式中的x表示VDI6的级别,y表示MAIS的级别。当effxy的值大于零时,说明该种汽车随着年代变化安全性得到了提高,该值越大说明安全性改善程度越明显;当effxy的值小于零时,说明该种汽车随着年代变化安全性反而降低。本发明论证了变形程度信息相比于事故数据库中的速度信息更适于作为评价事故严重程度的指标。

    一种对未来车辆汽车驾驶员辅助系统的安全效能预测方法

    公开(公告)号:CN105160431A

    公开(公告)日:2015-12-16

    申请号:CN201510573713.1

    申请日:2015-09-10

    Applicant: 清华大学

    Abstract: 本发明公开一种对未来车辆汽车驾驶员辅助系统的安全效能预测方法,包括如下步骤:1)基于车辆变形程度确定相似刚度的车辆组;2)确定事故严重程度等级—ASC及相关函数;3)确定ASC的代表性碰撞速度与损伤风险概率的关系;4)确定ASC有代表性的事故场景;5)有辅助系统的车辆在有代表性事故场景中的安全效能评价;通过评价结果,得知辅助系统对提高汽车安全性是否有效。该预测方法仅依靠事故数据库中准确的变形程度信息,探讨和展望如何利用变形程度来预测驾驶辅助系统有效性,相比传统利用速度信息的方法,能够获得更多的事故数据支持,更全面的评价驾驶员辅助系统。

Patent Agency Ranking