CN113341764A - 一种实车工况在线的电动汽车优化控制仿真方法及系统 - Google Patents
一种实车工况在线的电动汽车优化控制仿真方法及系统 Download PDFInfo
- Publication number
- CN113341764A CN113341764A CN202110639959.XA CN202110639959A CN113341764A CN 113341764 A CN113341764 A CN 113341764A CN 202110639959 A CN202110639959 A CN 202110639959A CN 113341764 A CN113341764 A CN 113341764A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- real
- working condition
- positioning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000005265 energy consumption Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明涉及一种实车工况在线的电动汽车优化控制仿真方法及系统,所述方法包括以下步骤:S1:获取行驶车辆的设定目的地信息;S2:实时采集获取行驶车辆的定位信息和交通环境信息;S3:结合地图数据、定位信息和设定目的地信息获取道路工况信息;S4:利用能耗优化算法和车辆控制算法对道路工况信息进行处理,获取车辆控制需求;S5:根据交通环境信息和车辆控制需求进行实时仿真,完成后返回步骤S2。与现有技术相比,本发明具有能够采集真实的车辆行驶工况以代替人为设定工况,仿真测试具有更高的可信度与参考价值等优点。
Description
技术领域
本发明涉及车辆测试仿真领域,尤其是涉及一种实车工况在线的电动汽车优化控制仿真方法及系统。
背景技术
车联网技术的发展对于车辆的能量管理策略提供了新的思路,通过车联网获取范围更广、实时性更高的交通环境信息有助于对车辆进行更精准的能耗最优控制规划。在相关能量管理算法的研发过程中,需要进行仿真测试对算法进行调试与验证,而仿真过程中所采用的被测工况是决定最终测试效果的重要影响因素之一。
在车辆的仿真测试过程中,车辆模型运行于虚拟的测试场景或既定工况下,算法根据车辆相关参数与预测的未来工况信息制定能耗最优的车辆控制策略。目前,被测工况的制定方法通常有两种,其一方法为制定能够表征某所需交通环境的既定工况,即通过大量采集某所需交通环境下的车辆行驶数据,拟合出可以表征该交通环境的车辆行驶工况;另一方法为建立虚拟场景获取仿真行驶工况,即构建虚拟场景,设定环境中各交通参与者的驾驶员模型,对车辆在交通场景中的行驶状况进行仿真或再现。
对于采用既定工况的测试方法而言,其通常只针对单一具有明显特点的交通环境,因此难以提供全面且真实的被测工况,不能满足面向全出行链的全局能量管理策略的测试需求;对于采用虚拟场景获取仿真行驶工况的测试方法而言,需要建立大量道路场景与环境中的交通参与者,同时需要建立精确的驾驶员模型,因此实际应用过程中操作复杂且成本过高,难以满足大范围测试需求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实车工况在线的电动汽车优化控制仿真系统及方法。
本发明的目的可以通过以下技术方案来实现:
一种实车工况在线的电动汽车优化控制仿真方法,包括以下步骤:
S1:获取行驶车辆的设定目的地信息;
S2:实时采集获取行驶车辆的定位信息和交通环境信息;
S3:结合地图数据、定位信息和设定目的地信息获取道路工况信息;
S4:利用能耗优化算法和车辆控制算法对道路工况信息进行处理,获取车辆控制需求;
S5:根据交通环境信息和车辆控制需求进行实时仿真,完成后返回步骤S2。
优选地,所述的定位信息通过行驶车辆上的GPS定位装置获取。
优选地,所述的交通环境信息通过行驶车辆上的车载智能传感器获取。
优选地,所述的车载智能传感器包括车载摄像头、超声波雷达、毫米波雷达、激光雷达中的一种或多种。
优选地,所述的定位信息包括车辆位置信息和车辆姿态信息。
一种实车工况在线的电动汽车优化控制仿真系统,包括车辆智能终端模拟器、云端服务器模拟器、地图服务器和实时仿真设备,所述的车辆智能终端模拟器包括处理器、车辆定位设备和车载智能传感器,
所述的车辆定位设备用于获取行驶车辆的定位信息,
所述的车载智能传感器用于获取行驶车辆的交通环境信息,
所述的处理器获取设定目的地信息、定位信息并发送至云端服务器模拟器,获取交通环境信息和来自云端服务器模拟器的车辆控制需求并发送至实时仿真设备,
所述的云端服务器模拟器将目的地信息、定位信息发送至地图服务器获取道路工况信息,并利用能耗优化算法和车辆控制算法对道路工况信息进行处理得到车辆控制需求,
所述的实时仿真设备获取车辆控制需求和交通环境信息,进行实时仿真。
优选地,所述的处理器为计算机。
优选地,所述的车辆定位设备为GPS定位装置。
优选地,所述的车载智能传感器包括车载摄像头、超声波雷达、毫米波雷达、激光雷达中的一种或多种。
优选地,所述的云端服务器模拟器与车辆智能终端模拟器通过网络接口连接,所述的车辆智能终端模拟器与实时仿真设备通过CAN总线连接。
优选地,所述的定位信息包括车辆位置信息和车辆姿态信息。
与现有技术相比,本发明具有如下优点:
1、本发明能够将测试系统搭载于实际行驶车辆上,能够采集真实的车辆行驶工况以代替人为设定工况,因此使仿真测试具有更高的可信度与参考价值,能够进行大范围的测试需求,基于实际行驶车辆改实现全出行链的测试、仿真需求;
2、本发明所获取的车辆工况要素真实且全面,结合了车辆定位信息、传感器感知信息、云端的道路交通信息,因此能够满足包括车辆能量管理算法、车辆工况评估模型在内的各类测试需求;
3、本发明所采用设备均为较为成熟的设备或技术,通过普通计算机、实时仿真机、车载定位系统与传感器、导航地图、车辆动力学模型、相关信号通信技术即可实现,因此成本低、可靠性高;
4、硬件设备采用模块化集成方式,可以灵活地选择所需的工况信息采集设备,因此具有良好的扩展性。
附图说明
图1为本发明的流程图;
图2为本发明的系统架构图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意,以下的实施方式的说明只是实质上的例示,本发明并不意在对其适用物或其用途进行限定,且本发明并不限定于以下的实施方式。
实施例
一种实车工况在线的电动汽车优化控制仿真方法,如图1所示,包括以下步骤:
S1:获取行驶车辆的设定目的地信息;
S2:实时采集获取行驶车辆的定位信息和交通环境信息,定位信息包括车辆位置信息和车辆姿态信息。
其中,定位信息通过行驶车辆上的GPS定位装置获取,交通环境信息通过行驶车辆上的车载智能传感器获取,向GPS定位设备与车载摄像头、激光雷达发送请求,更新当前车辆所处位置与交通环境信息,本实施例中交通环境信息为周围车辆及障碍物位置信息。另外,本发明的车载智能传感器也可以采用超声波雷达、毫米波雷达等。
S3:将预设目的地以及S2中获取的定位信息作为出发地、设定目的地信息作为目的地发送至地图服务器进行处理,更新未来规划路径上的道路拥堵信息与交通灯信息作为道路工况信息;
S4:利用能耗优化算法对S3中获取的道路工况信息进行处理,更新能耗最优的车辆控制需求参数;
S5:根据S2中获取的交通环境信息和S4中获取的车辆控制需求参数进行实时仿真,实时仿真过程包括动力学模型、控制模型、能耗计算模型的仿真计算并记录相关数据,完成后返回步骤S2。
S4:利用能耗优化算法和车辆控制算法对道路工况信息进行处理,获取车辆控制需求;
S5:根据交通环境信息和车辆控制需求进行实时仿真,完成后返回步骤S2。
本发明还提供了一种实车工况在线的电动汽车优化控制仿真系统,如图2所示,包括车辆智能终端模拟器、云端服务器模拟器、地图服务器和实时仿真设备,车辆智能终端模拟器包括计算机、车辆定位设备和车载智能传感器。
车辆定位设备用于获取行驶车辆的定位信息。
车载智能传感器用于获取行驶车辆的交通环境信息。
计算机获取设定目的地信息、定位信息并发送至云端服务器模拟器,获取交通环境信息和来自云端服务器模拟器的车辆控制需求并发送至实时仿真设备。
云端服务器模拟器将目的地信息、定位信息发送至地图服务器获取道路工况信息,更新未来规划路径上的道路拥堵信息与交通灯信息;并利用能耗优化算法和车辆控制算法对道路工况信息进行处理得到车辆控制需求。
实时仿真设备获取车辆控制需求和交通环境信息,进行实时仿真,实时仿真设备运行包含动力学模型、控制模型、能耗计算模型的仿真计算并记录相关数据。
车辆定位设备为GPS定位装置。车载智能传感器包括车载摄像头、超声波雷达、毫米波雷达、激光雷达中的一种或多种。云端服务器模拟器与车辆智能终端模拟器通过网络接口连接,车辆智能终端模拟器与实时仿真设备通过CAN总线连接。定位信息包括车辆位置信息和车辆姿态信息。
本实施例中,定位信息和交通环境信息通过JAVA应用程序读取并转换后,经网络接口发送至云端服务器模拟器。
本实施例中,实时仿真设备每5ms进行一次仿真和记录,车辆智能终端模拟器每20ms执行一次定位信息、交通环境信息的更新,云端服务器模拟器每1s执行一次道路工况信息的获取。
上述实施方式仅为例举,不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施,且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (10)
1.一种实车工况在线的电动汽车优化控制仿真方法,其特征在于,包括以下步骤:
S1:获取行驶车辆的设定目的地信息;
S2:实时采集获取行驶车辆的定位信息和交通环境信息;
S3:结合地图数据、定位信息和设定目的地信息获取道路工况信息;
S4:利用能耗优化算法和车辆控制算法对道路工况信息进行处理,获取车辆控制需求;
S5:根据交通环境信息和车辆控制需求进行实时仿真,完成后返回步骤S2。
2.根据权利要求1所述的一种实车工况在线的电动汽车优化控制仿真方法,其特征在于,所述的定位信息通过行驶车辆上的GPS定位装置获取。
3.根据权利要求1所述的一种实车工况在线的电动汽车优化控制仿真方法,其特征在于,所述的交通环境信息通过行驶车辆上的车载智能传感器获取。
4.根据权利要求3所述的一种实车工况在线的电动汽车优化控制仿真方法,其特征在于,所述的车载智能传感器包括车载摄像头、超声波雷达、毫米波雷达、激光雷达中的一种或多种。
5.根据权利要求1所述的一种实车工况在线的电动汽车优化控制仿真方法,其特征在于,所述的定位信息包括车辆位置信息和车辆姿态信息。
6.一种实车工况在线的电动汽车优化控制仿真系统,其特征在于,包括车辆智能终端模拟器、云端服务器模拟器、地图服务器和实时仿真设备,所述的车辆智能终端模拟器包括处理器、车辆定位设备和车载智能传感器,
所述的车辆定位设备用于获取行驶车辆的定位信息,
所述的车载智能传感器用于获取行驶车辆的交通环境信息,
所述的处理器获取设定目的地信息、定位信息并发送至云端服务器模拟器,获取交通环境信息和来自云端服务器模拟器的车辆控制需求并发送至实时仿真设备,
所述的云端服务器模拟器将目的地信息、定位信息发送至地图服务器获取道路工况信息,并利用能耗优化算法和车辆控制算法对道路工况信息进行处理得到车辆控制需求,
所述的实时仿真设备获取车辆控制需求和交通环境信息,进行实时仿真。
7.根据权利要求6所述的一种实车工况在线的电动汽车优化控制仿真系统,其特征在于,所述的车辆定位设备为GPS定位装置。
8.根据权利要求6所述的一种实车工况在线的电动汽车优化控制仿真系统,其特征在于,所述的车载智能传感器包括车载摄像头、超声波雷达、毫米波雷达、激光雷达中的一种或多种。
9.根据权利要求6所述的一种实车工况在线的电动汽车优化控制仿真系统,其特征在于,所述的云端服务器模拟器与车辆智能终端模拟器通过网络接口连接,所述的车辆智能终端模拟器与实时仿真设备通过CAN总线连接。
10.根据权利要求6所述的一种实车工况在线的电动汽车优化控制仿真系统,其特征在于,所述的定位信息包括车辆位置信息和车辆姿态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110639959.XA CN113341764A (zh) | 2021-06-09 | 2021-06-09 | 一种实车工况在线的电动汽车优化控制仿真方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110639959.XA CN113341764A (zh) | 2021-06-09 | 2021-06-09 | 一种实车工况在线的电动汽车优化控制仿真方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113341764A true CN113341764A (zh) | 2021-09-03 |
Family
ID=77475455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110639959.XA Pending CN113341764A (zh) | 2021-06-09 | 2021-06-09 | 一种实车工况在线的电动汽车优化控制仿真方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113341764A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114528646A (zh) * | 2022-04-24 | 2022-05-24 | 中汽研汽车检验中心(天津)有限公司 | 一种基于在线地图数据的车辆行驶工况构建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763733A (zh) * | 2018-05-24 | 2018-11-06 | 北京汽车集团有限公司 | 驾驶仿真测试方法、装置和系统 |
CN109141929A (zh) * | 2018-10-19 | 2019-01-04 | 重庆西部汽车试验场管理有限公司 | 智能网联汽车仿真测试系统及方法 |
CN110780203A (zh) * | 2019-11-11 | 2020-02-11 | 北京理工大学 | 一种纯电动汽车电池组soc在线估值方法 |
CN111007834A (zh) * | 2019-12-13 | 2020-04-14 | 北京经纬恒润科技有限公司 | 一种adas路径规划功能实验室测试系统及方法 |
CN111824117A (zh) * | 2020-07-22 | 2020-10-27 | 上海交通大学 | 基于工况预测的混合动力汽车能效优化控制方法及系统 |
CN112525210A (zh) * | 2020-11-24 | 2021-03-19 | 同济大学 | 一种面向节能的电动汽车全局路径和速度联合优化方法 |
-
2021
- 2021-06-09 CN CN202110639959.XA patent/CN113341764A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763733A (zh) * | 2018-05-24 | 2018-11-06 | 北京汽车集团有限公司 | 驾驶仿真测试方法、装置和系统 |
CN109141929A (zh) * | 2018-10-19 | 2019-01-04 | 重庆西部汽车试验场管理有限公司 | 智能网联汽车仿真测试系统及方法 |
CN110780203A (zh) * | 2019-11-11 | 2020-02-11 | 北京理工大学 | 一种纯电动汽车电池组soc在线估值方法 |
CN111007834A (zh) * | 2019-12-13 | 2020-04-14 | 北京经纬恒润科技有限公司 | 一种adas路径规划功能实验室测试系统及方法 |
CN111824117A (zh) * | 2020-07-22 | 2020-10-27 | 上海交通大学 | 基于工况预测的混合动力汽车能效优化控制方法及系统 |
CN112525210A (zh) * | 2020-11-24 | 2021-03-19 | 同济大学 | 一种面向节能的电动汽车全局路径和速度联合优化方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114528646A (zh) * | 2022-04-24 | 2022-05-24 | 中汽研汽车检验中心(天津)有限公司 | 一种基于在线地图数据的车辆行驶工况构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109781431B (zh) | 基于混合现实的自动驾驶测试方法及系统 | |
CN110456757B (zh) | 一种无人驾驶车辆的整车测试方法及系统 | |
CN113642633B (zh) | 用于对驾驶场景数据进行分类的方法、装置、设备和介质 | |
CN109358526B (zh) | 基于仿真的自动驾驶循迹算法的软件在环测试方法 | |
CN106908075A (zh) | 大数据采集与处理系统及基于其电动汽车续航估计方法 | |
CN111741446B (zh) | V2x通信与应用联合测试方法及系统 | |
CN110793548B (zh) | 基于gnss接收机硬件在环的虚实结合的导航仿真测试系统 | |
CN112286206A (zh) | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 | |
CN111811828B (zh) | 一种无人车驾驶测试方法、装置、系统及存储介质 | |
EP3872633A1 (en) | Autonomous driving vehicle simulation method in virtual environment | |
CN113341764A (zh) | 一种实车工况在线的电动汽车优化控制仿真方法及系统 | |
CN117131589A (zh) | 智能网联车辆协同算法的仿真测试方法及装置 | |
CN113434619A (zh) | 一种4g的高速公路智能交通路况监控系统 | |
CN116859880A (zh) | 一种车辆预见性巡航仿真测试方法及系统 | |
CN114705201A (zh) | 一种智能驾驶测试路线生成方法 | |
CN115905247A (zh) | 高精地图的更新方法、系统、介质、终端及服务器端 | |
CN113011676A (zh) | 路线确定方法、装置、系统、非易失性存储介质及处理器 | |
CN112729366A (zh) | 自动驾驶场地测试的天气模拟设备测试评价方法及装置 | |
Crain et al. | Prototyping EcoCAR Connected Vehicle Testing System Using DigiCAV Development Platform | |
CN111866715B (zh) | 测试无人车控制、装置、信号测试设备及存储介质 | |
CN111351500A (zh) | 车辆、导航终端及其弯道精准导航方法 | |
CN111121793B (zh) | 用于无人驾驶的地图生成方法、装置及存储介质 | |
CN116663939B (zh) | 一种无人车路径规划场景及任务的复杂度评价方法和系统 | |
CN112051074B (zh) | 车辆标定参数获取方法、系统及计算机可读存储介质 | |
Box et al. | Signal control using vehicle localization probe data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210903 |
|
RJ01 | Rejection of invention patent application after publication |