CN113561959A - 一种混合动力车辆参数标定方法及装置 - Google Patents

Abstract

本发明属于混合动力车辆技术领域，具体涉及一种混合动力车辆参数标定方法及装置。该方法首先根据整车实际情况搭建包括能耗模型的整车仿真模型，能耗模型包括理论油耗模型和理论电耗模型，采用电耗或者油耗表征：然后获取整车工况数据和待标定参数的可行域，将整车工况数据输入至整车仿真模型中，在待标定参数的可行域内进行遍历，找到能耗模型的能耗值最低的结果对应的待标定参数的取值作为该整车工况下的最佳标定参数。本发明将两个不同量纲的物理量处理为一种量纲的物理量，从而对具体能耗的多少有了清楚明确的判断，可准确判断不同取值的待标定参数对应的能耗值大小，提高了标定效果。

Description

一种混合动力车辆参数标定方法及装置

技术领域

本发明属于混合动力车辆技术领域，具体涉及一种混合动力车辆参数标定方法及装置。

背景技术

面对全球能源紧缺的现状，当前车辆技术正朝着低碳化、智能化的方向发展。混合动气车辆作为汽车行业中重要的节能驱动形式之一，正是全球研究的焦点。

混合动力车辆的实际行驶性能与其采用的控制策略类型和控制参数的选取密切相关，在既定的动力总成功率参数及完整的功能性整车能量管理策略的前提下，良好的参数标定结果是整车控制器实现优良控制效果最终保证。

混合动力汽车整车控制器标定是根据动力总成各部件特性参数，以及整车经济学、排放性、极限条件适用性等各项性能指标来调整和确定整车控制器中运行参数和控制参数的整个过程。完整的整车控制器标定过程包括能量管理策略标定、执行器标定、运行条件标定、经济性标定、排放性标定、OBD标定、安全监控标定等环节。整车控制器的标定方法通常采用标定工具通过反复的试验进行数据调整验证、再调整再验证，最后综合考虑取一个较佳的试验值作为标定值。

申请公布号为CN108515962A的中国发明专利申请公开了一种混合动力汽车整车控制器快速标定方法，该方法在进行标定时，以燃油消耗量和电能消耗量为标定目标。确定燃油消耗量和电能消耗量的方法为：根据欧洲经济委员会在法规ECE R101中规定的分别基于条件A和条件B的模式进行试验，根据试验得到燃油消耗量/电能消耗量、模式切换之前的总行驶里程和两次充电之间的平均行驶里程得到燃油消耗量/电能消耗量。也就是说，整个方法是在设定好的两种模型下进行的，对应的燃油消耗量和电能消耗量也是基于这两种模式的试验标定结果得到的，对行驶工况的依赖性较强。而车辆实际行驶过程中基本不会按照设定好这的两种工况来行驶，存在随机性和多样性的特点，若将试验条件下的到的标定结果应用于实车上来，必定不适用于实车。而且，该方法将燃油消耗量和电能消耗量分开计算，由于两者动力源不同，对应得到消耗量的单位不同，此时面对两个不同单位的消耗量无法精准衡量什么样的结果才是最优的结果。例如，第一种结果为，燃油消耗量为100L·(100km)^-1，电能消耗量为30Wh·km^-1，第二种结果为，燃油消耗量为20L·(100km)^-1，电能消耗量为110Wh·km^-1，第一种结果比第二种结果的燃油消耗量高，但电能消耗量低，哪一种结果更佳无一个确切的说法，极可能导致最优标定目标判断不准，若标定目标判断不准的话，则将导致标定结果不佳。

发明内容

本发明提供了一种混合动力车辆参数标定方法及装置，用以解决现有技术中将燃油消耗量和电能消耗量分开计算导致标定结果不佳的问题。

为解决上述技术问题，本发明的技术方案包括：

本发明提供了一种混合动力车辆参数标定方法，包括如下步骤：

根据整车实际情况搭建整车仿真模型，所述整车仿真模型包括能耗模型，所述能耗模型根据整车动力系统内部各模块之间的能量流动情况确定；所述能耗模型包括理论油耗模型和理论电耗模型，且所述能耗模型采用电耗或者油耗表征：若采用油耗表征，则将理论电耗模型等效至油耗模型得到第一等效模型，将第一等效模型的等效油耗值与理论油耗模型的油耗值的和作为能耗模型的能耗值；若采用电耗表征，则将理论油耗模型等效至电耗模型得到第二等效模型，将第二等效模型的等效电耗值与理论电耗模型的电耗值的和作为能耗模型的能耗值；

获取整车工况数据和待标定参数的可行域，将整车工况数据输入至所述整车仿真模型中，在待标定参数的可行域内进行遍历，找到能耗模型的能耗值最低的结果对应的待标定参数的取值作为该整车工况下的最佳标定参数；其中，若待标定参数的个数为一个，则遍历的是待标定参数的可行域内的各个取值，若待标定参数的个数为至少两个，则遍历的是在各个待标定参数的可行域内进行遍历得到的各个待标定参数不同取值的组合。

上述技术方案的有益效果为：该方法基于整车动力系统内部各模块之间的能量流动情况来确定能耗模型，将能耗模型作为系统响应，遍历待标定参数，将系统响应最佳(即能耗最低，经济性最佳)的待标定参数的取值作为最佳标定参数。其中，能耗模型采用电耗或者油耗表征，将两个不同量纲的物理量最终处理为一种量纲的物理量，可以用油耗表征，也可以用电耗表征，从而对具体能耗的多少有了清楚明确的判断，可准确判断不同取值的待标定参数对应的能耗值大小，提高了标定效果。

作为方法的进一步改进，为了使该标定方法能够在整车处于离线状态时保证标定效果以及整车处于在线状态时适应各种随机性和多样性较强的工况，若整车实际运行状态为离线，则整车工况为标准工况；若整车实际运行状态为在线，则整车工况为合成历史工况得到的合成工况。

作为方法的进一步改进，为了得到准确的能耗模型，所述第一等效模型为：

式中，f_u′为第一等效模型，E_b,dc为电池放电总能量，η_b,dc为电池放电平均效率，E_b,c为电池充电总能量，η_tr为平均综合传动效率，η_b,c为电池充电平均效率，Soc_ini为电池初始SOC，Soc_end为电池终值SOC，C为油耗单位转换系数，b_e,avg为发动机平均燃油消耗率，为：

式中，Me(t)为循环工况各点发动机喷油量，Pe(t)为循环工况各点发动机输出功率。

作为方法的进一步改进，为了提高标定效率，将对能耗模型的能耗值影响较大的参数作为待标定参数。

作为方法的进一步改进，为了提高标定效率，所述待标定参数包括纯电动模式与混合动力模式切换的SOC门限值和功率门限值。

作为方法的进一步改进，为了得到准确的对能耗模型的能耗值影响较大的参数，采用主成分分析和/或帕累托分析法对与选择的参数对应的能耗模型的结果进行分析得到所述对能耗模型的能耗值影响较大的参数。

本发明还提供了一种混合动力车辆参数标定装置，该装置包括存储器和处理器，所述处理器用于执行存储在存储器中的指令以实现上述介绍的混合动力车辆参数标定方法，并达到与方法相同的效果。

附图说明

图1是本发明的方法实施例的整体框架流程图；

图2是本发明的方法实施例中Matlab与Isight软件平台的联合仿真流程图；

图3是本发明的方法实施例中混合动力系统的框架图；

图4是本发明的方法实施例中混合动力系统各部分划分示意图；

图5是本发明的方法实施例中构建合成工况的流程图；

图6是本发明的方法实施例中混合动力车辆优化标定算法的流程图；

图7是本发明的方法实施例的各标定参数对应的帕累托图；

图8是本发明的方法实施例的各标定参数对应的主效应图；

图9是本发明的装置实施例的混合动力车辆参数标定装置的连接框图。

具体实施方式

方法实施例：

该实施例提供了一种混合动力车辆参数标定方法，其整体框架流程图如图1所示，该方法在满足动力性的前提下，以整车经济性最佳为目标(整车能耗较低)。

该方法针对整车在线与否采用不同的处理方式，下面先对整车处于在线状态下的标定方法做一详细说明。

步骤一，如图2所示，搭建试验平台。试验平台采用Matlab软件平台与Isigh软件平台联合仿真实现。Isigh软件平台用于定义各个待标定参数并确定其可行域，最终生成设计矩阵，将设计矩阵的每一组数据依次写入Matlab软件平台的参数输入m文件中。Matlab软件平台用于根据整车实际情况搭建整车仿真模型，根据m文件中的内容进行仿真，将仿真结果反馈至Isight软件平台中，设计矩阵中的每一组数据均计算得到对应的仿真结果。在设计矩阵中所有组数据均计算完毕后，Isight软件平台可进行分析，以确定各个待标定参数对系统响应(仿真结果)的贡献度(影响力)或者最佳标定参数。

其中，在Matlab软件平台中搭建的整车仿真模型如图3所示，该模型中设置有两个电机，分别为CL1和CL2，且该整车仿真模型包括能耗模型。根据整车动力系统的能量流动情况，可确定动力系统内部不同模块(端点)之间的能量流，并根据能量守恒定律对整车建立能量平衡方程，便可推导出该能耗模型。该能耗模型包括理论油耗模型和理论电耗模型，此时需要将理论电耗模型等效至油耗模型以得到第一等效模型，并将理论油耗模型的油耗值和等效模型的等效油耗值的和值作为能耗模型的能耗值(也是系统响应)。具体过程如下：

如图4所示，将整个系统分为动力源、传动系统以及车体。其中，动力源由发动机和动力电池(以下简称电池)组成，传动系统由电机MG1和电机MG2以及两档变速箱组成，车体根据汽车理论简化为整车纵向动力学模型，如式(1)所示：

F_t＝F_f+F_w+F_i+F_j (1)

式中，F_t为车轮处整车驱动力，单位为Nm；F_f为滚动阻力，单位为Nm；F_w为空气阻力，单位为Nm；F_i为坡道阻力，单位为Nm；F_j为加速阻力，单位为Nm。

图4中混合动力系统内部不同端点位置的能量流定义分别如式(2)～式(7)所示：

E_fuel＝(f_e·Ca)/(3600·C) (3)

E_ice＝f_e/(C·b_e,avg) (4)

E_b,dc＝max{0,(Soc_ini-Soc_end)·BE·3600} (6)

E_b,c＝min{0,(Soc_ini-Soc_end)·BE·3600} (7)

式中，E_wh为车轮处循环工况理论总驱动能量，单位为KJ；E_fuel为发动机消耗燃油总能量，单位为KJ；E_ice为发动机实际提供的能量，单位为KJ；E_rgb为电池端再生制动总回收能量，单位为KJ；E_b,dc为电池放电总能量，单位为KJ；E_b,c为电池充电总能量，单位为KJ；e_rgb(t)为循环工况制动条件下各点再生制动回收的能量，单位为KJ；F_t(t)为循环工况各点需求驱动力，单位为Nm；F_t′(t)为循环工况中驱动条件下的整车驱动力，单位为Nm；v(t)为循环工况各点车速，单位为m/s；n为循环工况总时间，单位为s(计算步长为1s)；f_e为整车百公里燃油消耗，单位为L/100km；Ca为燃油热值，单位为KJ/g；Soc(t)为循环工况各点对应的系统SOC变化；Soc_ini为电池初始SOC；Soc_end为电池终值SOC；BrkP(t)为循环工况各点制动踏板开度；BE为电池能量，单位为KWh；b_e,avg为发动机平均燃油消耗率，单位为g/KWh；C为油耗单位转换系数。其中，发动机平均燃油消耗率b_e,avg与油耗单位转换系数C的计算公式分别如式(8)与式(9)所示：

C＝1/(36000·ρ_fuel·x_tot) (8)

式中，ρ_fuel为燃油密度，单位为Kg/L；x_tot为循环工况总行驶里程，单位为Km；Me(t)为循环工况各点发动机喷油量，单位为g/h；Pe(t)为循环工况各点发动机输出功率，单位为KW。

根据上述混合动力系统内部各端点处能量流，传动系统的输入总能量包括：发动机实际提供的能量E_ice、电池端再生制动总回收能量E_rgb以及电池放电总能量E_b,dc；传动系统的输出总能量包括：车轮处循环工况理论总驱动能量E_wh以及电池充电总能量E_b,c。结合能量守恒定律，定义系统的平均综合传动效率η_tr，如式(10)所示：

基于平均综合传动效率的定义，得到理论油耗模型，如式(11)所示：

式中，η_b,c为电池充电平均效率；η_b,dc为电池放电平均效率。

其中，车轮处循环工况理论总驱动能量E_wh取决于循环工况需求，在循环工况选定的情况下，该能量为常数；电池充放电能量E_b,c、E_b,dc取决于循环工况仿真结束后电池SOC的终值：若工况运行结束SOC完全平衡，则电池充电、放电总能量均为0；而在实际控制过程中很难实现SOC的完全平衡。因此，将理论电耗模型转换为油耗模型，以得到第一等效模型，第一等效模型f_u′如式(12)所示：

故能耗模型为：

对式(13)进一步推导，得到式(14)：

式中，f_e,u为能耗模型，单位为L/100km。

步骤二，获取整车工况数据(包括车速和时间的对应关系等数据)，由于整车实际运行状态为在线，故车辆可通过车辆网云台实时获取有用的信息，为了使最终获得的最佳标定参数能够适应各种各样的实际工况，故这里的整车工况采用的是合成历史工况得到的合成工况。如图5所示，合成该合成工况的具体过程如下：

车联网云台实时获取本车之前所有前车的行驶工况信息(车速和时间的变化关系曲线)，利用马尔可夫算法构造前车代表性的典型工况。首先开展运动片段分类(例如采用聚类算法进行分类，分类结果可为基于交通状况的工况，包括道路拥堵下的工况、道路畅通下的工况等)，计算各个类别之间的状态转移概率矩阵，然后利用马尔可夫方法实现运动学片段的随机重组，当重组片段达到前文计算的行驶里程边界时，认为单一工况合成结束，当合成工况的统计学特征向量Θ_i与原始数据的统计学特征向量Θ_t之间的误差小于给定门限值时，认为两者具有近似的统计学特征，则将该工况记录为一个候选工况，并继续下一次循环。完成所有循环后，计算各候选工况车速–加速度联合概率密度与原始工况数据车速–加速度联合概率密度的方差和，将方差和最小的候选工况作为最终的合成工况。该部分内容为现有技术，这里不再赘述。

步骤三，初步选择标定参数。根据经验可知，纯电动模式与混合动力模式切换的SOC门限值SOC_o、功率门限值P_o是影响模式切换的两个重要参数，且当整车SOC低于SOC门限值SOC_o时，充电系数C_chg不仅影响着发动机对动力电池的充电快慢程度，还影响着发动机工作点的分布，基于此，该实施例中将纯电动模式与混合动力模式的切换门限值SOC_o、功率门限P_o以及充电系数C_chg作为初步选择的标定参数。

步骤四，由于初步选择的标定参数只是根据经验确定，但实际可能对系统响应影响较小，故在初步选择标定参数后需要进行标定参数敏感性分析，在图2所示的平台中进行仿真与结果分析，从中筛选出对系统响应影响程度最大的标定参数，才是最终的待标定参数。如图6所示，具体过程为：

1)需要先确定SOC门限值SOC_o、功率门限P_o以及充电系数C_chg的可行域，由于其可行域内取值较多，故在Iight软件平台中，先利用具有试验次数少、分布均匀的拉丁超立方方法对样本进行抽样。该方法使标定参数与系统响应拟合的更加精确真实，具有非常好的空间填充性和均衡性。

2)将抽样结果一个一个输入至Matlab软件平台的整车仿真模型中，得到仿真结果，并反馈给Isight软件平台。在Isight软件平台中，基于仿真结果，根据这三个标定参数对系统响应的影响程度做出帕累托图和主效应图，分别如图7和图8所示。

如图7所示，PbatEngOn²表示功率门限值P_o的二阶主效应，PbatEngOn表示功率门限值P_o的一阶主效应、PbatEngOn-SOC_threshold表示功率门限值P_o与模式切换的SOC门限值SOC_o的交互效应、SOC_threshold表示SOC门限值SOC_o的一阶主效应、SOC_threshold²表示模式切换的SOC门限值SOC_o的二阶主效应，Charge_radio²表示充电系数C_chg的二阶主效应，Charge_radio-PbatEngOn表示充电系数C_chg与功率门限值P_o的交互效应，Charge_radio-SOC_threshold表示充电系数C_chg与模式切换的SOC门限值SOC_o的交互效应，Charge_radio表示充电系数C_chg的一阶主效应，从该图中可以清晰看出各标定参数本身及交互效应对系统响应的贡献率，图中蓝色代表正效应，红色代表负效应，条形长度代表各标定参数对响应的贡献率百分比。根据帕累托图，各标定参数对能耗模型呈现出较强的交互性和非线性，功率门限值P_o的二阶主效应、功率门限值P_o的一阶主效应、功率门限值P_o与模式切换的SOC门限值SOC_o的交互效应对系统响应的影响占比排列靠前，而充电系数SOC_o的交互效应对响应也产生一定影响。

如图8所示，从该图中可以看出各曲线的斜率得到各标定参数对系统响应的影响程度，可单独评价每个标定参数对系统响应的主效应。图中PbatEngOn表示功率门限值，SOC_threshold表示SOC门限，charge_ratio表示充电系数；主效应图中，标定参数的斜率越大，对系统响应的影响越大，且斜率为正代表正效应，斜率为负代表负效应。可以看出功率门限值P_o的斜率的绝对值数值和SOC门限值SOC_o的斜率绝对值较大，所以功率门限值SOC_o和SOC门限值SOC_o对系统响应的影响最大。

根据图7和图8，便可确定最终的待标定参数为功率门限值P_o和SOC门限值SOC_o。

步骤五，在确定待标定参数为功率门限值P_o和SOC门限值SOC_o后，需先确定这两个标定参数的可行域。而且，由于各个待标定参数可行域内取值可能较多，故先通过自适应模拟退火算法对标定参数可行域内的取值进行优化，可减少各个待标定参数可行域内取值，从而加快了仿真速度，而且，通过该方法获得的标定参数较佳，可以进一步降低整车油耗，提高经济性。自适应模拟退火算法使用范围广泛，对非线性、多峰性、非连续目标函数均能实现较好寻优。将步骤二中获取的整车工况数据输入至步骤一中搭建的整车仿真模型中使整车在合成工况下行驶。由于待标定参数的个数为两个，故这里需要遍历的为这两个待标定参数的可行域内进行遍历得到的各个待标定参数不同取值的组合。例如，SOC_o优化后的可行域为[0.2,0.3,0.4,0.5]，P_o优化后的可行域为[30,31,32]，那么最终组合为：(0.2,30)、(0.3,30)、(0.4,30)、(0.5,30)、(0.2,31)、(0.3,31)、(0.4,31)、(0.5,31)、(0.2,32)、(0.3,32)、(0.4,32)、(0.5,32)。接着遍历上述得到的组合，组合中的各组数据均输入至Matlab软件平台的整车仿真模型中，得到对应的仿真结果，即输出能耗模型的能耗值，找到能耗最低的结果对对应的待标定参数的取值，即为最佳标定参数。

至此，便可完成整车在线状态下的参数标定。该方法为最佳标定参数的探索提供了理论依据，使得标定周期大大减少，实现了标定效率的有效提高。而且，该方法中的能耗模型不局限于处于什么样的工况下，对工况适应性较强，保证标定效果最优。

另外，若整车处于离线状态，不能与车联网平台进行数据交互，其整个标定过程与整车处于在线状态的相同，只是其中使用的工况不再为合成工况，而是标准工况。标准工况是具有普适性的工况。

在该实施例中，首先初步选择的标定参数包括SOC门限值SOC_o、功率门限值P_o和充电系数，并采用主成分分析法和帕累托分析法最终确定待标定参数最终确定的为SOC门限值SOC_o、功率门限值P_o。作为其他实施方式，可采用现有的其他方法来找到对能耗模型的能耗值影响较大的参数作为标定参数，例如在先验经验丰富的情况下便不必采用复杂的数学计算来确定对哪些参数进行标定。

在该实施例中，为了油耗和电耗的结果进行综合分析，将理论电耗模型等效至油耗模型，也就是能耗模型采用油耗来表征。作为其他实施方式，可将理论油耗模型转化为电耗模型，使最终能耗模型采用电耗来表征。

装置实施例：

该实施例提供了一种混合动力车辆参数标定装置，如图9所示，该装置包括存储器和处理器，以及通信总线和通信接口，处理器、通信接口、存储器之间通过通信总线完成相互间的通信。处理器可以为微处理器MCU、可编程逻辑器件FPGA等，存储器可为高速随机存储器，还可为非易失性存储器，如一个或者多个磁性存储装置、闪存等。处理器可以调用存储器中的逻辑指令，以实现如下方法：

根据整车实际情况搭建整车仿真模型，所述整车仿真模型包括能耗模型，所述能耗模型根据整车动力系统内部各模块之间的能量流动情况确定；所述能耗模型包括理论油耗模型和理论电耗模型，且所述能耗模型采用电耗或者油耗表征：若采用油耗表征，则将理论电耗模型等效至油耗模型得到第一等效模型，将第一等效模型的等效油耗值与理论油耗模型的油耗值的和作为能耗模型的能耗值；若采用电耗表征，则将理论油耗模型等效至电耗模型得到第二等效模型，将第二等效模型的等效电耗值与理论电耗模型的电耗值的和作为能耗模型的能耗值；

获取整车工况数据和待标定参数的可行域，将整车工况数据输入至所述整车仿真模型中，在待标定参数的可行域内进行遍历，找到能耗模型的能耗值最低的结果对应的待标定参数的取值作为该整车工况下的最佳标定参数；其中，若待标定参数的个数为一个，则遍历的是待标定参数的可行域内的各个取值，若待标定参数的个数为至少两个，则遍历的是在各个待标定参数的可行域内进行遍历得到的各个待标定参数不同取值的组合。

上述存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用，也可以存储在一个计算机可读取存储介质中。

Claims (7)

1.一种混合动力车辆参数标定方法，其特征在于，包括如下步骤：

根据整车实际情况搭建整车仿真模型，所述整车仿真模型包括能耗模型，所述能耗模型根据整车动力系统内部各模块之间的能量流动情况确定；所述能耗模型包括理论油耗模型和理论电耗模型，且所述能耗模型采用电耗或者油耗表征：若采用油耗表征，则将理论电耗模型等效至油耗模型得到第一等效模型，将第一等效模型的等效油耗值与理论油耗模型的油耗值的和作为能耗模型的能耗值；若采用电耗表征，则将理论油耗模型等效至电耗模型得到第二等效模型，将第二等效模型的等效电耗值与理论电耗模型的电耗值的和作为能耗模型的能耗值；

获取整车工况数据和待标定参数的可行域，将整车工况数据输入至所述整车仿真模型中，在待标定参数的可行域内进行遍历，找到能耗模型的能耗值最低的结果对应的待标定参数的取值作为该整车工况下的最佳标定参数；其中，若待标定参数的个数为一个，则遍历的是待标定参数的可行域内的各个取值，若待标定参数的个数为至少两个，则遍历的是在各个待标定参数的可行域内进行遍历得到的各个待标定参数不同取值的组合。

2.根据权利要求1所述的混合动力车辆参数标定方法，其特征在于，若整车实际运行状态为离线，则整车工况为标准工况；若整车实际运行状态为在线，则整车工况为合成历史工况得到的合成工况。

3.根据权利要求1所述的混合动力车辆参数标定方法，其特征在于，所述第一等效模型为：

式中，f′_u为第一等效模型，E_b,dc为电池放电总能量，η_b,dc为电池放电平均效率，E_b,c为电池充电总能量，η_tr为平均综合传动效率，η_b,c为电池充电平均效率，Soc_ini为电池初始SOC，Soc_end为电池终值SOC，C为油耗单位转换系数，b_e,avg为发动机平均燃油消耗率，为：

式中，Me(t)为循环工况各点发动机喷油量，Pe(t)为循环工况各点发动机输出功率。

4.根据权利要求1所述的混合动力车辆参数标定方法，其特征在于，将对能耗模型的能耗值影响较大的参数作为待标定参数。

5.根据权利要求4所述的混合动力车辆参数标定方法，其特征在于，所述待标定参数包括纯电动模式与混合动力模式切换的SOC门限值和功率门限值。

6.根据权利要求4或5所述的混合动力车辆参数标定方法，其特征在于，采用主成分分析和/或帕累托分析法对与选择的参数对应的能耗模型的结果进行分析得到所述对能耗模型的能耗值影响较大的参数。

7.一种混合动力车辆参数标定装置，其特征在于，包括存储器和处理器，所述处理器用于执行存储在存储器中的指令以实现如权利要求1～6任一项所述的混合动力车辆参数标定方法。

Images