基于駕駛員行為辨識的增程式電動汽車増程器控制

駕駛員行為是導致燃油消耗、CO 2排放、交通事故傷亡增加的主要原因之一。為了應對這些挑戰(zhàn)，駕駛員行為檢測并分類的概念是至關重要的。駕駛員行為的識別是一項艱巨任務，因為在真實世界中駕駛員的行為受很多因素影響，如交通、路況、行程持續(xù)時間等。許多方法考慮計算智能技術來開發(fā)駕駛員行為檢測系統(tǒng)。集中研究駕駛員行為對能量消耗的影響，以及隨之產生的對電動汽車行駛里程的影響。

駕駛員行為可以改善車輛性能，如限制燃油消耗。冷靜的駕駛風格有助于減少交通事故的發(fā)生。計算智能技術（CI）介紹了一種檢測駕駛行為不確定性的有效方法，通過考慮許多變量來確定駕駛員的狀態(tài)并進行分類。提出了駕駛員行為的主要元素和相關信息。

引入了一個新提出的體系結構來展示CI如何與從車輛、駕駛員和外部環(huán)境條件中收集的文本信息而進行交互。所提出的REEMS系統(tǒng)基于模糊邏輯及從純電動汽車實車試驗和高保真性能模型中收集數據，從而改善人工神經網絡方法，高保真性能模型是在德蒙福特大學發(fā)動機研究實驗室通過使用從車輛CAN網絡和外部傳感器獲得的實時數據而試驗派生的。神經網絡模型用于駕駛員行為的分類，然后將這種分類用于模糊邏輯控制器來對増程器操作進行平衡管理?？紤]上述體系結構中提到的所有其它變量的試驗會進一步進行。

Moath Al- Doori et al. Hybrid and Electric Vehicles Conference (HEVC 2014), 5th IET London 2014.

編譯：王欣欣