【摘 要】
：
针对纯电动车行驶中整车质量与道路坡度的参数估计问题，根据整车质量具有稳变性及道路坡度具有时变性的特点，在车辆纵向动力学的基础上，提出了一种基于混合算法的整车质量及道路坡度估计方法，并将该方法应用于纯电动汽车起步阶段。使用对稳变量具有较好估计效能的遗忘因子递归最小二乘法进行了整车质量的估计，并将输出的质量结果作为坡度估计的输入参数之一。使用自适应卡尔曼滤波进行道路坡度估计，通过引入带有遗忘因子的噪声
【基金项目】
：
国家自然科学基金项目（51968065）；
论文部分内容阅读
针对纯电动车行驶中整车质量与道路坡度的参数估计问题，根据整车质量具有稳变性及道路坡度具有时变性的特点，在车辆纵向动力学的基础上，提出了一种基于混合算法的整车质量及道路坡度估计方法，并将该方法应用于纯电动汽车起步阶段。使用对稳变量具有较好估计效能的遗忘因子递归最小二乘法进行了整车质量的估计，并将输出的质量结果作为坡度估计的输入参数之一。使用自适应卡尔曼滤波进行道路坡度估计，通过引入带有遗忘因子的噪声估计器，降低了外界噪声统计特性无法归纳的噪声影响，进而提高坡度估计精度。选取平地与微斜坡路段进行电动车起步试验，根据车辆起步过程速度低的特点，忽略空气阻力。使用全球导航卫星系统（GNSS）终端和车辆控制器局域网（CAN）总线采集所需数据，进行离线计算。结果表明：选择一段变坡度道路验证算法的有效性，该路段整车质量估计结果最终收敛至真实值10 kg以内，坡度估计结果具有较小误差；混合算法可以较为准确地估计整车质量和不断变化的道路坡度；二次起步试验质量估计结果具有相同的收敛趋势且质量误差小于2%,虽然坡度估计误差略有增大，但误差仍低于0.6%,表明混合算法在纯电动汽车起步过程中具有较高的估计精度。
其他文献
随着移动设备和通讯技术的大力发展,人们已不满足于单一的手机社交APP。现如今正处在短视频井喷式发展的"风口",人们通过抖音、快手等短视频社交媒体来了解生活的方方面面,以此来满足人们的各类需求。近几年,伴随着短视频社交媒体依赖出现的问题越来越突出。生态学理论认为,学业倦怠与短视频社交媒体依赖息息相关。所以本研究拟探究短视频社交媒体依赖对大学生学业倦怠的影响。采用短视频社交媒体依赖量表、核心自我评价量
高等教育的根本任务是立德树人，新工科背景下探索课程思政的实施是实现立德树人任务的重要保障。本研究以广州大学电子与通信工程学院为例，首先分析了工科学院落实课程思政的现状及其现存问题，然后从组织建设、内容建设和价值引领三个方面着手挖掘思政元素，系统阐述了新工科背景下落实课程思政的实践路径并提供了具体的课程思政案例，为工科学院探索落实课程思政的路径，更好地完成“三全育人”目标提供了思路。
大数据时代高校实施精准思政是推进思想政治教育创新发展的关键举措、解决思想政治教育供需矛盾的重要法宝、提升思想政治教育育人实效的内在需要。但是由于高校实施精准思政尚处于初步发展阶段，还面临许多困难和问题，这就要求高校应精准定向教育目标以坚守正确政治方向、精准定位教育对象以构建用户数据画像、精准供给教育内容以满足对象实际需求、精准运用教育方式以提升思政教育实效，从而培养更多堪当民族复兴重任的时代新人。
大学生群体容易受到疏离感的侵扰,疏离感高的个体更容易遭遇负面情绪困扰和一系列外化问题。根据社会化理论、自我决定理论和使用满足理论,与家庭、学校或同伴群体相疏离的大学生可能会转向替代性的社会化环境,而社交媒体为满足建立人际联结的需求提供了载体。研究表明,反刍思维倾向的产生会由负面情绪引起,进而促使媒体使用频率的增加,而过度依赖社交媒体会对大学生的生理、心理健康带来负面影响。此外,自我建构类型与人际联
道路坡度信息作为车辆行驶中动力性、经济性和智能化控制中的重要部分，其良好的预测精度对车辆的能量管理、制动辅助及预测性驾驶控制策略的制定具有重要作用，在道路规划、车辆导航中具有重大的应用价值，为智能导航、智能交通系统等提供数据支撑。为实时计算车辆行驶过程中的坡度状况，该研究采用来自车联网车辆实时采集的车速和GPS信息对车辆运行过程中坡度情况进行估计。考虑到坡度计算结果具有实时性且短时内对先前坡度信息
课程思政教学改革是当前高职院校工科类专业强化思政教育的重点与难点。本研究以机电一体化技术专业基础课程“机械制图”为例，通过将爱国主义情怀、社会主义核心价值观、制造强国的专业使命、劳动精神、工匠精神、劳模精神等融入机械制图课程教学目标、教学项目、教学资源、教学组织、教学评价等全部教学环节，成体系设计机械制图课程思政教学，实施课程思政教学改革，以期为工科专业开展课程思政教学改革提供借鉴与参考。
针对双遗忘因子最小二乘法由于数据饱和导致车辆变质量估计失效，在坡道起步时导致坡度估计性能下降的问题，提出一种改进算法。建立了车辆行驶时的纵向动力学数学模型，并根据最小二乘递推估计理论得到双遗忘因子最小二乘递推估计模型；针对原始算法的变质量估计问题，通过引入车速作为车辆停车的判断参数，并在停车后重新初始化协方差矩阵来消除数据饱和的影响；采用AVL CRUISE与Matlab/Simulink联合仿真
准确估计车辆质量和道路坡度，是实现车辆控制和节能的关键。针对现有道路坡度估计研究大多焦距纵向坡度，对于纵向道路坡度和连续转弯上下坡相耦合场景下的坡度估计研究较为缺乏。为此，首先针对货运车辆加速过程中的质量估计稳定性问题，探究了不同加速类型对质量估计的影响，提出了M估计和基于遗忘因子的递归最小二乘法（Forgetting Factor Recursive Least Square， FFRLS）联合
为减少侧向运动对车辆质量与道路坡度估计精度的影响，提出了一种考虑侧向运动的估计算法，利用加速度修正车辆动力学模型，采用遗忘因子增强新数据适应车辆系统时变特性的最小二乘算法估计车辆质量，并将质量估计结果实时输入到道路坡度估计中；建立车辆运动学和动力学两个坡度估计模型，并在模型中添加加速度修正项，设计强跟踪滤波算法分别针对两种模型进行道路坡度估计，时变交互多模型融合算法根据两个坡度估计模型的权重系数和