摘要：针对具有动力学约束的智能汽车路径精确跟踪问题,提出了一种融合前馈及状态反馈的模型预测控制(model predictive control,MPC)方法.首先,根据车辆二自由度模型建立MPC路径跟踪基础模型,然后考虑基础模型中道路曲率变化对系统产生的已建模稳态扰动,设计前馈控制器(feed-forward control,FFC)进行消除;并进一步采用比例积分微分(proportional integral derivative,PID)控制器进行系统误差状态反馈调节;最终形成融合前馈及状态反馈转角输入的模型预测最优调节控制律(MPC-FF-PID).最后基于MATLAB/Simulink和Carsim平台证实所提算法的有效性,并基于智能驾驶实车平台在园区低速场景下进行实车测试,最大横向和航向误差分别为0.128 7 m和0.063 9 rad,表明本文算法具备更高的跟踪精度及安全性.

摘要：准确估计电池的荷电状态(SOC)是保障电池储能系统(BESS)安全稳定运行的前提。针对传统安时(Ah)积分法忽略充放电状态,导致SOC估计精度降低的问题,基于充放电状态对电池效率和最大可用容量的影响实验,得到不同充放电倍率下SOC与电池效率的关系、充放电倍率与电池最大可用容量的关系,提出考虑电池运行状态变化的改进Ah积分法,以提升SOC估计精度。在不同运行工况下,进行电池SOC估计对比发现,在不同环境温度下,所提Ah积分法的估计误差均最小,25℃时的最大误差仅为0.346%,比优化Ah积分法和传统Ah积分法分别提升0.142和0.527个百分点。