基于驾驶员行为辨识的增程式电动汽车増程器控制

驾驶员行为是导致燃油消耗、CO 2排放、交通事故伤亡增加的主要原因之一。为了应对这些挑战，驾驶员行为检测并分类的概念是至关重要的。驾驶员行为的识别是一项艰巨任务，因为在真实世界中驾驶员的行为受很多因素影响，如交通、路况、行程持续时间等。许多方法考虑计算智能技术来开发驾驶员行为检测系统。集中研究驾驶员行为对能量消耗的影响，以及随之产生的对电动汽车行驶里程的影响。

驾驶员行为可以改善车辆性能，如限制燃油消耗。冷静的驾驶风格有助于减少交通事故的发生。计算智能技术（CI）介绍了一种检测驾驶行为不确定性的有效方法，通过考虑许多变量来确定驾驶员的状态并进行分类。提出了驾驶员行为的主要元素和相关信息。

引入了一个新提出的体系结构来展示CI如何与从车辆、驾驶员和外部环境条件中收集的文本信息而进行交互。所提出的REEMS系统基于模糊逻辑及从纯电动汽车实车试验和高保真性能模型中收集数据，从而改善人工神经网络方法，高保真性能模型是在德蒙福特大学发动机研究实验室通过使用从车辆CAN网络和外部传感器获得的实时数据而试验派生的。神经网络模型用于驾驶员行为的分类，然后将这种分类用于模糊逻辑控制器来对増程器操作进行平衡管理。考虑上述体系结构中提到的所有其它变量的试验会进一步进行。

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

编译：王欣欣