为了提高纯电动汽车制动过程中的能量回收率和制动稳定性,提出了基于模型预测控制的制动力矩分配方法。建立了纯电动汽车机电复合制动系统关键部件模型和动力学模型。提出了适用于任何地面的改进Burckhardt轮胎模型,用于实时计算当前路面的最佳滑移率。以跟踪最佳滑移率和控制量增量最小为目标,使用模型预测控制完成了前后轮制动力矩的分配。设计了制动踏板对复合制动系统的控制方案和再生制动优先使用原则,完成了后轮复合制动力矩的分配,同时获得了良好的制动踏板感觉。经仿真验证,在初速为78km/h、路面附着系数为0.8的工况下,控制器与文献[11]模糊控制器相比,制动时间减少由2.95s减少为2.80s,制动能量回收率提高了20%,实现了研究目标。

为了提高柴油机故障的在线识别准确率,提出了堆栈自编码特征提取方法和话语权随机森林的故障类别识别方法。对缸盖罩振动信号为分析对象,提出了样本熵自适应小波阈值去噪方法,有效提高了信号的信噪比。使用堆栈自编码网络提取振动信号的故障特征向量,所提取特征类内聚合度高、类间区分度好。在传统森林算法基础上,根据决策树的预测试准确率为其赋予不同的话语权,从而提出了话语权随机森林算法,并将其应用于柴油机运行故障模式识别。经10组实验验证,传统森林算法的平均识别准确率为90.32%,话语权森林算法的平均识别准确率为99.67%,比传统算法提高了10.35%;另外,话语权森林算法的识别准确率标准差远小于传统随机森林算法。以上数据说明经过改进,随机森林算法的识别准确率和稳定性均得到了提高。