基于Hilbert-Huang变换的电动汽车制动意图频域识别方法研究

Braking intention identification is a key technology of electric vehicle regenerative braking. Currently，Braking intention identification method’s accuracy rate is unstable，which has bad effect on braking intention identification’s application .. To solve this problem， the research will be done in these fields：（1）Different driving style’s driver operation of braking pedal’s characteristic for different driving style’s drivers is revealed.（2）Braking intention identification method will be studied based on HHT. Mathematical model will be built and the test will be done to prove this method.. This project aims to improve Braking intention identification method’s adaptability for different driving styles’ driver, which will improve Braking intention identification method’s accuracy rate and key technology of electric vehicle regenerative braking.

制动意图识别是影响电动汽车再生制动能量回收率的关键技术。当前制动意图识别方法的识别准确率受驾驶员驾驶风格影响较大，稳定性和适应性都较差，严重影响了制动意图识别在电动汽车再生制动技术上的工程应用效果。. 为解决这一问题，本项目拟展开以下研究：（1）揭示要实现同一制动意图时，不同驾驶风格驾驶员对制动踏板的操纵差异、特点及规律。（2）基于HHT理论探究具有驾驶风格自适应性的驾驶员制动意图频域识别理论及方法。建立基于此理论的制动意图识别方法的数学模型，并验证理论方法的准确性与实用性。. 本项目旨在提高制动意图识别方法对驾驶员驾驶风格差异的适应性。为进一步提高电动汽车驾驶员制动意图识别准确率，完善电动汽车再生制动的关键技术奠定基础。

电动汽车制动控制策略对再生制动和机械摩擦制动力矩在制动过程中使用比例的分配依据是驾驶员的制动意图。驾驶员制动意图识别的准确与否直接影响到电动汽车再生制动的能量回收率。针对不同驾驶员在相同制动意图下对制动踏板的操作特点不同导致的制动意图识别算法对不同驾驶员的适应性不够的问题。本项目为了进一步提高电动汽车再生制动系统对驾驶员制动意图的识别准确率，使电动汽车能在制动的过程中回收更多的能量，提出了基于Hilbert-Huang变换（HHT）的电动汽车制动意图聚类识别方法。建立了HHT的数学模型，基于HHT在时频域中，对不同制动意图下的制动踏板开度信号的特征进行进一步的挖掘。建立了制动踏板开度信号特征提取的数学模型，运用Hilbert局部边际能量谱得到局部特征能量，从而对信号特征进行提取，获取信号的特征向量。建立基于模糊C均值聚类算法的制动意图识别模型并进行了离线实验和实时实验。实验结果证明了提出的基于HHT的制动意图模糊C均值聚类识别方法能更好的分辨中等制动和平缓制动意图，提高了识别准确率，并且具有较好的实时性。为进一步提高电动汽车制动能量回收率奠定基础。为抑制制动踏板信号中存在的间歇性成分或脉冲成分所造成的信号分解挖掘过程中的模式混叠现象，进一步提高制动意图识别结果的准确率和实时性，提出了基于平均经验模式分解（EEMD）和熵理论的电动汽车驾驶员制动意图聚类识别方法。运用EEMD算法将制动踏板信号分解为IMF分量从而抑制模式混叠现象，对制动踏板信号特征进行更准确的挖掘。运用Shannon熵对IMF分量进行筛选以减少特征提取的计算量。用样本熵提取筛选后所选取的制动踏板信号IMF分量的特征，得到不同制动意图的制动踏板信号特征向量。运用聚类算法对制动意图进行识别。离线实验和实时实验证明改进后的制动意图聚类识别方法具有更高的识别准确率和更好的实时性。