新能源汽車系統仿真與智能感知工程

楊錚，女，高級工程師，1986年出生。四川大學計算機科學與技術專業碩士研究生畢業，現任吉利學院副教授，曾任騰訊科技後臺開發高級工程師。長期從事智能系統開發、高並發服務架構設計與計算機視覺算法研究，研究方向涵蓋智能駕駛感知、虛擬現實、傳感數據融合等。

目錄

 

第1篇基礎理論篇

第1章新能源汽車系統概述2

1.1新能源汽車的發展背景與趨勢2

1.1.1“雙碳”目標與政策環境2

1.1.2市場態勢與技術疊代3

1.1.3典型應用場景與工況需求5

1.2系統組成與核心需求6

1.2.1三電系統功能與關鍵指標6

1.2.2智能感知架構與傳感器配置7

1.2.3能量管理策略與安全要求9

1.3仿真驅動設計在新能源汽車開發領域的核心價值10

1.3.1機理建模與模型驗證方法11

1.3.2需求、模型、仿真的閉環流程12

1.3.3典型應用案例與效益評估12

1.4未來技術展望13

1.4.1數據驅動開發與數字孿生14

1.4.2跨子系統協同與平臺化工具鏈14

1.4.3開放生態與產業化趨勢15

1.5本章小結16

第2章仿真工具鏈與開發環境17

2.1系統仿真工具安裝與使用17

2.1.1Simulink模塊安裝18

2.1.2CarSim基礎使用教程19

2.2數據賦能感知工具安裝部署29

2.2.1Python安裝29

2.2.2PyTorch安裝32

2.3建模三步法35

2.3.1建模目標35

2.3.2模型分解36

2.3.3模型驗證37

2.4基於CarSim+Simulink的PID車速控制器仿真37

2.4.1新建Simulink模型37

2.4.2聯合仿真41

2.5本章小結42

第2篇仿真驅動設計篇

第3章動力電池建模與仿真44

3.1動力電池的結構與充放電原理44

3.1.1動力電池概述44

3.1.2動力電池的物理結構44

3.1.3動力電池的充放電原理45

3.1.4動力電池的充放電過程46

3.2動力電池的性能參數48

3.2.1電壓特性48

3.2.2容量與能量50

3.2.3功率特性52

3.2.4壽命與衰減53

3.2.5熱管理參數55

3.3SOC模型與估計57

3.3.1SOC定義與估計意義57

3.3.2基於等效電路模型的SOC估計59

3.3.3數據驅動的SOC估計方法60

3.4BMS監測與模型61

3.5實踐案例： SOC估計建模與仿真64

3.5.1仿真模型整體架構設計64

3.5.2SOC計算模塊設計與實現原理64

3.5.3RC參數查表與端電壓計算65

3.5.4卡爾曼濾波算法的SOC估計實現66

3.5.5仿真操作流程與結果分析67

3.5.6案例總結與工程啟示68

3.6本章小結68

第4章電驅系統建模與仿真69

4.1電驅系統概述與仿真需求69

4.1.1電機、逆變器和電池耦合機理70

4.1.2標準工況與負載特性71

4.1.3仿真目標與評價指標74

4.2Simulink電驅系統建模基礎75

4.2.1子系統模塊化建模規範76

4.2.2信號接口與數據字典管理77

4.2.3參數設定與仿真配置80

4.3電驅控制策略與仿真實現82

4.3.1FOC、速度環和轉矩控制實現82

4.3.2再生制動與能量回收策略84

4.3.3穩定性與魯棒性驗證方法85

4.4電驅系統集成與調試方法87

4.4.1模型集成與接口一致性檢查88

4.4.2調試流程與故障註入89

4.4.3極端片段耐受性評估91

4.5實戰案例： Simulink電驅系統建模基礎93

4.5.1電驅系統建模93

4.5.2電機系統操作98

4.5.3PMSM仿真數據分析100

4.6本章小結102

第3篇數據賦能感知篇

第5章數據驅動圖像感知104

5.1圖像數據采集與預處理104

5.1.1采集方案與標註規範104

5.1.2數據清洗、增強與劃分106

5.1.3數據安全與隱私合規108

5.2深度學習感知模型110

5.2.1檢測/分割/跟蹤基線110

5.2.2訓練流程與超參設置113

5.2.3指標體系與誤差分析117

5.3模型部署與應用優化121

5.3.1模型導出與加速121

5.3.2量化/剪枝/蒸餾的端側優化123

5.3.3端-邊-雲協同與A/B評測126

5.4實戰案例： 車道線檢測128

5.4.1數據準備與標註要點128

5.4.2訓練—評測—閉環改進流程130

5.4.3演示與結果復盤134

5.5本章小結136

第6章多傳感器融合與數據決策137

6.1常用傳感器及其數據特征137

6.1.1毫米波雷達137

6.1.2超聲波雷達138

6.1.3慣性測量單元139

6.1.4全球定位系統139

6.1.5可見光攝像頭140

6.1.6紅外成像傳感器140

6.2多傳感器融合基礎方法141

6.2.1數據級融合141

6.2.2特征級融合142

6.2.3決策級融合143

6.3紅外與可見光圖像融合144

6.3.1融合核心目標與優勢144

6.3.2融合方法與技術流程145

6.3.3典型融合算法對比與選型146

6.4實戰案例： 夜間行人檢測與自動緊急制動146

6.4.1自動緊急制動-車對車追尾制動測試工況147

6.4.2仿真步驟148

6.4.3AEB仿真結果159

6.5本章小結160

第7章數據挖掘與系統優化161

7.1動力電池與車輛運行數據處理161

7.1.1新能源汽車的數據特征161

7.1.2時序數據預處理技術162

7.1.3數據質量評估指標163

7.2特征工程165

7.2.1特征構造方法165

7.2.2特征選擇策略166

7.2.3特征標準化與降維167

7.3機器學習168

7.3.1監督學習模型168

7.3.2無監督學習方法170

7.3.3模型評估與優化171

7.4數據挖掘： 動力電池剩余續航預測172

7.4.1數據預處理實戰173

7.4.2電池容量估計算法實現176

7.4.3續航預測模型構建178

7.4.4工程優化建議179

7.5本章小結180

第4篇系統協同控制篇

第8章自適應巡航系統開發182

8.1系統協同控制邏輯182

8.1.1ACC原理介紹182

8.1.2ACC系統協同控制流程183

8.1.3ACC系統控制與決策邏輯185

8.2多工具鏈ACC系統協同仿真186

8.2.1實驗設置186

8.2.2仿真步驟187

8.3基於CarSim+Simulink的自適應巡航系統仿真結果202

8.3.1系統的核心工作場景202

8.3.2ACC仿真曲線203

8.4本章小結205