一、引言

随着生活水平的提高和社会的进步，消费者对汽车的要求不再仅满足于基本的驾驶功能，开始着眼于汽车整车安全性、经济性和动力性的整体进步，追求更高的驾驶体验感。为适应绿色环保理念而迅速推广的纯电动新能源汽车，以电机作为动力源动力响应更加迅速，以蓄电池电池作为能源限制了其续航里程，经济性与动力性矛盾更加突出。出于以上考虑以及道路环境复杂及驾驶者操作习惯的多样性，基于同一驾驶者在不同工况下的驾驶需求和不同驾驶者在多工况下对车辆性能的需求差异，汽车生产和研发部门开始着眼于客户的“个性定制”。

二、驾驶意图识别

当前研究的热点是对驾驶员操控动作进行模糊推理和意图识别，进而基于识别结果和车辆驱动控制策略，实现动力性、经济性或是综合性能的相互转换协调。模式识别的主要方法有统计模式识别、模糊模式识别和神经网络方法等。统计模式识别是一种监督学习的模式识别方法，理论体系较为成熟，但要依靠概率统计模型。模糊模式识别过程是将待识别参数和模糊推理的结果模糊化，观察待识别参数隶属于每一部分集合的程度得到识别的结果，难以得到确定的结果。人工神经网络不依赖于对象模型，可以自学训练网络，有很强的鲁棒性，但是它的设计和实现缺乏成熟的理论基础。现代控制算法能选择满足当前时刻下驾驶员的驾驶意图，提高驾驶人员的驾驶感受，能覆盖驾驶全过程，但是识别的方法尚不成熟，驾驶风格识别的准确率和及时性有待提高。

图1 人工智能网路结构

三、驾驶模式设计

为满足驾驶员的不同驾驶风格的要求，目前主流的方法是在整车控制系统的设计过程中，制定不同的驱动控制策略，如ECO模式、NORMAL模式、SPORT模式等基于驾驶意图的模式选项。通过在操作面板上设置不同的驾驶模式选择按钮，驾驶员明确改变动力传动系统的参数匹配方式，匹配个人的驾驶习惯。驾驶模式的划分实质是对需求扭矩计算采取不同的Pedal MAP，让驱动系统实现驾驶员的驾驶意图。

图2 汽车面板上的不同驾驶模式

四、加速踏板特性差异

踏板开度和扭矩负荷系数的不同对应关系，反映了不同踏板开度对应扭矩特性分布的均匀程度。例如当驾驶员选择ECO模式时，整车驱动性能偏向于节能省电的经济模式，在踏板策略上为软踏板；当驾驶员选择NORMAL模式时，整车性能追求动力性和经济性两者之间的平衡协调，在踏板策略上为中性踏板，代表大多数工况下的均衡输出；当驾驶员选择SPORT模式时，整车性能偏向于动力性，在踏板策略上为硬踏板。图3为对某款车型解析得到的不同模式下踏板特性。

图3 某车型加速踏板开度与输出扭矩的关系图

不同车型对踏板特性的定义也有各自的考虑。图3中扭矩输出特性基本符合理想的加速踏板控制特性，三种驾驶模式呈现明显的差异性。对于ECO驾驶模式，系统扭矩输出为“凹函数”特性，扭矩响应较慢且扭矩输出较小，维持较好的经济性；NORMAL和SPORT驾驶模式的扭矩输出凹凸的拐点提前，保持了车辆较好的动力响应。图4为对另一款车型解析得到的不同模式下踏板特性。其中ECO模式和SPORT模式输出扭矩曲线基本平行，最大输出扭矩也相同，区别在于SPORT模式输出最大扭矩对应的踏板开度较ECO模式小，整车表现明显的动力性考虑。

图4 某车型加速踏板开度与输出扭矩的关系图

五、小结和展望

本文介绍了不同驾驶模式下踏板特性设计的差异性，踏板特性直接影响整车的动力性能和经济性能，关系到驾驶员的驾驶感受和对整车综合性能的评价，是整车开发过程中的重要环节。

返回第一电动网首页 >