oHImqwYBz-CSDN博客

原创基于等效油耗极小值算法（ECMS）的串联型混合动力汽车能量管理策略程序

控制策略模块、驾驶员模块、电机模块和发动机-发电机组模块的介绍，以及优化方法的说明，都为读者提供了全面的了解。结论本文基于等效油耗极小值算法（ECMS）原理，搭建了串联型混合动力汽车的能量管理策略程序，并进行了Simulink模型仿真验证。2.1 控制策略模块控制策略模块是整个能量管理策略的核心，其主要任务是根据当前工况和驾驶员的需求，决定电池和发动机之间的能量分配比例。程序搭建本程序基于Simulink模型搭建，包含以下模块：控制策略模块、驾驶员模块、电机模块和发动机-发电机组模块。

2024-01-10 13:51:55 721 1

原创伺服系统转动惯量离线辨识算法仿真模型为永磁同步电机伺服控制仿真

模型内主要包含DC直流电压源、三相逆变器、永磁同步电机、采样模块、SVPWM、Clark、Park、Ipark、三角波发生器、转动惯量离线辨识、速度环、电流环等模块，其中，SVPWM、Clark、Park、Ipark、三角波发生器、转动惯量离线辨识、模块采用Matlab funtion编写，其与C语言编程较为接近，容易进行实物移植。通过本文的模型介绍、算法简介和仿真效果展示，我们可以得出结论：转动惯量离线辨识算法是一种简单且有效的方法，可用于永磁同步电机的伺服控制中，具有较高的实用性和精度。

2024-01-10 13:49:52 1307

原创基于分布式驱动电动汽车的车辆状态估计，采用的是无迹卡尔曼（ukf）观测器

最后一个模块是基于UKF的车辆状态估计模块，通过该模块可以估计车辆的纵向速度、横摆角速度、质心侧偏角和四个车轮角速度等七个状态。我们将探讨使用UKF进行状态估计的原理和方法，并介绍我们所开发的模型和代码。第二个模块是carsim输出的真实参数，包括汽车所受横向力，纵向力，驱动力矩等：第三个模块是基于dugoff计算轮胎力模块，该模块可以计算纵向力和横向力。基于分布式驱动电动汽车的车辆状态估计，采用的是无迹卡尔曼（ukf）观测器，可估计包括纵向速度，质心侧偏角，横摆角速度，以及四个车轮角速度七个状态。

2024-01-10 13:47:33 384

原创 VSG 扫频法阻抗扫描阻抗建模验证正负序阻抗新能源变流器逆变器

总结起来，VSG扫频法是一种用于阻抗扫描和建模验证的技术方法，在新能源领域的变流器和逆变器控制中具有重要的应用价值。本文提供了相应的程序和方法，帮助读者实现VSG扫频法，但需要确保具备一定的技术基础和理解能力。扫频程序可以设置扫描范围和扫描点数，通过对系统进行频率扫描，可以获取系统在不同频率下的阻抗响应。在VSG控制中，序阻抗是一个重要的参数，通过对序阻抗进行扫描和建模验证，可以验证系统的稳定性和同步性能。通过使用VSG扫频法，我们可以更好地理解和优化新能源系统的控制，实现更高效、稳定的能源转换和利用。

2024-01-10 13:46:04 898

原创基于分布式驱动电动汽车的四轮侧偏刚度估计，采用容积卡尔曼（ckf）进行估计

为了验证估计的准确性，我们将估计结果与转化的侧向轮胎力进行比较，并进行误差分析。本研究为电动汽车的运动性能提供了一种新的估计方法，并为相关领域的研究提供了借鉴和参考。然后，我们对估计结果进行了误差分析，并讨论了误差的来源。基于分布式驱动电动汽车的四轮侧偏刚度估计，采用容积卡尔曼（ckf）进行估计，能够很好地估计汽车行驶过程中的侧偏刚度，并与转化的侧向轮胎力进行比较，具有很好的估计效果。第二个模块是carsim输出的真实参数，包括汽车所受横向力，纵向力，驱动力矩等：第三个模块是关于ckf的四轮侧偏刚度估计。

2024-01-10 13:44:31 424

原创定位+电流闭环强拖+ 角度渐变切换+ 速度电流双闭环+ 无传感器角度估算SMO+ PLL 控制方式

该算法通过将电流和角度闭环进行强拖控制，使用角度渐变进行切换，通过速度电流双闭环进行控制，并利用无传感器角度估算方法SMO来实现控制。通过stateflow的图形化界面，可以直观地描述系统的状态和状态之间的转换关系，提高模型的可读性和可维护性。通过对模型特点的分析和理解，可以更好地掌握和应用该算法，为实际项目的开发和调试提供指导和支持。这是一种常用的无传感FOC电机控制算法，掌握这种算法的基本原理，并有仿真模型在手，就可以用它来指导实践中的程序调试，做到实际项目不盲目调试。6.通用表贴和内嵌式电机。

2024-01-10 13:42:53 453

原创从零学习自动驾驶Lattice规划算法(下) 轨迹采样轨迹评估碰撞检测

综上所述，本文围绕Lattice规划算法的轨迹采样、轨迹评估和碰撞检测三个关键步骤展开了详细的分析。希望通过本文的阐述，读者能够更好地理解Lattice规划算法的实现原理和应用场景，从而为自动驾驶技术的发展做出贡献。此外，我们还会提供一些实用的示例代码，包括Matlab代码和C++代码，以便读者学习和对照实践。您可以通过该示例代码，了解如何将评估指标与可视化界面结合，更直观地展示轨迹的性能。在Lattice规划算法中，我们可以根据一些评估准则，对采样得到的轨迹进行评估。附录：Matlab代码实现示例。

2024-01-10 13:41:19 913

oHImqwYBz的博客