Key points are not available for this paper at this time.
Neste artigo, é apresentado um método de otimização baseado em aprendizado para o controle online de troca de marcha e velocidade, visando reduzir o consumo de combustível e melhorar o conforto de condução em um processo de acompanhamento de veículo. A força de tração contínua e a troca de marcha discreta são otimizadas conjuntamente para melhorar tanto a operação do trem de força quanto o movimento longitudinal. O problema é formulado como um problema de otimização não linear de inteiros mistos e resolvido com base em programação dinâmica adaptativa. Uma diferença principal em comparação com abordagens existentes é que o método de controle desenvolvido é livre de modelo, ou seja, não depende de modelos de veículo. Ele pode abordar não linearidades do sistema e se adaptar a mudanças nas características do motor (por exemplo, mapa de consumo) durante a condução do veículo. O cálculo é eficiente e possibilita uma implementação em tempo real. O método de controle proposto é estudado para um ciclo de condução urbana para avaliar o desempenho do controle em relação à economia de combustível e ao conforto de condução. Simulações indicam que o veículo hospedeiro pode reduzir o consumo de combustível em 5,03% e 1,12% para dois mapas de consumo em comparação ao antecessor, mantendo uma distância inter-vehicular desejada. Os resultados também mostram uma diminuição de 1,59% e 2,32% no consumo de combustível em comparação a um controlador quadrático linear com o mesmo cronograma de troca de marcha.
Li et al. (Mon,) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: