純電動智能網聯洗掃車的優化設計

林新強

摘 要：本文分析了新能源環衛車輛的應用現狀，總結了現有車輛亟待解決的技術問題。并以純電動新能源洗掃車為研究對象，對于輕量化、節能化、智能化及車聯網等方面的技術深入研究，提出了純電動智能網聯洗掃車的發展趨勢。

關鍵詞：新能源;純電動;洗掃車;智能網聯

1 引言

隨著我國經濟的飛速發展，城市化進程不斷推進，市政環衛保潔問題日趨嚴重。目前，通過環衛系統機械化程度的提升，有效的緩解了此問題，它使工人的勞動強度降低、作業效率提高。但以燃油為主的環衛車輛，造成的能源消耗、尾氣排放污染等問題也日益受到人們的關注，已成為環衛行業亟待解決的重大課題。新能源作為現階段實現車輛節能減排的最佳途徑[1]，不僅解決了石化能源安全、空氣污染治理等問題，同時發展新能源汽車有助于我國汽車實現產業彎道超車，這是我國從汽車大國邁向汽車強國的必由之路。

新能源汽車大的發展趨勢是將公共服務領域用車作為新能源汽車推廣應用的突破口，以純電驅動為新能源汽車發展的主要戰略取向。環衛車輛作為公共服務領域用車的重要組成部分，因為具有定點定線運行、運力高效、耗能高和排放差等特點，符合純電動汽車的使用特點和零排放優勢[2]，同時由于充電設施便于集中管理的運營優勢、易于實現智能化的平臺優勢[3]，成為政府推廣新能源車輛的主要對象，紛紛落地新能源環衛車輛推廣優惠政策。如今，在政策和技術的雙重驅動下，新能源環衛車輛的推廣應用和產業發展已有了長足的進步，并取得了階段性的應用成果，比如鄭州宇通路面養護車、北京華林灑水車、福建龍馬純電動掃路機等都已實現了電動化。

2 亟待解決的技術問題

本文以環衛車輛中的主銷車型洗掃車為基礎研究對象，通過大量市場調研獲得用戶對純電動新能源環衛車輛的顧慮，主要包括：純電動車輛的續航能力、充電便捷性、安全性、經濟性等方面，并重點圍繞用戶關切的問題開展純電動智能網聯洗掃車優化續航能力、智能化作業、車聯網技術的研發。

2.1 優化續航能力

純電動智能網聯洗掃車由底盤和上裝作業裝置構成，底盤動力蓄電池組不僅需要為車輛正常行駛提供所需的能量，還需為上裝各作業裝置提供能量。實踐表明，上裝作業裝置功耗占整車能耗的一半以上，提升專用裝置效率對降低整車能量消耗至關重要。受限于底盤電池技術的制約，需要通過上裝輕量化技術降低整車整備質量、核心氣力輸送系統優化技術降低整車作業能耗、能量匹配技術完成能量最優分配，從而增加車輛續航能力滿足實際作業需求，實現洗掃車整車電動化目標。

2.2 智能化控制

傳統環衛車輛仍以實現基本作業功能為主，智能化水平遠落后于現有的乘用車。針對洗掃車的作業特點開展路肩自動識別、路面垃圾污染量識別自動控制和語音識別切換作業方式等智能控制，提升環衛車輛智能化水平，減輕環衛車輛操作者的精神負擔，智能控制技術也是純電動智能網聯洗掃車的核心技術。

2.3 車網聯技術

目前的環衛服務管理平臺只能對車輛的位置、車速、行駛軌跡等非常有限的實時數據監控，而且現有車載網聯終端不能完全適配環衛車輛，無法實現上裝作業裝置的數據采集、狀態監控、工況評估等，不能全面統計、分析駕駛員的作業習慣，在環衛作業質量反饋、降低環衛運營成本、數字評估管理實效性等方面存在不足。開發全新的基于互聯網、物聯網技術的環衛車輛專用網聯終端設備，全方位采集、分析車輛作業過程中的動態數據，合理設計規劃車輛的作業路徑及作業模式，實現環衛作業車輛與環衛管理平臺的互聯，提升作業質量和效率，降低環衛運營成本。

3 優化設計與應用實踐

3.1 優化續航能力

3.1.1 上裝輕量化設計

開展整車道路譜應力測試實驗研究，獲得整車上裝不同測點在典型載荷工況下的等效應力和加速度響應。建立了車輛上裝清水箱和垃圾箱的力學模型，采用有限元仿真分析手段，分析滿載、空載、平路和斜坡等不同工況下的整車模型響應，確定洗掃車載荷分布及整體重量富余情況。并結合結構優化、拓撲優化等技術得出輕量化優化方案，并與試驗測試結果進行對比，驗證有限元模型的有效性。同時分析了轉彎、制動和顛簸工況下優化后箱體結構的強度特性，最終上裝箱體減重16%，實現了輕量化的目標，降低百公里能耗[4]。

3.1.2 氣力輸送系統優化設計

風機特性的選擇與氣力輸送管網阻力的合理匹配是清掃保潔類車輛專用裝置的最核心的技術難點，對于解決目前氣力輸送系統功率大、能耗高、噪聲大的問題具有重要的現實意義。首先，基于計算流體力學軟件ANSYS CFX建立針對離心風機和風道系統的數值仿真模型并采用實驗結果進行驗證;其次，基于該模型分別對離心風機和風道系統進行性能預測，并獲得離心風機與風道系統的特性曲線，確定清掃系統離心風機匹配工作點;再次，針對匹配點工況下的離心風機流動損失和流場分析，摸清了各流通部件之間的耦合流動影響規律，以及耦合流動對風機性能的影響機制，發現了進口導管導致的葉輪入口流場畸變是導致風機性能惡化的關鍵因素。并通過詳細的流場分析，揭示了性能惡化的流動機理以及關鍵影響幾何參數。基于流動損失機理，對現有離心風機進行性能優化并用數值仿真方法進行優化效果驗證。CFD數值計算結果顯示，優化后的風機在滿足環衛清掃車工作需求的情況下，匹配工作點工況下效率提高約10%[5]。

3.1.3 動力系統匹配

進行純電動底盤動力系統與上裝工作裝置的功率匹配研究，即底盤電機與上裝電機的能量分配、電壓控制等動力模塊的控制系統設計，保證洗掃車各工作裝置在滿足作業要求的情況下進行合理能量分配。發電機、發電機控制器、電機控制器、電動機、系統控制器、上裝控制器及冷卻系統控制器等相互間CAN通訊協議的設計編寫，包括各子系統間通訊地址的定義，各數據ID及數據內容的定義，各數據位的定義，數據內容的發送與接收格式的定義等。

3.2 智能化控制

3.2.1 作業模式智能切換

根據路面垃圾種類、污染等級和車輛行駛狀態，實時動態調整車輛的風機轉速、掃盤轉速和噴灑水量的大小，在保證清掃效果的同時降低能耗。采用基于機器視覺的判斷方法在實時系統與原有定義間建立一種映射機制，使實時視頻傳感器等測出的垃圾量直接與路面所檢測的面積形成比值，從而反應到路面垃圾覆蓋率，通過實時動態的采集路面的垃圾覆蓋率即可實時調整洗掃車的作業參數。

3.2.2 路肩及障礙物自動識別

該系統通過超聲波傳感器探測掃盤、噴管架等作業裝置與障礙物的位置關系，并將數據發送給車載控制器計算出作業裝置最合適的工作狀態，使擺出距離始終小于障礙距離并保持在合理的距離范圍之內。并自動調整作業裝置的擺出位置，以免車輛在工作過程中作業裝置與障礙物發生碰撞，從而避免路面障礙物對車體或作業裝置造成剛性損傷，減輕了駕駛員工作強度。

3.2.3 控制系統智能化

采用語音識別控制模塊存儲洗掃車的操作控制指令并識別駕駛員的語音指令，實現駕駛員駕駛車輛進行環衛作業時能用語音來控制上裝專用裝置的運行，協助或替代手動操作工作，提高駕駛安全性。通過人臉識別模塊，與預先在平臺綁定的駕駛員信息對比進行駕駛員身份認證，駕駛過程中會根據駕駛員的面部表情及體態特征，監測駕駛員是否處于疲勞狀態或身體不適，對駕駛員發出警報提示。

3.3 智慧平臺及終端

智慧環衛運營管理平臺系統可兼容各類型底盤、電池、掃盤等結構，實現通用化的電氣原理，模塊化的電控箱、應用軟件，標準化的控制通信協議。使純電動洗掃車ECU的可靠性、可維護性、穩定性大幅提升，售后維護成本降低，系統軟硬件的升級改進方便， 產品的核心競爭力提高，為遠程升級、維護、更新控制系統軟件提供統一的全新的智能化平臺。良好地實現洗掃車各專用工作裝置的控制，實現各工作狀態的良好控制，達到預期效果，保證洗掃車的兼容性，良好的人機交互界面實現洗掃車安全、有效、可靠的智能控制。

智慧環衛裝備網聯終端裝置以中央處理器模塊為核心采集通信模塊集成于一個信息網聯終端內部，CAN口模塊、DI模塊、PI模塊、AI模塊、RS232串口模塊、GPS/BD模塊分別將各自采集或交互的信息傳遞給中央處理器模塊進行各類型狀態數據的處理，中央處理器模塊再將處理完成的各類作業狀態信息通過移動通信網絡與智慧環衛運營管理平臺進行聯網通訊。依托云平臺大數據支持，通過B/S架構的管理平臺及手機APP應用，基于專業科學嚴謹的算法，從最專業的視角獲取純電動洗掃車的運行數據及最直觀全面的數據分析報告，最終實現環衛裝備全作業狀態數據的采集、上傳、監控、安全預警與遠程交互。該終端可準確、可靠、有效地采集現有環衛裝備各種信號類型的全作業狀態數據，可有效接收智慧環衛裝備網聯平臺下發指令、數據并發送給環衛裝備控制系統，輔助實現智慧環衛裝備的遠程交互功能，為智慧環衛系統平臺與純電動洗掃車提供可靠的數據鏈路基礎。

4 結語

通過輕量化使上裝箱體減重16%、優化氣力輸送系統使風機效率提高約10%以及動力系統合理匹配，最終實現了整車續航能力的大幅提高;環衛設備智能化、智慧環衛運營管理平臺及終端裝置的應用，實現了環衛設備自動化作業，大幅度提升環衛裝備行業的智能化水平，環衛作業效率的顯著提升。

隨著人工智能技術在自動駕駛領域的應用及推廣，使得環境感知、高精度地圖、自然語言處理以及智能決策等方面獲得重大突破，自動駕駛已經成為車輛發展的主流方向[6-10]。未來環衛車輛也必將融合人工智能技術，實現智能路徑規劃、智能垃圾檢測及清理、智能切換作業模式、智能遠程調度、故障遠程診斷等功能。

參考文獻：

[1]紀鵬飛.市政環衛類專用車所面臨的新常態、新機遇和新發展[J].專用汽車，2016（01）：50-53.

[2]楊偉斌.新能源商用車的發展現狀及趨勢分析[J].北京汽車，2011（05）：1-3+17.

[3]李珍.新能源環衛車技術發展趨勢[J].建設機械技術與管理，2016，29（01）：57-59+61.

[4]吳中旺. 洗掃車結構輕量化設計與仿真分析研究[C].國際汽車交通安全學術會議. 2018.

[5]陳曉軒. 環衛車輛離心風機系統的氣動優化及動力匹配研究[D].上海交通大學，2018.

[6]Lillicrap T P ， Hunt J J ， Pritzel A ， et al. Continuous control with deep reinforcement learning[J]. Computer ence， 2015， 8（6）：A187.

[7]高洪波，張新鈺，張天雷，劉玉超，李德毅.基于云模型的智能駕駛車輛變粒度測評研究[J].電子學報，2016，44（02）：365-373.

[8]Scott P ， Hans A ， Xinxin D ， et al. Perception ， planning ， control ， and coordination for autonomous vehicles [J]. Machines ， 2017， 5 （1） .

[9]郭旭.人工智能視角下的無人駕駛技術分析與展望[J].電子世界，2017（20）：64-65.

[10]王科俊，趙彥東，邢向磊.深度學習在無人駕駛汽車領域應用的研究進展[J].智能系統學報，2018，13（01）：55-69.