纯电动智能网联洗扫车的优化设计

林新强

摘 要：本文分析了新能源环卫车辆的应用现状，总结了现有车辆亟待解决的技术问题。并以纯电动新能源洗扫车为研究对象，对于轻量化、节能化、智能化及车联网等方面的技术深入研究，提出了纯电动智能网联洗扫车的发展趋势。

关键词：新能源;纯电动;洗扫车;智能网联

1 引言

随着我国经济的飞速发展，城市化进程不断推进，市政环卫保洁问题日趋严重。目前，通过环卫系统机械化程度的提升，有效的缓解了此问题，它使工人的劳动强度降低、作业效率提高。但以燃油为主的环卫车辆，造成的能源消耗、尾气排放污染等问题也日益受到人们的关注，已成为环卫行业亟待解决的重大课题。新能源作为现阶段实现车辆节能减排的最佳途径[1]，不仅解决了石化能源安全、空气污染治理等问题，同时发展新能源汽车有助于我国汽车实现产业弯道超车，这是我国从汽车大国迈向汽车强国的必由之路。

新能源汽车大的发展趋势是将公共服务领域用车作为新能源汽车推广应用的突破口，以纯电驱动为新能源汽车发展的主要战略取向。环卫车辆作为公共服务领域用车的重要组成部分，因为具有定点定线运行、运力高效、耗能高和排放差等特点，符合纯电动汽车的使用特点和零排放优势[2]，同时由于充电设施便于集中管理的运营优势、易于实现智能化的平台优势[3]，成为政府推广新能源车辆的主要对象，纷纷落地新能源环卫车辆推广优惠政策。如今，在政策和技术的双重驱动下，新能源环卫车辆的推广应用和产业发展已有了长足的进步，并取得了阶段性的应用成果，比如郑州宇通路面养护车、北京华林洒水车、福建龙马纯电动扫路机等都已实现了电动化。

2 亟待解决的技术问题

本文以环卫车辆中的主销车型洗扫车为基础研究对象，通过大量市场调研获得用户对纯电动新能源环卫车辆的顾虑，主要包括：纯电动车辆的续航能力、充电便捷性、安全性、经济性等方面，并重点围绕用户关切的问题开展纯电动智能网联洗扫车优化续航能力、智能化作业、车联网技术的研发。

2.1 优化续航能力

纯电动智能网联洗扫车由底盘和上装作业装置构成，底盘动力蓄电池组不仅需要为车辆正常行驶提供所需的能量，还需为上装各作业装置提供能量。实践表明，上装作业装置功耗占整车能耗的一半以上，提升专用装置效率对降低整车能量消耗至关重要。受限于底盘电池技术的制约，需要通过上装轻量化技术降低整车整备质量、核心气力输送系统优化技术降低整车作业能耗、能量匹配技术完成能量最优分配，从而增加车辆续航能力满足实际作业需求，实现洗扫车整车电动化目标。

2.2 智能化控制

传统环卫车辆仍以实现基本作业功能为主，智能化水平远落后于现有的乘用车。针对洗扫车的作业特點开展路肩自动识别、路面垃圾污染量识别自动控制和语音识别切换作业方式等智能控制，提升环卫车辆智能化水平，减轻环卫车辆操作者的精神负担，智能控制技术也是纯电动智能网联洗扫车的核心技术。

2.3 车网联技术

目前的环卫服务管理平台只能对车辆的位置、车速、行驶轨迹等非常有限的实时数据监控，而且现有车载网联终端不能完全适配环卫车辆，无法实现上装作业装置的数据采集、状态监控、工况评估等，不能全面统计、分析驾驶员的作业习惯，在环卫作业质量反馈、降低环卫运营成本、数字评估管理实效性等方面存在不足。开发全新的基于互联网、物联网技术的环卫车辆专用网联终端设备，全方位采集、分析车辆作业过程中的动态数据，合理设计规划车辆的作业路径及作业模式，实现环卫作业车辆与环卫管理平台的互联，提升作业质量和效率，降低环卫运营成本。

3 优化设计与应用实践

3.1 优化续航能力

3.1.1 上装轻量化设计

开展整车道路谱应力测试实验研究，获得整车上装不同测点在典型载荷工况下的等效应力和加速度响应。建立了车辆上装清水箱和垃圾箱的力学模型，采用有限元仿真分析手段，分析满载、空载、平路和斜坡等不同工况下的整车模型响应，确定洗扫车载荷分布及整体重量富余情况。并结合结构优化、拓扑优化等技术得出轻量化优化方案，并与试验测试结果进行对比，验证有限元模型的有效性。同时分析了转弯、制动和颠簸工况下优化后箱体结构的强度特性，最终上装箱体减重16%，实现了轻量化的目标，降低百公里能耗[4]。

3.1.2 气力输送系统优化设计

风机特性的选择与气力输送管网阻力的合理匹配是清扫保洁类车辆专用装置的最核心的技术难点，对于解决目前气力输送系统功率大、能耗高、噪声大的问题具有重要的现实意义。首先，基于计算流体力学软件ANSYS CFX建立针对离心风机和风道系统的数值仿真模型并采用实验结果进行验证;其次，基于该模型分别对离心风机和风道系统进行性能预测，并获得离心风机与风道系统的特性曲线，确定清扫系统离心风机匹配工作点;再次，针对匹配点工况下的离心风机流动损失和流场分析，摸清了各流通部件之间的耦合流动影响规律，以及耦合流动对风机性能的影响机制，发现了进口导管导致的叶轮入口流场畸变是导致风机性能恶化的关键因素。并通过详细的流场分析，揭示了性能恶化的流动机理以及关键影响几何参数。基于流动损失机理，对现有离心风机进行性能优化并用数值仿真方法进行优化效果验证。CFD数值计算结果显示，优化后的风机在满足环卫清扫车工作需求的情况下，匹配工作点工况下效率提高约10%[5]。

3.1.3 动力系统匹配

进行纯电动底盘动力系统与上装工作装置的功率匹配研究，即底盘电机与上装电机的能量分配、电压控制等动力模块的控制系统设计，保证洗扫车各工作装置在满足作业要求的情况下进行合理能量分配。发电机、发电机控制器、电机控制器、电动机、系统控制器、上装控制器及冷却系统控制器等相互间CAN通讯协议的设计编写，包括各子系统间通讯地址的定义，各数据ID及数据内容的定义，各数据位的定义，数据内容的发送与接收格式的定义等。

3.2 智能化控制

3.2.1 作业模式智能切换

根据路面垃圾种类、污染等级和车辆行驶状态，实时动态调整车辆的风机转速、扫盘转速和喷洒水量的大小，在保证清扫效果的同时降低能耗。采用基于机器视觉的判断方法在实时系统与原有定义间建立一种映射机制，使实时视频传感器等测出的垃圾量直接与路面所检测的面积形成比值，从而反应到路面垃圾覆盖率，通过实时动态的采集路面的垃圾覆盖率即可实时调整洗扫车的作业参数。

3.2.2 路肩及障碍物自动识别

该系统通过超声波传感器探测扫盘、喷管架等作业装置与障碍物的位置关系，并将数据发送给车载控制器计算出作业装置最合适的工作状态，使摆出距离始终小于障碍距离并保持在合理的距离范围之内。并自动调整作业装置的摆出位置，以免车辆在工作过程中作业装置与障碍物发生碰撞，从而避免路面障碍物对车体或作业装置造成刚性损伤，减轻了驾驶员工作强度。

3.2.3 控制系统智能化

采用语音识别控制模块存储洗扫车的操作控制指令并识别驾驶员的语音指令，实现驾驶员驾驶车辆进行环卫作业时能用语音来控制上装专用装置的运行，协助或替代手动操作工作，提高驾驶安全性。通过人脸识别模块，与预先在平台绑定的驾驶员信息对比进行驾驶员身份认证，驾驶过程中会根据驾驶员的面部表情及体态特征，监测驾驶员是否处于疲劳状态或身体不适，对驾驶员发出警报提示。

3.3 智慧平台及终端

智慧环卫运营管理平台系统可兼容各类型底盘、电池、扫盘等结构，实现通用化的电气原理，模块化的电控箱、应用软件，标准化的控制通信协议。使纯电动洗扫车ECU的可靠性、可维护性、稳定性大幅提升，售后维护成本降低，系统软硬件的升级改进方便， 产品的核心竞争力提高，为远程升级、维护、更新控制系统软件提供统一的全新的智能化平台。良好地实现洗扫车各专用工作装置的控制，实现各工作状态的良好控制，达到预期效果，保证洗扫车的兼容性，良好的人机交互界面实现洗扫车安全、有效、可靠的智能控制。

智慧环卫装备网联终端装置以中央处理器模块为核心采集通信模块集成于一个信息网联终端内部，CAN口模块、DI模块、PI模块、AI模块、RS232串口模块、GPS/BD模块分别将各自采集或交互的信息传递给中央处理器模块进行各类型状态数据的处理，中央处理器模块再将处理完成的各类作业状态信息通过移动通信网络与智慧环卫运营管理平台进行联网通讯。依托云平台大数据支持，通过B/S架构的管理平台及手机APP应用，基于专业科学严谨的算法，从最专业的视角获取纯电动洗扫车的运行数据及最直观全面的数据分析报告，最终实现环卫装备全作业状态数据的采集、上传、监控、安全预警与远程交互。该终端可准确、可靠、有效地采集现有环卫装备各种信号类型的全作业状态数据，可有效接收智慧环卫装备网联平台下发指令、数据并发送给环卫装备控制系统，辅助实现智慧环卫装备的远程交互功能，为智慧环卫系统平台与纯电动洗扫车提供可靠的数据链路基础。

4 结语

通过轻量化使上装箱体减重16%、优化气力输送系统使风机效率提高约10%以及动力系统合理匹配，最终实现了整车续航能力的大幅提高;环卫设备智能化、智慧环卫运营管理平台及终端装置的应用，实现了环卫设备自动化作业，大幅度提升环卫装备行业的智能化水平，环卫作业效率的显著提升。

随着人工智能技术在自动驾驶领域的应用及推广，使得环境感知、高精度地图、自然语言处理以及智能决策等方面获得重大突破，自动驾驶已经成为车辆发展的主流方向[6-10]。未来环卫车辆也必将融合人工智能技术，实现智能路径规划、智能垃圾检测及清理、智能切换作业模式、智能远程调度、故障远程诊断等功能。

参考文献：

[1]纪鹏飞.市政环卫类专用车所面临的新常态、新机遇和新发展[J].专用汽车，2016（01）：50-53.

[2]杨伟斌.新能源商用车的发展现状及趋势分析[J].北京汽车，2011（05）：1-3+17.

[3]李珍.新能源环卫车技术发展趋势[J].建设机械技术与管理，2016，29（01）：57-59+61.

[4]吴中旺. 洗扫车结构轻量化设计与仿真分析研究[C].国际汽车交通安全学术会议. 2018.

[5]陈晓轩. 环卫车辆离心风机系统的气动优化及动力匹配研究[D].上海交通大学，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，張新钰，张天雷，刘玉超，李德毅.基于云模型的智能驾驶车辆变粒度测评研究[J].电子学报，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.人工智能视角下的无人驾驶技术分析与展望[J].电子世界，2017（20）：64-65.

[10]王科俊，赵彦东，邢向磊.深度学习在无人驾驶汽车领域应用的研究进展[J].智能系统学报，2018，13（01）：55-69.