随着环境以及能源问题的日益尖锐,电动汽车成为了目前汽车行业的热门关注对象,乘用车及商用车企业均全面开展电动化布局,其中需求量日益增加的道路清扫车也紧随行业的发展,积极响应“节能减排”的号召,目前正处于从传统的燃油式清扫车向电动清扫车过渡的阶段,然而单纯地实现清扫车电动化并非节能的最终方案,道路清扫车在降低能量损耗方面仍有很大的潜力^[1]。目前市面上的电动清扫车,普遍存在智能化程度较低的问题,在实际的清扫作业过程中,路面上的垃圾情况以及路况是实时变化的,但上装系统的作业执行机构无法根据这些信息来自动调节清扫系统的作业强度,从而导致无谓的能量损耗,而当前的目标检测技术日益成熟,逐步应用在各个领域,因此道路清扫车的智能化以及节能问题成为了当下的研究热点。为了提高清扫车的智能化程度,并最终实现节能的目的,本论文以某型电动道路清扫车为研究对象,首先基于视觉感知的目标检测技术,以垃圾物的种类以及垃圾物覆盖率为作业特征识别对象,开发出道路作业特征识别算法,从而实现道路清扫车获得路面垃圾情况的功能,并以此作为输入量,提出基于模糊控制的上装系统节能控制策略,实现上装作业电机根据垃圾情况以及路况实时控制上装执行机构的清扫强度,进而达到节能的效果,最终设计了仿真以及实车试验进行了验证与评价。本文的主要研究工作及内容总结如下:1、路面垃圾物种类识别。首先从理论入手对各类目标检测算法进行研究及分析,通过对比选用基于深度学习及卷积神经网络的Faster R-CNN算法对垃圾物种类进行识别。制定路面垃圾样本库建立规范,此外利用棋盘格标定的方法修正相机畸变,拍摄样本图片并进行标注处理,完成垃圾物样本库的建立,并利用该样本库对垃圾识别模型进行训练,最终获得理想的垃圾物种类识别准确率^[2]。2、路面垃圾物覆盖率检测。若要识别垃圾物的覆盖率,则要针对垃圾物的轮廓进行检测。首先利用高斯模糊对图像进行去噪处理,接着通过灰度化将彩色图片处理成灰度图片,此外利用Sobel算子对处理完成的灰度图片进行图像边缘检测,以区分图像前景与背景,Sobel算子生成灰度图像后,对图像中的每一个像素分别进行阈值处理,生成二值化图像,接下来对该图像进行先膨胀后腐蚀的闭运算,从而获得准确的垃圾物边缘轮廓。最后利用检测出的垃圾物的像素点计算得到垃圾物的覆盖率。3、基于模糊控制的上装系统作业电机节能策略研究。首先从理论层面分析模糊控制应用于作业电机转矩控制的可行性。接着对上装作业电机模糊控制器的结构、输入量输出量的模糊集以及隶属度函数进行了深入研究,并制定了节能策略的模糊控制规则,最终利用Matlab的模糊逻辑工具箱建立清扫车上装作业电机的模糊控制器,用于后续的仿真实验。4、建模仿真及实车试验进行验证与评价。利用Matlab/Simulink搭建清扫车上装作业电机及其模糊控制系统的仿真模型,并建立道路清扫车的运行工况,基于该工况对应用智能化控制的上装作业电机的清扫功率进行仿真,并搭建实车平台,通过试验对节能控制策略的有效性进行验证。本文的仿真及实车试验结果表明,所使用的算法对路面垃圾物种类及覆盖率可以获得较好的识别效果。基于模糊控制的节能策略在保证清扫洁净度的前提下,可以有效减少上装系统作业电机的能量损耗,研究成果在清扫车上装系统智能化控制以及节能效果提升等方面具有重要意义。