谈述神经网络增程式电动汽车制约对策设计

论文导读：群优化算法42-43

4.2多目标优化不足描述43-12下一页

摘要：汽车工业的进展和汽车保有量的增多，给世界能源、环境带来了巨大的挑战，进展新能源汽车是解决不足的根本途径。由于电池技术在短期内难从解决寿命、成本和能量密度等不足，导致电动车的续驶里程短、整车成本高、难从产业化等不足。增程式电动车从其自身的优越性成为近阶段具有进展前景的新能源汽车产品。本论文主要对增程式电动车制约对策进行探讨。对关键部件进行参数选择，分析增程式纯电动车工作方式，从matlab/simupnk完成制约对策的初步设计。基于L-cruise软件搭建整车仿真模型，完成离线仿真验证。从粒子群（PSO）优化算法为基础，对制约参数进行全局多目标优化。结合神经网络自学习功能，探讨基于LVQ神经网络工况识别的自适应制约对策。文章的主要探讨内容如下几个方面：首先简介了混合动力汽车的分类极为特征，探讨了增程式电动车极为制约对策的探讨近况，简介本论文的探讨内容。探讨增程式电动车动力体系参数匹配，根据动力性能指标，对发动机-发电机、驱动电机、动力电池及传动比参数选择。基于cruise软件搭建整车仿真模型，进行动力性能仿真，验证匹配结果的合理性。重点分析增程式电动车工作方式和制约流程，对发动机采取基于车速的三工作点制约对策。对于制动工况，根据现有前后摩擦制动力与电机制动力的分配算法，提出新的基于电机强度的再生制动力分配制约对策。基于matlab/simupnk完成整车制约对策模型的初步设计，完成仿真验证。分析advisor软件与优化程序的接口程序，从粒子群优化算法为基础，基于特定循环工况，从燃油经济性、排放性为目标完成优化，得到全局最优制约参数。仿真结果表明整车制约性能大大提升。探讨了LVQ神经网络自适应制约对策。通过对五种蕴含了以低速城市到高速郊外的5种运转工况，进行优化得到5组优化制约参数。提取5中工况的车速、加快度等特点参数作为样本，训练学习LVQ神经网络，得到权值矩阵。建立工况识别器模型并嵌入到整车制约对策模型中。仿真结果表明自适应制约对策能自动识别工况类型和最优制约参数的切换，提升了燃油经济性和排放性。关键词：增程式电动汽车论文制约对策论文粒子群优化论文工况识别论文神经网络论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要4-5
Abstract5-10
1 绪论10-17

1.1 引言10

1.2 混合动力汽车的分类极为特征10-11

1.3 混合动力汽车的关键技术11-12

1.4 增程式电动车国内外探讨近况12-13

1.4.1 增程式电动车的定义12-13

1.4.2 国内外探讨近况13

1.5 增程式电动车制约对策的探讨近况13-15

1.6 本论文探讨内容15-17

2 增程式电动车动力总成参数匹配与 cruise 建模仿真17-27

2.1 车型基本参数17-18

2.2 增程式电动车动力总成参数匹配18-23

2.1 电机参数设计18-20

2.2 动力总成传动比设计20-21

2.3 电池组参数设计21-22

2.4 发动机-发电机参数匹配22-23

2.3 基于 cruise 软件整车动力学正向建模23-25

2.4 动力性仿真结果25-26

2.5 本章小结26-27

3 增程式电动车制约对策设计建模27-42

3.1 增程式电动车工作方式的分析27-28

3.2 制约算法设计原则28-29

3.3 制约对策流程29

3.4 驱动电机制约29-30

3.5 再生制动制约对策30-35

3.5.1 再生制动力分配对策分析31-32

3.5.2 制约体系标定数学模型32

3.5.3 再生制动强度定义32-33

3.5.4 基于 Z_(gmax) 制动力分配曲线33

3.5.5 再生制动制约流程33-35

3.6 发动机工作点优化制约对策35-36

3.7 制约对策 simupnk 建模36-38

3.8 整车制约仿真分析38-41

3.8.1 循环工况仿真分析38-39

3.8.2 增程器工作点仿真分析39-40

3.8.3 再生制动制约仿真分析40-41

3.9 本章小结41-42

4 基于粒子群算法全局多目标优化制约对策探讨42-54

4.1 粒子群优化算法42-43

4.2 多目标优化不足描述43-论文导读：真建模46-474.5.2制约对策建模47-494.5.3Advisor软件二次开发49-504.5.4模型一致性验证50-514.6优化变量51-524.7优化约束条件524.8全局优化结果52-534.9本章小结53-545基于LVQ神经网络自适应制约对策的探讨54-665.1基于工况识别制约对策制约流程545.2LVQ神经网络工况识别体系54-605.

2.1LVQ神经网络54-565.2

44

4.3 目标规划法转化44

4.4 Advisor 软件优化原理44-46

4.1 Advisor 软件优化流程44-45

4.2 非 GUI 调用接口函数45-46

4.5 能耗模型的建立46-51

4.5.1 Advisor 仿真建模46-47

4.5.2 制约对策建模47-49

4.5.3 Advisor 软件二次开发49-50

4.5.4 模型一致性验证50-51

4.6 优化变量51-52

4.7 优化约束条件52

4.8 全局优化结果52-53

4.9 本章小结53-54

5 基于 LVQ 神经网络自适应制约对策的探讨54-66

5.1 基于工况识别制约对策制约流程54

5.2 LVQ 神经网络工况识别体系54-60

5.

2.1 LVQ 神经网络54-56

5.

2.2 工况特点参数提取56-57

5.

2.3 工况识别器模型57-60

5.3 基于工况识别自适应制约对策60-63

5.4 仿真测试结果63-65

5.5 本章小结65-66

6 全文总结与展望66-67

6.1 全文总结66

6.2 问题与展望66-67

参考文献67-69
攻读硕士期间发表学术论文状况69-70
致谢70