基于小波神经网络的混合动力汽车实时控制策略

提出了基于小波神经网络的并联式混合动力汽车实时控制策略,用以控制混合动力系统的转矩分配,以提高混合动力汽车燃油经济性。该策略采用一个小波神经网络控制器,结合瞬时优化控制策略得到的控制规则进行训练,实现对混合动力系统的实时控制。基于ADVISOR的仿真研究表明,该控制策略不仅能够保证车辆的燃油经济性,而且克服了瞬时优化控制策略难以实时控制的缺点。     

基于模糊逻辑的混联式电动汽车控制策略研究

提出了一种基于模糊逻辑的混联式电动汽车功率分配控制策略,功率分配控制器的核心是规则库,它由制动规则库、燃油经济性规则库、加速性能规则库以及校正模块等四个独立的规则库组成。利用已建立的四驱混合电动汽车模型对其燃油经济性进行计算机仿真表明:采用模糊控制策略比传统控制策略的百公里油耗在市区(FUDS)和高速(FHDS)工况下均下降了约10%。     

超级电容和电池相结合的HEV动力和经济性仿真研究

采用理论和实验数据相结合的方法,利用Cruise软件对装配有超级电容和电池相结合使用的并联混合动力大客车SWB6105HEV进行了仿真建模,对其动力性经济性进行了仿真分析,在仿真分析的基础上进行了道路试验验证。仿真和试验结果表明,混合动力大客车可以准确、合理地实现各种预定的控制功能。燃油经济性比原型车有较大提高。仿真分析很好的为混合动力大客车以后的设计开发、控制策略优化发提供了理论依据。     

基于随机动态规划的燃料电池城市客车能量管理策略优化

设计了一种新型的燃料电池混合超级电容的城市客车动力系统结构,在理论计算和工程分析的基础上,对该动力系统进行了参数匹配.提出一种基于随机动态规划的燃料电池碱市客车能量管理策略的设计思想,将驾驶员需求功率模拟为一个离散的随机动态过程,并建立相应的马尔可夫模型,在此基础上采用策略迭代的算法对能量管理策略进行了优化.并对优化后的策略进行仿真,结果表明该策略下的整车燃料经济性有明显提高.     

基于神经网络的并联式混合动力汽车控制策略

为提高并联式混合动力汽车的燃油经济性和控制系统的响应时间,应用神经网络实现控制策略.首先,结合逻辑门限控制策略和等效燃油消耗最小原理制定控制策略,并根据电池的荷电状态(SOC)进行调整.然后将调整后的策略在典型工况JA1015循环上实验,采集合理样本来训练对角回归型神经网络(DRNN),获得基于神经网络的控制策略.最后,在电动汽车仿真软件ADVISOR平台上进行仿真实验,仿真结果表明,采用神经网络的控制策略,提高了并联式混合动力汽车的燃油经济性,响应快,且具有通用性.     

基于模糊神经网络的混合动力汽车控制策略仿真

为保证多能源系统转矩的合理分配,建立了模糊逻辑控制模型,并采用ANFIS优化算法,对建立的混合动力汽车模糊控制模型进行优化。通过对ANFIS神经网络模型进行训练、测试和仿真分析,结果表明:模糊控制模型的隶属函数得到了优化,将优化模型应用于整车仿真,与模糊逻辑控制策略相比,燃油经济性提高5.4%。     

混合动力客车自适应能量容错管理的研究

将容错控制理论应用于复合式混合动力客车控制策略开发中,提出了一种自适应能量容错管理的方法.该能量容错管理综合考虑了安全性能、行驶性能及能量分配方面的要求.通过基于模型的方法对故障进行诊断,分析其影响.利用等效燃油最小消耗(ECMS)思想,建立参数自适应客错控制策略,实现故障和无故障下对系统性能的实时优化.对系统的容错性提出了一种基于功率误差的等价燃油消耗评价指标.仿真和试验结果表明该控制策略是实时可行的.     

混合动力汽车性能仿真研究

为预测和分析混合动力汽车的性能，以某型混合动力轿车为研究对象，以现有的研究成果为基础，基于系统的构成和工作原理，应用系统仿真软件Matlab／Simulink，开发完成了该型混合动力轿车的性能仿真模型。仿真分析了其速度特性、电池的荷电状态(SOC)、燃油经济性和排放性能。结果表明，所开发的仿真模型能够很好跟踪循环工况，从而验证了仿真模型的正确性和有效性，也为进一步研究整车控制策略和控制方式，完成性能的优化匹配和协调控制，提高整车性能奠定了一定的基础。     

轻度混合动力AMT系统经济性换挡规律优化

装备机械自动变速器(AMT)的混合动力车辆驱动系统包含了发动机、电机和电池以及传动系统,不能按照传统AMT车辆的方法制定其换挡规律.在综合考虑发动机、电机的工作性能以及电池荷电状态的基础上,以燃油经济性能为目标,提出了装备机械自动变速器的轻度混合动力车辆电动机部分助力时的能量分配策略和经济性换挡规律,并进行了仿真.结果表明,采用新的经济性换挡规律,能更加有效地发挥混合动力车辆的性能,提高燃油经济性.     

多能源混合电动汽车控制策略的模糊预测研究

为了使混合电动汽车获得较大的加速度和较长的续驶里程,同时改善整车的动力性能,提出了一种多能源混合动力系统结构。高能量、大功率的多能源混合动力系统必须配备一个能量智能管理系统,才能达到合理分配功率的目的。为此,建立在前向推理结构模型的基础上,提出了一种能量管理系统的模糊预测控制策略。它主要由电池荷电状态预测控制器、充电控制器和功率分配控制器组成。仿真结果表明:与简单分配控制策略(查表法)相比,采用模糊预测控制策略的混合电动汽车在续驶里程、燃油经济性和整车效率等方面均有较大提高。下一步将采用快速控制原型dSPACE系统完成该模糊预测控制的实车实现。