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.     

电动汽车锂电池PNGV等效电路模型与SOC估算方法

基于PNGV(the Partnership for a New Generation of Vehicles)电池等效模型,考虑了温度对模型参数的影响,提出了一种以电池等效模型的开路电压插值估算电池荷电状态(SOC)的方法。通过锂离子电池的充放电试验与HPPC试验,识别模型参数,然后使用Matlab/Simulink进行仿真计算。仿真和实验表明,所选取的PNGV模型精度高,能真实的模拟电池充放电特性,再结合开路电压插值计算电池SOC,可有效解决安时法(AH)估算SOC存在的累计误差和初始值估算不准确的问题,最终使SOC估算值控制在高精度范围内。     

考虑储能寿命和通信故障的微电网群优化调度

为保障微电网运行的经济性与稳定性,需考虑可再生能源的功率波动和电池储能系统的寿命特性。探究充放电深度与速率对电池储能系统寿命的影响,建立面向实时优化调度的储能电池系统模型,采用交替方向乘子法对微电网集群进行分布式优化调度。该分布式优化方法不需要任何全局信息,能最大程度上保护微电网的隐私。仿真结果表明：所提方法能够使储能电池以较高荷电状态运行,在出现通信故障时仍能使系统稳定、可靠地运行。     

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.     

基于一种改进的RBF神经网络的直接甲醇燃料电池建模

针对直接甲醇燃料电池(DMFC)系统过于复杂，难以数学建模。应用一种改进的RBF神经网络对DMFC系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的输入量，电池电压／电流密度为输出量，利用1000组实验数据作为训练和测试样本，建立了不同甲醇浓度和流速下电池电压／电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验，并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络比BP神经网络收敛得快，建模精度高，从而为设计DMFC实时控制系统奠定了基础。     

基于神经网络辨识的质子交换膜燃料电池建模

针对质子交换膜燃料电池(PEMFC)系统过于复杂，难以建模，而已建立的模型难以满足PEMFC控制系统设计和应用的要求。本文利用神经网络具有逼近任意复杂非线性函数的能力，将神经网络辨识方法应用到PEMFC强非线性系统的建模中，避开了PEMFC系统内部的复杂性。模型以电池工作温度为神经网络辨识模型的输入量，电池电压、电流密度为输出量，利用500组实验数据作为训练样本，采用改进型BP算法，建立了不同温度下电池电压—电流密度动态响应模型。仿真结果表明，方法可行，建立的模型精度较高，从而为设计PEMFC实时控制系统奠定了基础。     

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。     

基于小波包与Elman神经网络的整流电路故障诊断

引入了一种针对电励磁双凸极发电机的整流电路故障的小波和Elman神经网络相结合的诊断方法.根据整流电压波形的畸变规律,将2个以内的二极管故障分为7类共计22种故障元.选用Daubechies小波作为小波基,对实测的整流电压进行小波包分析,利用小波系数,在各个频带上进行小波信号重构.提取全频带能量特征值,并以此构造故障模式向量作为神经网络的输入,实现了故障的分类和定位.以一台840W、12/8极的电励磁双凸极发电机为实验样机,通过采集大量故障信号并进行信号处理,以故障特征值的容差范围作为误差判别标准,力求诊断误差最小化.实验结果表明,该方法对被分析信号的频率波动和幅值变化均具有良好的鲁棒性,是一种有效的故障诊断方法,具有较高的故障诊断正确率.     

基于混沌分析的道路网交通流短时预测

道路网交通流短时预测是实现智能交通控制和诱导系统的基础,本文以实时采集的交通流数据为基础,运用状态空间重构和G-P算法进行交通流短期特性研究.具体而言,通过分析交通流的混沌特性确定交通流率时间序列的嵌入维数,重构相空间,并以重构的交通流率时间序列作为输入采用Elman神经网络实现道路网多断面交通流率同时预测.研究结果表明,在道路网交通流短时预测方面Elman网络优于经典的BP网络,基于混沌时间序列分析的Elman网络不仅能够实现道路网多断面同时预测,且预测效果优于无重构的神经网络.     

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。     

光伏电源无阻塞二极管控制器的仿真研究

研究无阻塞二极管光伏电源控制器在低压光伏系统中的特性,以评估这种无阻塞控制器的工作性能,普通控制器一般采用阻塞二极管防止蓄电池夜间对光伏电池放电而浪费电能。导致光伏组件工作电压升高而使充电电流降低,降低了充电效率。分别对这两种控制器进行仿真比较,结果表明无阻塞二极管控制器较普通控制器具有更高充电效率。     

Variable Universe Fuzzy Control for Battery Equalization

In order to avoid the overcharge and overdischarge damages, and to improve the lifetime of the lithium-ion batteries, it is essential to keep the cell voltages in a battery pack at the same level,i.e., battery equalization. Based on the bi-directional modified Cuk converter, variable universe fuzzy controllers are proposed to adaptively maintain equalizing currents between cells of a serially connected battery pack in varying conditions. The inputs to the fuzzy controller are the voltage differences and the average voltages of adjacent cell pairs. A large voltage difference requires large equalizing current while adjacent cells both with low/high voltages can only stand small discharge/charge currents. Compared with the conventional fuzzy control method, the proposed method differs in that the universe can shrink or expand as the effects of the input changes. This is important as the input may change in a small range. Simulation results demonstrate that the proposed variable universe fuzzy control method has fast equalization speed and good adaptiveness for varying conditions.     

人工神经网络D最优设计的一种方法

利用初始的少数实例求初步的权值矩阵，根据该矩阵的人工神经网络模型找出偏导数向量的模最大时对应的设计矩阵，又根据该设计矩阵的实例求出新的权值矩阵，寻找新一轮设计矩阵。通过用泰勒级数展开的神经网络输出公式，求该输出函数的方差，证明了偏导数的向量的模最大是相关矩阵行列式最小(D最优)的充分条件。     

压电陶瓷回环特性的RBF神经网络建模研究

压电陶瓷的输入输出特性表现为非线性多值对应关系，直接采用只能逼近任意单值对应函数的前馈神经网络是无法描述压电陶瓷回环特性的，该文提出在二维输入输出空间中增加时间轴，构成三维空间，使压电陶瓷的输入输出特性变为单值对应关系。采用多输入单输出的RBF神经网络实现对迟滞回环特性的描述，其仿真结果表明该建模方法是有效的，并具有较高的精度。     

离散Hopfield神经网络的异步渐近行为

主要研究非对称离散Hopfield神经网络和带有延迟项的非对称离散Hopfield神经网络的异步渐近行为。提出了异步演化的网络状态图和网络状态图的洞的概念 ,研究了网络状态图的洞和神经网络的异步稳定性之间的关系。给出了非对称离散Hopfield网络的异步稳定条件和不稳定条件以及某些特殊情况下的网络状态图的结构。同时 ,也得到了非对称延迟离散Hopfield网络的异步收敛性条件。所获结果推广了一些已有的结论。     

基于Kalman／UKF组合训练神经网络的初始对准方法

针对基于Unscented卡尔曼滤波(UKF)的神经网络训练学习方法存在的计算量大,实时性差的问题,提出了一种基于Kalman/UKF组合滤波原理的神经网络学习方法,该方法综合了Kalman滤波对线性系统和UKF对非线性系统的最优估计的优势,在保证神经网络权值估计精度的同时,有效降低了神经网络权值学习的计算量,提高了神经网络训练的实时性。最后将该利用方法训练的神经网络应用于惯性导航系统的非线性初始对准过程中,并进行了仿真研究。仿真结果表明利用提出的算法训练的神经网络与基于UKF训练的神经网络具有相同的对准精度和实时性,而提出的算法的有效降低了神经网络训练的计算量,提高了训练的运行效率,是解决惯性导航系统初始对准的一种有效和实用的方法。     

论自组织临界性与复杂系统的演化行为

在自组织理论群的大背景之下考察了自组织临界性概念提出的理论背景以及它和混沌、复杂适应系统这两个概念之间的区别与联系 ,并指出自组织临界状态是继人类的科学认识发现静止稳态、随机状态、混沌状态之后的又一种新的状态发现 ,从而深化了对复杂系统的演化行为模式的认识和描述     

某型航空发动机定检稳态故障诊断方法研究

以飞机飞行参数记录系统中发动机参数为基础,研究了RBF神经网络在航空发动机故障诊断中的应用。介绍了RBF网络的工作原理及实现算法,及根据测试样本确定阈值,建立了航空发动机故障诊断的数学模型,并通过该模型对某型发动机定检稳态的飞行参数据进行了辨识。结果表明该方法能有效地判断出某型发动机在定检稳态时的健康状况。     

人工神经网络距离继电器的仿真研究

距离继电保护是高压传输线继电保护的一种主要方法。传统距离继电器的精度受到不同的故障条件以及电网结构变化的影响，容易发生误动,拒动等现象，给电力系统带来重大损失，本文提出一种基于人工神经网络的距离继电器，该方法以三相电压和电流的基波分量幅值作为网络输入，仿真结果表明，与传统的继电器相比，该继电器反应迅速、准确，即使在不同的故障条件和网络条件下也能正常工作。