基于FCMAC神经网络的PHEV转矩分配策略

针对混合动力汽车转矩分配策略对整车的燃油经济性和排放性能具有重要的影响,提出了基于模糊小脑模型(FCMAC)神经网络控制的整车转矩分配方法.以某变速箱前置式双轴转矩耦合并联混合动力汽车为研究对象,建立了以发动机的输出转矩为目标的FCMAC神经网络控制策略,将输入量离散化后的高斯基模糊隶属度进行规则相乘后作为FCMAC神经网络的输入,经过hash映射及权值调整输出发动机转矩,实现了混合动力汽车的转矩分配.在AVL-Cruise及Matlab/Simulink平台上建立仿真模型,将其控制策略与基于逻辑门限值控制策略的仿真结果进行比较.结果表明:在NEDC工况下FCMAC控制策略较逻辑门限值控制策略,油耗与排放都有改善,提升了并联式混合动力汽车的燃油经济性和排放性.     

并联混合动力汽车的能量管理策略

经过系统研究并联混合动力汽车的控制策略,对并联混合动力汽车提出一种基于模糊逻辑和PID控制的混合能量管理策略,通过模糊逻辑控制器对引擎和电机的期望转矩进行分配,借助PID电量持续策略实现整个循环工况电池荷电状态SOC平衡.为了验证能量管理策略的有效性,对该策略进行仿真分析.仿真结果表明,该策略对提高混合动力汽车的动力性和燃油经济性、改善排放有明显的作用.     

混合动力汽车模糊神经参考控制策略优化

为提高并联式混合动力汽车控制策略精准性,建立了基于发动机效率的模糊逻辑控制器,进一步使用神经网络模型对模糊逻辑控制器的隶属度函数进行在线学习,引入变尺度优化方法的改进型学习算法,完成了隶属度函数的在线学习后的优化;通过模型参考构成闭环在线修正,降低输出转矩的误差。通过循环仿真实验,利用模糊神经参考模型控制策略,发动机工作效率点与实时工况的匹配率更高稳定性更好,发动机平均效率提高4. 16%,峰值电源荷电状态保持在稳定的容量范围内,整车燃油经济性得到改善。因此该控制策略具有较强的工程实用性。     

STATCOM的变结构神经网络模糊控制研究

提出了STATCOM用于维持接入点母线电压稳定的控制策略,根据控制策略设计了STATCOM的变结构神经网络模糊控制器.在设计控制器时,通过专家经验法和模糊规则自生成法对模糊规则知识库进行了初始化;通过变结构神经网络对模糊规则进行在线调整,增强了控制器的自学习、自适应能力;采用了基于语言变量优化匹配的原则对模糊逻辑推理进行优化,减少模糊推理的计算量,提高运算速度.数字仿真结果验证了该控制方法的有效性和正确性.     

基于DE-BP算法的模糊神经网络控制器及其在污水处理溶解氧浓度控制上的应用

针对污水处理过程这一多变量、强耦合的复杂非线性系统,提出了一种基于差分进化算法的模糊神经网络控制方法,并应用于污水处理过程溶解氧浓度的控制。首先利用差分进化(DE)结合BP的混合算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力,对参数进一步在线调整。将所提出的控制器用于污水处理BSM1仿真平台的溶解氧浓度控制,控制性能优于常规的模糊控制器,仿真结果表明了该控制策略的有效性。     

基于补偿模糊神经网络的BLDCM伺服控制

为了实现无刷直流电机(BLDCM)位置伺服系统的高精度位置跟踪控制,针对系统多变量、非线性、强耦合、时变的特点,提出了一种基于补偿模糊神经网络控制器(CFNNC)的设计方法.该控制器将补偿模糊逻辑和神经网络相结合,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.仿真和在DSP控制系统上的实验结果表明,采用补偿模糊神经网络控制器,系统响应快、精度高、鲁棒性强,动态特性明显优于传统PID控制.     

混合动力汽车能量管理控制器参数优化

设计了一种新的基于人工免疫网络优化的模糊神经混合动力汽车能量管理控制器．该控制器结合模糊控制和神经网络的优点，利用神经网络的自学习能力，自动生成模糊规则和隶属函数，并不断优化隶属函数的参数，直到达到设计要求．为了避免神经网络的学习过程陷入局部极值点，采用人工免疫网络优化神经网络的参数．仿真结果显示，经过参数优化的模糊神经能量管理控制器的性能比普通能量管理控制器好，能进一步降低HEV的油耗．     

遗传算法优化的PHEV模糊能量管理策略研究

选取某款插电式并联式混合动力汽车(PHEV)进行转毂实验,通过转毂实验分析整车的动力性、经济性及整车控制策略,利用GT-suite软件搭建整车一维动力性模型并制定能量管理控制策略,对比分析仿真结果和实验结果:发动机功率实验数据和仿真数据变化趋势一致,电池SOC变化趋势一致,并且最大误差小于20％,验证了仿真模型的准确性.在一维模型基础上利用GT-suite软件和Simulink软件联合仿真,利用基于模糊规则能量管理策略优化混合动力模式下发动机和电机功率分配,然后以整车经济性最佳为优化目标,利用遗传算法优化模糊控制器.结果表明:相对于特定规则的能量管理策略,基于模糊规则策略下整车经济性提高了8.98％,基于遗传算法优化的模糊控制策略整车经济性提高了15.69％.     

基于模糊扭矩识别的混合动力汽车控制策略

提出一种基于模糊扭矩识别的插电式四驱混合动力汽车控制策略,分别以加速踏板和制动踏板的开度和变化率为输入,通过模糊控制器得到驱动扭矩识别系数K1和制动扭矩识别系数K2,初步判断驱动和制动形式。通过实际需求扭矩制定基于规则的控制策略,详细讨论了驱动和制动模式的判别步骤。建立了基于CRUSIE Interface与Simulink的联合仿真模型,编译成可执行代码后进行了硬件在环仿真。仿真结果表明,基于模糊扭矩识别的控制策略可以实现基本的能量管理,且每百公里可以节省14.5%的燃油消耗。     

基于CRUISE的轻度ISG型HEV控制策略研究

控制策略是混合动力汽车(HEV)的关键技术,直接影响HEV整车性能。文章以整车动力性和燃油经济性为控制目标,分别设计了基于逻辑门限值的电力辅助控制策略和模糊逻辑控制策略,在CRUISE平台上搭建样车ISG混合动力汽车的模型,并分别在UDDS和NEDC 2种工况下进行仿真分析。仿真结果表明,与同类型传统燃油汽车相比,基于电力辅助控制策略和模糊逻辑控制策略的ISG型HEV的燃油经济性都有明显改善,模糊逻辑控制策略更为适合。     

基于自适应学习速率法的补偿模糊神经网络

为克服常规网络收敛速度慢、无法结合专家知识等缺点,引入补偿模糊神经元,结合模糊系统强大的知识表达能力和神经网络优秀的自学习能力,并利用自适应学习速率法动态地改变学习率.提出了一种新型的基于自适应学习速率法的补偿模糊神经网络,并将其应用到实际例子中.结果证明,它不仅能在线适当调整参数,还能动态地优化相应的模糊推理,加快训练速度.     

基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络(DFNN)的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯(CHP)分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型(CFNN).     

基于变论域模糊PI控制的电力弹簧控制策略

电力弹簧采用一种输入反馈的形式,有效地缓解了由分布式发电带来的电能质量问题。自适应模糊PI控制对电力弹簧装置的稳定性和鲁棒性有较好的改善作用,但是作为插值器的模糊控制器的精度在既定的规则下无法得到保障,将变论域思想应用到自适应模糊PI中,提出一种基于变论域模糊PI的电力弹簧控制策略,首先对伸缩因子进行动态调节,从而实现模糊控制论域的缩放,间接地增加或减少控制器的规则,从而达到预期的精度,使电力弹簧的控制效果达到最好。仿真结果表明:变论域模糊PI控制能够快速无超调地实现对关键负载的控制要求,具有更好的控制精度和适应性。     

ISG型混合动力汽车模糊控制策略及仿真

针对配备CVT的ISG型混合动力汽车，采用模糊控制策略对整车燃油经济性进行了研究．以整车瞬时状态为基础，燃油消耗最小为目标，建立了模糊控制器。为了消除模糊控制规则获取过程中的不确定性因素，以序列二次规划法的优化计算结果作为制定模糊控制规则的基础，制定了模糊控制规则．结合本文研究车型，对ADVISOR仿真软件进行二次开发，并对整车燃油经济性进行了仿真计算．仿真结果表明，模糊控制策略能够有效提高ISG型混合动力汽车的燃油经济性．     

HEV再生制动时电池快速充电模糊控制策略

为了提高混合动力汽车(HEV)再生制动时蓄电池的充电效率,保证蓄电池的使用安全,在分析蓄电池充电过程热交换模型的基础上,建立了电池开路电压-内阻模型与充电效率间的数学关系.然后,基于马斯定律,设计了适用于HEV再生制动时电池快速充电模糊控制算法.在Mat1ab环境下搭建了闭环控制系统仿真模型,通过建模与仿真计算出HEV在不同控制策略下的电能回收率.结果表明在相同制动情况下,设计的快速充电模糊控制策略与限流充电控制策略相比,电能回收率增加了8.41％.     

并联混合动力汽车模糊多目标控制策略

针对并联混合动力汽车(PHEV),提出一种模糊多目标整车控制策略.通过应用电动机等效燃油消耗的概念,将整车燃油消耗与尾气排放同时作为优化目标.应用模糊逻辑和最小加权偏差法,并根据当前工况对优化目标的偏好情况,求得瞬时最优工作点.基于ADVISOR仿真平台的研究表明,模糊多目标控制策略(FMCS)相对基于规则的控制策略(RBCS)能够在不损失车辆动力性能的前提下有效降低燃油消耗和尾气排放,同时将电池荷电状态(SOC)维持在合理范围内.     

插电式并联混合动力汽车再生制动控制策略

再生制动是混合动力汽车区别于传统汽车的技术特点,是提高车辆燃油经济性的重要措施之一.以一种轴间力矩耦合的插电式并联混合动力汽车为研究对象,从再生制动分配算法的影响因素入手,提出了一种带有模糊控制的混合动力汽车再生制动能量管理策略.所设计的控制策略主要针对两个层面的控制决策,顶层是轴间制动力矩的分配决策,底层是再生制动电机所在的后轴力矩在摩擦制动与再生制动之间的分配决策.采用多种典型车辆行驶工况对所提出的模糊控制策略进行仿真研究.结果表明,所提出的模糊控制策略能够明显改善车辆的能量回收效果,与传统理想制动力分配曲线控制策略相比,能量回收最多可提高23.44%.     

电动特种车辆超低速电机控制策略

为满足机场地面电动特种车辆超低速行驶的特殊工况要求,以内置永磁同步电机作为研究对象,对传统以转矩为控制目标的矢量控制策略加以改进,提出一种基于恒转速控制下结合电压前馈补偿的双闭环模糊控制策略,运用Simulink搭建双闭环模糊矢量仿真模型,并对样车平台实车测试.仿真结果与实验数据表明,改进控制策略在超低速工况下可有效提高电机转速响应速度与稳定性;减弱电流波动与峰值电流;提高扰动情况下的转矩输出能力与稳定性.