基于智能递阶结构的HEV控制策略

混合动力电动汽车(HEV)的多能源动力总成控制器是实现多能源最优控制的关键,针对该包含多个子系统的复杂系统,提出了一类多模型方案,并采用了一种智能递阶监督控制策略·在智能递阶结构的上层,利用概率神经网络构成了组织级,对系统的任务进行规划;采用模糊决策控制器构成了递阶控制的协调级,将具体的任务分配给各个子系统·经过仿真研究,其结果表明了该方法的有效性·     

基于免疫遗传算法的递归模糊神经网络

为了解决递归网络的梯度信息不易获取而传统遗传算法训练时间过长、易于早熟的问题,提出了一种用于辨识非线性动态系统的递归高木-关野模糊神经网络(T_RFNN:Takagi-Sugeno Recurrent Fuzzy Neural Network).T_RFNN是在高木-关野模糊模型的基础上加入了反馈层,利用免疫遗传算法对T_RFNN的参数进行训练和调整.该网络具有更少的网络参数、更快的收敛速度和更高的精度等特点,能够很好地完成动态非线性系统的映射.与高木-关野模糊神经网络相比,网络参数减少了45%,网络误差减少了65%,而网络的运行时间提高了近68%.T_RFNN仿真实验的辨识结果也表明,该网络在训练次数明显减少的情况下学习性能得到了显著改善.     

基于递阶监督的一类多模型自适应控制

针对包含多个子系统的复杂系统,在控制中若使整个系统及子系统的性能最优,常规的控制方法难以实现.在采用一类多模型方案后,提出一种递阶智能监督控制策略,利用模糊神经网络、模糊决策构成了递阶控制的组织级和协调级.经过对混合动力汽车(HEV)的多能源动力总成控制系统进行的仿真研究,表明了该方法的有效性.     

一类非线性多变量系统的模糊神经网络自适应控制

针对一类数学模型不完全确知并包含外部扰动的非线性多变量系统，提出一种模糊神经网络(FNN)自适应控制策略．用FNN模型在线辨识非线性系统的未知动态，并根据误差系统的Riccati方程，设计H∞控制，有效抑制系统的外部扰动，该控制律采用Lyapunov设计方法来保证控制系统的稳定．FNN自适应控制策略解决了传统非线性控制器理论结果形式过于复杂，实用性差的问题，拓宽了非线性理论的应用范围．     

基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合,提出了时 滞系统自适应内模控制算法,理论分析及仿真结果表明,该算法能克服时滞及参数的变化,具有鲁棒性好,抗干扰能力的特点。     

HEV超级电容自适应模糊神经网络建模研究

为了克服超级电容一般建模方法精度不高的缺点,本文将ANFIS方法引入到超级电容的建模研究中,基于轻度混合电动汽车的试验数据,建立了以温度、电流、电压为参量的超级电容ANFIS模型.经过时域和频域测试,结果表明,超级电容模型输出精度高、适应能力强,证明该建模方法精确有效.     

基于FNN的电动汽车自适应横向稳定性控制

针对分布式驱动电动汽车(Distributed drive electric vehicles,DDEV)在急转弯时出现的不足转向和侧向失稳等不确定性稳定问题,提出了一种基于模糊神经网络(Fuzzy Neural Network,FNN)的自适应横向稳定性控制系统.该系统包括上级直接横摆力矩控制器和下级转矩分配控制器.其中,上级直接横摆力矩控制器根据不确定因素产生的质心侧偏角误差得到期望的直接横摆力矩;下级转矩分配控制器将上级控制器输出的直接横摆力矩按轮胎载荷分配至每个轮毂电机,实现高效调整汽车姿态,提高汽车的转向能力和侧向稳定性.仿真实验表明,所提出的控制系统显著提升了DDEV的侧向稳定性,表现出较传统模糊控制更好的控制效果.     

基于RBF神经网络的一类非线性系统模糊自适应控制

针对一类非线性不确定系统,基于ＲＢＦ神经网络,结合模糊滑模控制提出了一种自适应控制方法。根据Ｌｙａｐｕｎｏｖ稳定性理论设计ＲＢＦ网络和模糊滑模补偿控制器的参数。     

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。     

基于浮点数编码GA的T—S模型的模糊辨识方法

提出了一种基于浮点数编码遗传算法学习Ｔ－Ｓ模糊模型的辨识方法。对十进制浮点数编码的遗传算法进行了研究,融合和改进了一些遗传操作,并利用浮点数编码ＧＡ对Ｔ－Ｓ模糊模型为对象建立模糊神经网络中的参数进行估计。仿真给出了满意的结果。     

基于模糊在线识别的并联混合动力客车自适应控制策略

针对一款并联混合动力客车提出了一种基于模糊在线识别的自适应控制策略.基于自主研发的混合动力车数据采集监控系统构建符合本地车辆实际行驶道路特点的典型工况,设计模糊工况识别算法对车辆实际行驶的工况类型进行在线识别.根据最小等效燃油消耗控制算法和电池电量平衡控制方法,结合工况识别的结果调用相应最优控制参数,对发动机和电池的功率分配进行实时优化计算,实现对整车的控制.实验结果表明,所设计的模糊识别方法能够较好地完成行驶工况类型的识别.基于此所提出的自适应控制方法能够在满足车辆需求功率和电池SOC维持在有效工作区间内的前提下完成发动机和电池的最优功率分配,显著提高整车的燃油经济性.      

智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.     

基于多混沌算子遗传算法的混合动力汽车控制策略优化

为某款装备了电池/超级电容混合储能系统的并联型混合动力汽车设计了模糊控制策略.结合遗传算法的种群进化和混沌序列的随机遍历特性,将混沌初始化算子、混沌扰动算子、混沌局部搜索算子引入多目标非占优排序遗传算法(NSGA-II)中,构建了新的多混沌算子遗传算法(MCO-NSGA-II).运用MCO-NSGA-II算法进行了混合动力汽车模糊控制策略优化,以改进车辆的燃油经济性及HC、CO和NOx的排放性能.仿真结果表明,混沌初始化算子和混沌扰动算子可以改善原NSGA-II算法的搜索能力并增加种群多样性,而混沌局部搜索算子可以进一步增强算法局部搜索能力,能更好地搜索到理想的Pareto解集.运用MCO-NSGA-II算法进行优化,使混合动力汽车在欧洲城市驾驶循环(ECE)下的燃油消耗降低了11.8%,HC、CO和NOx排放分别下降了7.72%、15.72%和11.77%.     

混合动力汽车补偿模糊神经网络能量管理策略

以上海大众汽车公司某型号混合动力电动汽车(HEV)的设计要求为基础,提出了一种基于补偿模糊神经网络的能量控制策略,并采用动态调整步长的梯度下降法加快算法的收敛速度.分析了样本数据选取、输入、输出模糊分割和模糊规则提取对控制器性能的影响.利用ADVISOR2002仿真平台进行二次开发,完成了基于补偿模糊神经网络的控制策略、并联电力辅助控制策略和模糊控制策略的仿真比较.仿真结果表明,基于补偿模糊神经网络的控制器具有较强的自适应能力,可以较好提高混合动力汽车的燃油经济性和排放性.     

混合动力汽车中CAN总线技术的应用

介绍了CAN总线在混合动力汽车中的应用,研究了CAN通信技术和基于CAN节点的设计,给出了网络结构模式,为新一代汽车的控制提供了理论基础与依据,并介绍了CAN节点硬件的组成和软件的实现方法.     

并联混合动力汽车的模糊转矩控制策略

提出了一种新的并联混合动力汽车(PHEV)模糊转矩控制策略(FTCS)及其设计方法.以并联混合动力系统的工作模式为基础,利用请求转矩与发动机最佳转矩的比值和电池电荷状态(SOC)为输入、电机归一化转矩指令为输出,构建了有22条规则的模糊推理器,用以确定发动机和电机的最佳转矩分配,实现系统的总体能量转换效率最高.仿真结果表明,与采用精确门限参数的策略相比,FTCS的燃油经济性有较大提高,并能更好地控制电池SOC在工作区变化.     

混合动力电动汽车动力系统电磁兼容设计

分析了混合动力汽车内部电磁环境,提出了优化动力系统电磁兼容性的设计方法,并探讨了可行的电路结构。     

履带式混合动力车辆控制策略硬件在环仿真

采用硬件在环仿真的方法验证履带式混合动力车辆控制策略的可行性. 结合车辆结构形式和DC-DC变换器控制方法,在功率跟踪控制策略基础上,提出一种基于电压控制的履带式混合动力车辆控制策略. 采用真实的驾驶员操纵设备和整车控制器,通过建立的车辆驱动系统模型在dSPACE中实时运算模拟实现被控对象及外界环境,构建包括CAN通信在内的控制策略硬件在环仿真平台,对提出的控制策略进行硬件在环仿真实验. 仿真结果表明,该控制策略可行并能很好地满足驾驶员的操作需求.