【摘要】：動(dòng)力總成匹配技術(shù)對(duì)混合動(dòng)力汽車的動(dòng)力系統(tǒng)起著十分關(guān)鍵的作用,是體現(xiàn)汽車企業(yè)自主開發(fā)能力的重要方面。本文針對(duì)一款濟(jì)南市傳統(tǒng)內(nèi)燃機(jī)客車的動(dòng)力系統(tǒng),進(jìn)行基于神經(jīng)網(wǎng)絡(luò)的混合動(dòng)力總成開發(fā),主要包含有以下研究工作：1.典型工況構(gòu)建實(shí)時(shí)采集濟(jì)南市客車行駛的工況數(shù)據(jù)后,本文基于兩階聚類分析算法及主成分分析法等理論,對(duì)部分實(shí)測數(shù)據(jù)進(jìn)行分析并構(gòu)建了客車兩階聚類合成工況;本文對(duì)同組數(shù)據(jù)采用傳統(tǒng)的單次聚類方法又構(gòu)建一個(gè)工況,并采用散點(diǎn)分布和建模仿真兩種方法對(duì)兩合成工況與真實(shí)濟(jì)南工況進(jìn)行了對(duì)比,結(jié)果均表明兩階聚類合成法構(gòu)建的工況更接近于車輛實(shí)際行駛的道路工況；基于兩階聚類理論基礎(chǔ),本文利用Visual Studio平臺(tái)C#語言開發(fā)了一款構(gòu)建典型工況的軟件,并對(duì)大量實(shí)測數(shù)據(jù)處理分析后得到了濟(jì)南市客車的典型工況。2.混合動(dòng)力總成匹配在ADVISOR軟件平臺(tái)上,本文構(gòu)建了該傳統(tǒng)內(nèi)燃機(jī)客車的結(jié)構(gòu)模型,經(jīng)試驗(yàn)驗(yàn)證該模型搭建準(zhǔn)確；對(duì)客車動(dòng)力總成動(dòng)力性、經(jīng)濟(jì)性和排放性的需求進(jìn)行研究后,將該車改造為單軸并聯(lián)式混合動(dòng)力客車；之后在已建立的濟(jì)南市典型工況下,對(duì)原有客車和基于電輔助控制策略的混合動(dòng)力客車進(jìn)行模擬仿真及臺(tái)架試驗(yàn),結(jié)果均表明所改造混合動(dòng)力客車在工況跟蹤、動(dòng)力輸出、燃油經(jīng)濟(jì)和尾氣排放等方面均有大幅改善。3.神經(jīng)網(wǎng)絡(luò)控制策略研究基于已建立的混合動(dòng)力客車模型,利用多層次參數(shù)掃描法MLPS優(yōu)化的邏輯門限值控制策略進(jìn)行離線仿真,所得數(shù)據(jù)訓(xùn)練GRBF神經(jīng)網(wǎng)絡(luò);建立基于GRBF神經(jīng)網(wǎng)絡(luò)的混合動(dòng)力客車實(shí)時(shí)控制策略,并實(shí)現(xiàn)ADVISOR二次開發(fā),將GRBF神經(jīng)網(wǎng)絡(luò)在不同典型工況下與MLPS優(yōu)化的邏輯門限值控制策略進(jìn)行仿真對(duì)比,結(jié)果表明：本文GRBF神經(jīng)網(wǎng)絡(luò)控制策略能夠有效降低燃油消耗、減少整車尾氣排放、控制電池組SOC平穩(wěn)變化,有效提高了車輛的效率。
[Abstract]:Powertrain matching technology plays a very key role in the power system of hybrid electric vehicle, and it is an important aspect to reflect the independent development ability of automobile enterprises. In this paper, a hybrid powertrain based on neural network is developed for a traditional internal combustion engine bus in Jinan, which mainly includes the following research work: 1. After collecting the working condition data of Jinan bus in real time, based on the theory of two-order clustering analysis algorithm and principal component analysis, some measured data are analyzed and the second-order clustering synthesis condition of bus is constructed in this paper. In this paper, the traditional single clustering method is used to construct another working condition for the same group of data, and the divergence distribution and modeling and simulation methods are used to compare the two synthetic conditions with the real Jinan working conditions. the results show that the working conditions constructed by the two-order clustering method are closer to the actual road conditions of the vehicle. Based on the theory of two-order clustering, this paper uses Visual Studio platform C # language to develop a software to construct typical working conditions, and obtains the typical working conditions of Jinan bus after processing and analyzing a large number of measured data. In this paper, the structure model of the traditional internal combustion engine bus is constructed on the ADVISOR software platform, and the model is verified to be accurate by experiments. After studying the power performance, economy and emission requirements of the bus powertrain, the car is transformed into a single-axle parallel hybrid electric bus. Then, under the typical working conditions of Jinan city, the simulation and bench test of the original bus and the hybrid electric bus based on the electric auxiliary control strategy are carried out. The results show that the modified hybrid electric bus has been greatly improved in the aspects of working condition tracking, power output, fuel economy and exhaust emission. The research of neural network control strategy is based on the established hybrid electric bus model. The logic threshold control strategy optimized by multi-level parameter scanning MLPS is used to simulate offline, and the obtained data train GRBF neural network. The real-time control strategy of hybrid electric bus based on GRBF neural network is established, and the secondary development of ADVISOR is realized. The GRBF neural network is simulated and compared with the logic threshold control strategy optimized by MLPS under different typical working conditions. The results show that the GRBF neural network control strategy can effectively reduce fuel consumption, reduce vehicle exhaust emissions, control the stable change of battery pack SOC, and effectively improve the vehicle efficiency.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U469.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;福田歐Ⅴ混合動(dòng)力客車正式亮相[J];公路與汽運(yùn);2006年02期

2 奚樂夫;;混合動(dòng)力客車:在疑問中前行[J];運(yùn)輸經(jīng)理世界;2006年07期

3 王欽普;;混合動(dòng)力客車開發(fā)及產(chǎn)業(yè)化研究[J];客車技術(shù)與研究;2007年04期

4 羅曉嵐;;戴姆勒推出新型混合動(dòng)力客車[J];商用汽車;2008年04期

5 ;混合動(dòng)力客車 如何突破消費(fèi)瓶頸[J];時(shí)代汽車;2009年01期

6 李孟良;聶彥鑫;高繼東;李洧;過學(xué)迅;;混合動(dòng)力客車與常規(guī)客車排放對(duì)比研究[J];汽車工程;2010年03期

7 薛亞培;;混合動(dòng)力客車銷量見長[J];商用汽車新聞;2012年19期

8 方文迪;;海格插電式混合動(dòng)力客車開啟綠色公交能效之門[J];人民公交;2014年03期

9 王秉剛;;目前的混合動(dòng)力客車[J];汽車與運(yùn)動(dòng);2012年12期

10 付澤;;一款用于山區(qū)行駛混合動(dòng)力客車[J];汽車與配件;2006年13期

相關(guān)會(huì)議論文 前8條

1 武紅霞;秦東晨;徐一村;裴東杰;;基于模糊邏輯的混聯(lián)式混合動(dòng)力客車控制策略研究[A];自主創(chuàng)新、學(xué)術(shù)交流——第十屆河南省汽車工程科學(xué)技術(shù)研討會(huì)論文集[C];2013年

2 游國平;郭寬友;陳德兵;;混合動(dòng)力客車典型工況下控制策略試驗(yàn)分析[A];2012重慶汽車工程學(xué)會(huì)年會(huì)論文集[C];2012年

3 馮瑞;尹安東;陳順東;;超級(jí)電容在混合動(dòng)力客車動(dòng)力系統(tǒng)中應(yīng)用[A];2012安徽省汽車工程學(xué)會(huì)年會(huì)論文集[C];2012年

4 閆明剛;張勇;侯之超;楊福源;余平;;混合動(dòng)力客車傳動(dòng)系扭振響應(yīng)及其影響因素分析[A];第22屆全國結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅲ冊(cè)[C];2013年

5 陳煌熙;劉善鍔;陳詩庫;翁濤;羅沖;;后置混合動(dòng)力客車?yán)鋮s系統(tǒng)總體布置和設(shè)計(jì)[A];第七屆中國智能交通年會(huì)論文集[C];2012年

6 趙子亮;李駿;劉明輝;劉東秦;劉吉順;;CA6100SH8并聯(lián)混合動(dòng)力客車工作模式與功率分配研究[A];2007年APC聯(lián)合學(xué)術(shù)年會(huì)論文集[C];2007年

7 宋超;謝勇波;王坤俊;李晟;李雙龍;文多;朱田;;基于CAN總線的混合動(dòng)力客車數(shù)據(jù)采集系統(tǒng)[A];第八屆中國智能交通年會(huì)優(yōu)秀論文集——軌道交通[C];2013年

8 賀蓉;鄭宏宇;宗長富;;混合動(dòng)力客車再生制動(dòng)協(xié)調(diào)控制算法研究[A];2013中國汽車工程學(xué)會(huì)年會(huì)論文集[C];2013年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 張翼;政府舉起的混合動(dòng)力客車能否在市場平穩(wěn)放下 Can the Rising Hybrid Electric Vehicle Run Smoothly in the Market?[N];機(jī)電商報(bào);2008年

2 王瑞;國家推手混合動(dòng)力客車市場或?qū)②厽醄N];中國工業(yè)報(bào);2012年

3 王瑞;混合動(dòng)力客車黃金期將至[N];中國交通報(bào);2012年

4 本報(bào)記者 張海燕;混合動(dòng)力客車技術(shù)逐步成熟[N];中國質(zhì)量報(bào);2013年

5 本報(bào)記者 尹永生 孫紅 通訊員 邢麗娟;一汽混合動(dòng)力客車無錫下線[N];中國工業(yè)報(bào);2005年

6 早報(bào)記者 錢嬋娟;上汽通用力拓混合動(dòng)力客車[N];東方早報(bào);2005年

7 記者 孫振華 實(shí)習(xí)生 李思之 通訊員 楊艷紅;混合動(dòng)力客車在湘問世[N];湖南日?qǐng)?bào);2004年

8 本報(bào)記者　 常虹 楊世璋;福田歐V混合動(dòng)力客車年底批量上市[N];中國工業(yè)報(bào);2006年

9 奚樂夫;混合動(dòng)力客車三重疑問[N];中國交通報(bào);2006年

10 本報(bào)記者 何珊;福田歐V混合動(dòng)力客車批量上市[N];中國工業(yè)報(bào);2007年

相關(guān)博士學(xué)位論文 前7條

1 楊鈁;面向產(chǎn)品工程化的混合動(dòng)力客車設(shè)計(jì)方法研究[D];吉林大學(xué);2011年

2 王磊;一種混聯(lián)式混合動(dòng)力客車能量管理及模式切換協(xié)調(diào)控制研究[D];上海交通大學(xué);2013年

3 劉吉順;面向產(chǎn)品工程化的混合動(dòng)力客車控制系統(tǒng)研究[D];吉林大學(xué);2013年

4 熊偉威;混聯(lián)式混合動(dòng)力客車能量優(yōu)化管理策略研究[D];上海交通大學(xué);2009年

5 龔依民;混合動(dòng)力客車集成一體化啟動(dòng)—發(fā)電機(jī)技術(shù)（ISG）與監(jiān)控系統(tǒng)研究[D];吉林大學(xué);2008年

6 林歆悠;混聯(lián)式混合動(dòng)力客車功率均衡能量管理控制策略研究[D];重慶大學(xué);2011年

7 尹安東;基于混合系統(tǒng)理論的混合動(dòng)力客車控制策略和參數(shù)優(yōu)化研究[D];合肥工業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 房亮;串聯(lián)式混合動(dòng)力客車控制策略與主控制器研究[D];河北工業(yè)大學(xué);2015年

2 喬問路;串聯(lián)式混合動(dòng)力客車控制策略與電池管理系統(tǒng)的研究[D];河北工業(yè)大學(xué);2015年

3 馮軍強(qiáng);混合動(dòng)力客車CAN網(wǎng)絡(luò)設(shè)計(jì)開發(fā)關(guān)鍵技術(shù)研究[D];吉林大學(xué);2016年

4 況文兵;并聯(lián)混合動(dòng)力客車傳動(dòng)系統(tǒng)控制技術(shù)研究[D];吉林大學(xué);2016年

5 楊志甲;基于神經(jīng)網(wǎng)絡(luò)的并聯(lián)式混合動(dòng)力客車動(dòng)力系統(tǒng)研究[D];山東大學(xué);2016年

6 劉寧;混合動(dòng)力客車換檔規(guī)律的研究[D];吉林大學(xué);2007年

7 趙利軍;某混合動(dòng)力客車動(dòng)力系統(tǒng)匹配與控制策略研究[D];南京理工大學(xué);2015年

8 王錕;氣/電混合動(dòng)力客車動(dòng)力系統(tǒng)的參數(shù)匹配與優(yōu)化研究[D];重慶大學(xué);2010年

9 段明序;混合動(dòng)力客車機(jī)械式自動(dòng)變速器參數(shù)優(yōu)化設(shè)計(jì)方法研究[D];吉林大學(xué);2013年

10 王敏懷;單軸并聯(lián)插電式混合動(dòng)力客車性能匹配和仿真改進(jìn)[D];湖南大學(xué);2013年

，

本文編號(hào)：2507096