混合動力汽車行駛時,在保證動力性能的前提下,整車轉(zhuǎn)矩分配策略應(yīng)針對不同行駛工況實時進(jìn)行相應(yīng)調(diào)整,實現(xiàn)動力系統(tǒng)中各動力源之間的轉(zhuǎn)矩分配,達(dá)到節(jié)能減排的目的。本文根據(jù)并聯(lián)式混合動力汽車的整車動力學(xué)結(jié)構(gòu),詳細(xì)介紹了混合動力汽車主要部件的建模方法;其次,依據(jù)模糊控制理論與模糊控制系統(tǒng)結(jié)構(gòu),在混合驅(qū)動模式下,綜合考慮駕駛員的操作意圖對轉(zhuǎn)矩分配的影響,設(shè)計了以當(dāng)前轉(zhuǎn)速下發(fā)動機最優(yōu)轉(zhuǎn)矩與整車需求轉(zhuǎn)矩的差值ΔT、動力電池的SOC、油門踏板變化率ā作為輸入,以發(fā)動機轉(zhuǎn)矩分配系數(shù)P作為輸出的三維模糊控制器;在此基礎(chǔ)上,因考慮到所建立的模糊控制器的模糊規(guī)則依據(jù)專家經(jīng)驗而確定,不能保證每個算法都處于最優(yōu)狀態(tài),并且在整車行駛過程中,工況變化復(fù)雜,不同工況下需要不同的模糊規(guī)則來實現(xiàn)整車的轉(zhuǎn)矩分配。從而將模糊控制與小腦模型(CMAC)神經(jīng)網(wǎng)絡(luò)相結(jié)合,模糊規(guī)則不再只依據(jù)專家經(jīng)驗,而是通過CMAC神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)模糊規(guī)則并進(jìn)行規(guī)則優(yōu)化,取代模糊規(guī)則庫,設(shè)計模糊小腦模型(FCMAC)神經(jīng)網(wǎng)絡(luò)控制器,確保每個算法都處于最優(yōu)。最后,應(yīng)用AVL-Cruise軟件建立汽車動力學(xué)仿真模型,在Matlab/Simulink環(huán)境下,以Matlab/API的方式實現(xiàn)聯(lián)合仿真,在滿足動力性能的同時,以NEDC工況為循環(huán)工況,將模糊控制策略和FCMAC神經(jīng)網(wǎng)絡(luò)控制策略進(jìn)行仿真對比分析,證明本文所提出的兩種控制策略都可以實現(xiàn)發(fā)動機、驅(qū)動電機以及ISG電機間的轉(zhuǎn)矩分配,但是后者的控制效果更好,可以較大程度地節(jié)能、減排。
【學(xué)位單位】：長春工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U469.7
【部分圖文】：

如圖2.1 和圖 2.2 所示。它屬于變速器前置后耦合式雙軸并聯(lián)結(jié)構(gòu)。圖 2.1 并聯(lián)式混合動力汽車結(jié)構(gòu)圖 2.2 并聯(lián)式混合動力汽車 3D 布置數(shù)模圖

各個子系統(tǒng)進(jìn)行建模，確保仿真的置信度，為搭建整車的仿真數(shù)學(xué)模后文的基于 AVL-Cruise 與 Matlab/Simulink 的聯(lián)合仿真實驗驗證奠定車動力學(xué)結(jié)構(gòu)所研究的并聯(lián)式混合動力汽車的結(jié)構(gòu)及在 CATIA 中的 3D 布置數(shù)模 2.2 所示。它屬于變速器前置后耦合式雙軸并聯(lián)結(jié)構(gòu)。圖 2.1 并聯(lián)式混合動力汽車結(jié)構(gòu)

第 2 章 混合動力汽車模型的建立合動力汽車仿真軟件選擇新能源汽車領(lǐng)域使用的仿真軟件已有很多種，常用的前向式建模工RUISE 軟件等，常用的后向式建模工具有 ADVISOR 和 SIMPLEV 等[2用前向式建模方式，所以應(yīng)用前向式建模工具進(jìn)行仿真。-Cruise 是一個成熟的仿真平臺，相較于 Psat 軟件，它的操作界面更加可以快速的入門[34,35,36]。并且可以提供較多的系統(tǒng)仿真工具接口，Simulink、Puma Open、Carsim 以及 CarMaker 等，可以很便捷的與其行聯(lián)合仿真。Cruise 的開放式接口，如圖 2.5 所示。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張裊娜;周長哲;高澤霖;李彥陽;;基于FCMAC神經(jīng)網(wǎng)絡(luò)的PHEV轉(zhuǎn)矩分配策略[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2017年06期

2 李麗娜,侯朝楨;一種基于FCMAC神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法[J];計算機工程;2003年13期

3 陳登科;張大發(fā);;FCMAC在蒸汽發(fā)生器水位控制中的仿真研究[J];計算機仿真;2007年01期

4 鄭總準(zhǔn);王永驥;吳浩;李傳鋒;;基于FCMAC干擾觀測器的動態(tài)逆再入制導(dǎo)[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2010年01期

5 張謙;基于神經(jīng)網(wǎng)絡(luò)的模糊控制及其應(yīng)用[J];鄭州紡織工學(xué)院學(xué)報;1994年02期

6 朱海榮;楊奕;姜平;周根榮;;三容系統(tǒng)的智能神經(jīng)網(wǎng)絡(luò)模糊控制研究[J];電氣傳動;2007年07期

7 徐嗣鑫，丁維明;模糊控制和神經(jīng)網(wǎng)絡(luò)相融合的研究及其在家電產(chǎn)品中應(yīng)用[J];南京航空航天大學(xué)學(xué)報;1994年S1期

8 冀春榮,何鋮,李燕,白萬民;透鏡拋光機床模糊控制的神經(jīng)網(wǎng)絡(luò)方法[J];機床與液壓;1998年03期

9 戴文戰(zhàn);基于神經(jīng)網(wǎng)絡(luò)的模糊控制[J];黑龍江商學(xué)院學(xué)報(自然科學(xué)版);1997年02期

10 曹潔;李振宸;任冰;;基于神經(jīng)網(wǎng)絡(luò)模糊控制的單交叉口信號控制[J];蘭州理工大學(xué)學(xué)報;2010年01期

相關(guān)博士學(xué)位論文 前10條

1 談宏瑩;基于太赫茲時域譜物質(zhì)檢測技術(shù)及實驗研究[D];燕山大學(xué);2016年

2 王玲;基于反應(yīng)擴散方程的神經(jīng)網(wǎng)絡(luò)與種群模型的動力學(xué)研究[D];南京航空航天大學(xué);2016年

3 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

4 江沸菠;基于神經(jīng)網(wǎng)絡(luò)的混合非線性電阻率反演成像[D];中南大學(xué);2014年

5 李洋;小波過程神經(jīng)網(wǎng)絡(luò)相關(guān)理論及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2008年

6 周偉;關(guān)于多穩(wěn)定回復(fù)式神經(jīng)網(wǎng)絡(luò)中的一些問題[D];電子科技大學(xué);2010年

7 潘志松;基于神經(jīng)網(wǎng)絡(luò)的入侵檢測研究[D];南京航空航天大學(xué);2003年

8 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

9 張濟民;基于神經(jīng)網(wǎng)絡(luò)的預(yù)測控制在擺式客車傾擺系統(tǒng)的應(yīng)用研究[D];西南交通大學(xué);2004年

10 石志標(biāo);智能仿生鼻及其應(yīng)用研究[D];吉林大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 周長哲;基于FCMAC神經(jīng)網(wǎng)絡(luò)的整車轉(zhuǎn)矩分配策略研究[D];長春工業(yè)大學(xué);2018年

2 盧純江;基于FCMAC的電梯群控系統(tǒng)設(shè)計與實現(xiàn)[D];天津大學(xué);2007年

3 肖強英;基于模糊FCMAC神經(jīng)網(wǎng)絡(luò)PID的開關(guān)磁阻電機智能控制[D];長沙理工大學(xué);2011年

4 于洋;模糊控制與神經(jīng)網(wǎng)絡(luò)方法研究[D];西北工業(yè)大學(xué);2001年

5 郭斌;變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)模糊控制方法及其在橡膠烘干過程中的應(yīng)用[D];西安建筑科技大學(xué);2001年

6 胡焯;一類非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模糊控制[D];江南大學(xué);2012年

7 張哲;基于效率優(yōu)化的整車轉(zhuǎn)矩分配方法的研究[D];長春工業(yè)大學(xué);2015年

8 黃毅超;基于卷積神經(jīng)網(wǎng)絡(luò)的第一視角手勢交互研究與應(yīng)用[D];華南理工大學(xué);2017年

9 嚴(yán)胡勇;灰色理論和神經(jīng)網(wǎng)絡(luò)在油田產(chǎn)量預(yù)測中的應(yīng)用[D];東北石油大學(xué);2013年

10 徐海豐;基于聚類和神經(jīng)網(wǎng)絡(luò)方法的2.25Cr-1Mo材料聲發(fā)射特征研究[D];東北石油大學(xué);2012年

本文編號：2848852