發(fā)布時間：2021-06-27 20:43

　　混合動力汽車動力傳動系統(tǒng)的研發(fā)作為混合動力汽車研究領(lǐng)域的一項關(guān)鍵技術(shù),一直受到廣泛關(guān)注。采用行星排作為動力耦合機構(gòu)的電控無級變速系統(tǒng)（Electric Variable Transmission,EVT）由于結(jié)構(gòu)緊湊,工作效率高被廣泛研究,產(chǎn)出了大量研究成果。目前對于EVT混合動力系統(tǒng)的設(shè)計研究大多結(jié)合圖形學和數(shù)學理論,采用窮舉或者枚舉方案的方式,效率較低且考慮因素不全面。本文根據(jù)現(xiàn)有的EVT混合動力系統(tǒng)圖論研究內(nèi)容,引入機器學習算法,融入工況信息,開展了不同特征工況下的單行星排EVT混合動力系統(tǒng)的建模與方案評價與尋優(yōu),具體研究內(nèi)容闡述如下:（1）以已有EVT混合動力系統(tǒng)圖論分層圖畫模型和鄰接矩陣模型為基礎(chǔ),從中提取關(guān)鍵元素,組成EVT混合動力系統(tǒng)圖論矩陣模型;在EVT混合動力系統(tǒng)圖論分層圖畫模型中直接進行動力學分析,建立了EVT混合動力系統(tǒng)圖論分層圖畫動力學模型;（2）采用基于遺傳算法（Generic Algorithm,GA）和模擬退火算法（Simulated Annealing,SA）優(yōu)化的模糊C均值聚類對標準工況進行了聚類分析,提取了三類特征工況,并計算了三類特征工況的特征參數(shù)... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：126 頁

【學位級別】：碩士

【部分圖文】：

工況聚類隸屬度及工況點選取Fig.3.7Drivingcycleclusterdegreeofmembershipandselectionofscatters

5EVT混合動力系統(tǒng)方案尋優(yōu)研究97表5.6最優(yōu)方案2的預測結(jié)果與仿真結(jié)果對比Table5.6Predictionresultsandsimulationresultscomparasonofthe2ndoptimaldesign特征工況預測油耗仿真油耗相對誤差Urbancycle3.41783.39150.78%Suburbancycle3.25593.2672-1.13%Highwaycycle4.20844.18170.64%除以上方案外，遺傳算法在迭代時還產(chǎn)生了幾種其他方案，但是由于其燃油經(jīng)濟性較上述三種方案差，本文受篇幅所限，對其他方案不進行分析與驗證。將三個方案在三個不同工況下結(jié)果列入統(tǒng)一圖形對照觀察，如圖5.14所示。圖5.14三種特征工況下油耗累積比較Fig.5.14Fuelconsumptionaccumulationcomparisonunderthreecharacteristicdrivingcycles根據(jù)圖5.14可以看出，在三中方案中，方案1在Highway工況下表現(xiàn)較其他兩個方案良好，而在Urban/Suburban工況下較之差，方案2在Urban工況下較其他兩種方案表現(xiàn)良好,而Highway工況下表現(xiàn)較差，方案3的三種工況下油耗累計值最低，因此，其在綜合表現(xiàn)性能較其他兩個方案良好。5.3最優(yōu)方案結(jié)果仿真對比驗證對上一節(jié)中的三種方案的分析僅僅在三種標準工況下進行了仿真驗證，本節(jié)將對以上三種方案進行NEDC工況（歐洲和中國常用工況）、FUDS和HWFET（美國標準中的常用工況）下的DP仿真驗證，對三種方案油耗情況于多標準工況條件下對比分析。

重慶大學碩士學位論文最優(yōu)方案1：其三種標準工況下的仿真曲線見圖5.15~5.17。圖5.15最優(yōu)方案1在NEDC工況下的仿真結(jié)果Fig.5.15Simulationresultsofths1stoptimaldesignunderNEDC圖5.16最優(yōu)方案1在FUDS工況下的仿真結(jié)果Fig.5.16Simulationresultsofths1stoptimaldesignunderFUDS

【參考文獻】：
期刊論文
[1]基于Pearson關(guān)聯(lián)度BP神經(jīng)網(wǎng)絡(luò)的時間序列預測[J]. 王可,王慧琴,殷穎,毛力,張毅.  光學精密工程. 2018(11)
[2]基于UMAC的RBF神經(jīng)網(wǎng)絡(luò)PID控制[J]. 李明,封航,張延順.  北京航空航天大學學報. 2018(10)
[3]基于GRNN神經(jīng)網(wǎng)絡(luò)的瀝青路面裂縫預測方法[J]. 柯文豪,陳華鑫,雷宇,張濤.  深圳大學學報(理工版). 2017(04)
[4]車輛道路行駛工況構(gòu)建典型方法研究[J]. 王川.  赤峰學院學報(自然科學版). 2016(17)
[5]基于多循環(huán)工況的混合動力汽車參數(shù)優(yōu)化研究[J]. 詹森,秦大同,曾育平.  汽車工程. 2016(08)
[6]PSO-BP神經(jīng)網(wǎng)絡(luò)在露天礦卡車油耗預測中的應(yīng)用[J]. 邵良杉,趙藤野,溫廷新,閆冬,司翠紅.  遼寧工程技術(shù)大學學報(自然科學版). 2016(07)
[7]新能源汽車種類及其關(guān)鍵技術(shù)分析[J]. 劉恒碩,李軍,張勝根.  汽車零部件. 2015(04)
[8]混合動力汽車行星耦合傳動系統(tǒng)的圖論建模及動力學分析[J]. 楊亞聯(lián),米嬌,胡曉松,秦大同.  汽車工程. 2015(01)
[9]計及行駛工況影響的混合動力汽車控制策略[J]. 田毅,張欣,張昕,宋建鋒.  汽車工程. 2010(08)
[10]基于圖論的行星變速機構(gòu)分析方法[J]. 閆清東,李慎龍,姚壽文.  吉林大學學報(工學版). 2010(04)

博士論文
[1]基于歷史數(shù)據(jù)的行星混聯(lián)式客車在線優(yōu)化控制策略[D]. 楊南南.吉林大學 2018
[2]混聯(lián)式混合動力車輛優(yōu)化設(shè)計與控制[D]. 于永濤.吉林大學 2010

碩士論文
[1]雙行星EVT混合動力傳動系統(tǒng)的圖論建模與方案綜合設(shè)計研究[D]. 鄭智偉.重慶大學 2017
[2]EVT混合動力傳動系統(tǒng)的圖論建模與構(gòu)型綜合設(shè)計理論研究[D]. 劉振濤.重慶大學 2016
[3]基于工況識別的混聯(lián)式混合動力汽車能量管理策略研究[D]. 羅少華.重慶大學 2016
[4]多自由度車用行星變速機構(gòu)的拓撲綜合研究[D]. 謝天禮.北京理工大學 2015
[5]基于圖論的ISG行星耦合混合動力傳動系統(tǒng)的方案設(shè)計及特征參數(shù)性能影響研究[D]. 米嬌.重慶大學 2013



本文編號：3253575