目前,電動汽車的驅(qū)動系統(tǒng)通常使用PID算法進(jìn)行控制。電動車的驅(qū)動系統(tǒng)是非線性系統(tǒng),其控制難度較大。采用PID控制算法,其控制效果并不理想。出現(xiàn)的主要問題表現(xiàn)為動態(tài)響應(yīng)慢,穩(wěn)態(tài)誤差較大,抗干擾能力差、動力電機(jī)轉(zhuǎn)矩脈動大。這些問題直接降低了電動汽車的使用舒適度;另外,傳統(tǒng)PID控制過程中能耗較高,間接縮短了其續(xù)駛里程。新能源場地電動車的應(yīng)用場合路況復(fù)雜,而且負(fù)載多變。為了應(yīng)對電動車的這種復(fù)雜工況,采用遺傳和BP算法優(yōu)化與混合算法(IGA-IBP),并以該算法為基礎(chǔ)設(shè)計PID控制器,該控制器具備參數(shù)自學(xué)習(xí)能力。將該控制器應(yīng)用于場地電動車的驅(qū)動控制系統(tǒng),相較于基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)(GA-BP)算法的PID控制器,場地電動車的抗干擾能力,速度動作響應(yīng),行駛過程中的噪音,電機(jī)轉(zhuǎn)矩脈動等方面均有明顯改善,而且在場地電動車的起動過程中降低了能耗,使場地電動車的續(xù)使里程更長。本文首先針對BP神經(jīng)網(wǎng)絡(luò)算法的誤差函數(shù)下降緩慢,容易陷入局部極值問題,利用優(yōu)化附加動量改進(jìn)算法和優(yōu)化自適應(yīng)學(xué)習(xí)速率調(diào)整法進(jìn)行改進(jìn);然后,針對遺傳算法的交叉率和變異率的取值問題進(jìn)行改進(jìn);最后,利用蟻群算法信息素的累積和更新,使得改...

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景
    1.2 課題來源
    1.3 研究現(xiàn)狀與選題意義
        1.3.1 研究現(xiàn)狀
        1.3.2 選題意義
    1.4 論文主要工作
    1.5 論文組織結(jié)構(gòu)
第2章 場地電動車的驅(qū)動控制系統(tǒng)
    2.1 電機(jī)驅(qū)動控制系統(tǒng)
        2.1.1 場地電動車的電機(jī)驅(qū)動系統(tǒng)布置方式
        2.1.2 電動車的電驅(qū)動系統(tǒng)組成
    2.2 電動車典型工況分析及特殊需求
    2.3 電動車的控制策略
        2.3.1 電動車的啟�？刂撇呗�
        2.3.2 電動車安全控制策略
        2.3.3 電動車驅(qū)動控制原理
    2.4 常規(guī)PID算法
    2.5 本章小結(jié)
第3章 遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的PID算法
    3.1 BP神經(jīng)網(wǎng)絡(luò)
        3.1.1 人工神經(jīng)網(wǎng)絡(luò)
        3.1.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及算法
    3.2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
        3.2.1 BP神經(jīng)網(wǎng)絡(luò)算法的主要不足
        3.2.2 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化
        3.2.3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
    3.3 遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的PID算法
    3.4 本章小結(jié)
第4章 遺傳和BP優(yōu)化與混合算法
    4.1 基本思路
    4.2 優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法
    4.3 優(yōu)化遺傳算法
    4.4 蟻群算法優(yōu)化遺傳BP算法
        4.4.1 蟻群算法
        4.4.2 蟻群算法優(yōu)化遺傳BP算法
    4.5 基于遺傳和BP算法的優(yōu)化與混合算法的PID控制器設(shè)計
    4.6 本章小結(jié)
第5章 測試與分析
    5.1 性能指標(biāo)
    5.2 仿真驗證
    5.3 結(jié)論
    5.4 本章小結(jié)
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果



本文編號：3920893