發(fā)布時(shí)間：2020-12-06 02:32

　　在綠色能源和環(huán)境友好型社會(huì)的發(fā)展要求下,各類新型能源汽車(chē)逐漸成為汽車(chē)技術(shù)研究的主要方向。插電式混合動(dòng)力汽車(chē)（Plug-in Hybrid Electric Vehicle,PHEV）作為近階段最滿足客觀條件要求的車(chē)型得到廣泛認(rèn)可和市場(chǎng)應(yīng)用。能量管理策略對(duì)均衡PHEV整車(chē)的動(dòng)力性,排放性以及燃油經(jīng)濟(jì)性等各項(xiàng)性能至關(guān)重要。本文針對(duì)插電式混合動(dòng)力公交車(chē),提出一種基于短期工況預(yù)測(cè)的混合邏輯動(dòng)態(tài)（Mixed Logical Dynamical,MLD）模型預(yù)測(cè)控制（Model Predictive Control,MPC）策略。研究?jī)?nèi)容主要包括:明確PHEV的傳動(dòng)系統(tǒng)結(jié)構(gòu)及整車(chē)參數(shù),進(jìn)行動(dòng)力系統(tǒng)建模,主要包括車(chē)輪及傳動(dòng)系統(tǒng)轉(zhuǎn)矩和轉(zhuǎn)速的動(dòng)力學(xué)模型、發(fā)動(dòng)機(jī)油耗模型、電機(jī)能耗模型以及電池模型。在預(yù)測(cè)控制策略中需要對(duì)SOC加以約束,為尋找合理的SOC參考軌跡制定方法,本文研究采用動(dòng)態(tài)規(guī)劃（Dynamic Programming,DP）的PHEV全局最優(yōu)控制策略,并在NEDC標(biāo)準(zhǔn)工況下進(jìn)行燃油經(jīng)濟(jì)性仿真。全局規(guī)劃獲得的SOC軌跡可認(rèn)為接近最合理的,采用回歸分析擬合得到一段時(shí)間內(nèi)SOC下降量與工況特征參數(shù)的... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 插電式混合動(dòng)力汽車(chē)發(fā)展現(xiàn)狀
        1.2.1 國(guó)外發(fā)展現(xiàn)狀
        1.2.2 國(guó)內(nèi)發(fā)展現(xiàn)狀
    1.3 插電式混合動(dòng)力汽車(chē)分類分析
    1.4 插電式混合動(dòng)力汽車(chē)能量管理策略研究現(xiàn)狀
    1.5 本文研究主要內(nèi)容
2 插電式混合動(dòng)力公交車(chē)動(dòng)力系統(tǒng)數(shù)學(xué)建模
    2.1 PHEV動(dòng)力傳動(dòng)系統(tǒng)結(jié)構(gòu)及性能參數(shù)
    2.2 車(chē)輛縱向動(dòng)力學(xué)模型建模
        2.2.1 車(chē)輛行駛模型
        2.2.2 車(chē)輪數(shù)學(xué)模型
        2.2.3 變速箱數(shù)學(xué)模型
        2.2.4 轉(zhuǎn)矩耦合器數(shù)學(xué)模型
    2.3 主要?jiǎng)恿Σ考�模�?br>        2.3.1 發(fā)動(dòng)機(jī)數(shù)學(xué)模型
        2.3.2 電動(dòng)機(jī)數(shù)學(xué)模型
        2.3.3 蓄電池?cái)?shù)學(xué)模型
    2.4 本章小節(jié)
3 基于PHEV全局優(yōu)化能量管理策略的SOC參考軌跡研究
    3.1 動(dòng)態(tài)規(guī)劃在PHEV控制策略的應(yīng)用
    3.2 基于動(dòng)態(tài)規(guī)劃的PHEV全局優(yōu)化控制策略實(shí)現(xiàn)
        3.2.1 狀態(tài)SOC離散化
        3.2.2 PHEV動(dòng)態(tài)規(guī)劃方程建立
    3.3 全局優(yōu)化仿真結(jié)果與分析
    3.4 SOC參考軌跡制定
    3.5 本章小節(jié)
4 基于駕駛意圖識(shí)別的非線性自回歸神經(jīng)網(wǎng)絡(luò)短期工況預(yù)測(cè)
    4.1 模糊推理識(shí)別駕駛意圖
        4.1.1 駕駛意圖分類及識(shí)別參數(shù)確定
        4.1.2 模糊推理系統(tǒng)
        4.1.3 加速意圖識(shí)別
        4.1.4 常規(guī)制動(dòng)意圖識(shí)別
        4.1.5 駕駛意圖識(shí)別仿真分析
    4.2 NAR神經(jīng)網(wǎng)絡(luò)車(chē)速預(yù)測(cè)
        4.2.1 NAR神經(jīng)網(wǎng)絡(luò)
        4.2.2 NAR神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)設(shè)計(jì)
    4.3 網(wǎng)絡(luò)訓(xùn)練及預(yù)測(cè)結(jié)果仿真分析
        4.3.1 網(wǎng)絡(luò)訓(xùn)練結(jié)果分析
        4.3.2 網(wǎng)絡(luò)預(yù)測(cè)效果分析
    4.4 本章小結(jié)
5 基于短期工況預(yù)測(cè)的MLD模型預(yù)測(cè)控制能量管理策略研究
    5.1 MLD模型
    5.2 發(fā)動(dòng)機(jī)燃油消耗率及SOC變化率多段線性化
        5.2.1 發(fā)動(dòng)機(jī)燃油消耗率多段線性化
        5.2.2 SOC變化率多段線性化
    5.3 插電式混合動(dòng)力公交車(chē)的MLD模型
        5.3.1 MLD框架下的狀態(tài)方程及輸出方程
        5.3.2 MLD框架下的混合整數(shù)線性不等式
    5.4 基于MLD模型的PHEV模型預(yù)測(cè)控制策略
    5.5 仿真分析
        5.5.1 預(yù)測(cè)時(shí)域長(zhǎng)度影響分析
        5.5.2 不同SOC參考軌跡燃油經(jīng)濟(jì)性對(duì)比分析
        5.5.3 基于回歸分析SOC參考軌跡的MLD-MPC仿真分析
    5.6 本章小節(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：2900552