原文传递
基于神经网络的并联式混合动力客车动力系统研究
| 论文题名： | 基于神经网络的并联式混合动力客车动力系统研究 |
| 关键词： | 并联式混合动力客车;内燃机;神经网络;混合动力总成 |
| 摘要： | 动力总成匹配技术对混合动力汽车的动力系统起着十分关键的作用，是体现汽车企业自主开发能力的重要方面。本文针对一款济南市传统内燃机客车的动力系统，进行基于神经网络的混合动力总成开发，主要包含有以下研究工作: 1.典型工况构建 实时采集济南市客车行驶的工况数据后，本文基于两阶聚类分析算法及主成分分析法等理论，对部分实测数据进行分析并构建了客车两阶聚类合成工况;本文对同组数据采用传统的单次聚类方法又构建一个工况，并采用散点分布和建模仿真两种方法对两合成工况与真实济南工况进行了对比，结果均表明两阶聚类合成法构建的工况更接近于车辆实际行驶的道路工况;基于两阶聚类理论基础，本文利用Visual Studio平台C＃语言开发了一款构建典型工况的软件，并对大量实测数据处理分析后得到了济南市客车的典型工况。 2.混合动力总成匹配 在ADVISOR软件平台上，本文构建了该传统内燃机客车的结构模型，经试验验证该模型搭建准确;对客车动力总成动力性、经济性和排放性的需求进行研究后，将该车改造为单轴并联式混合动力客车;之后在已建立的济南市典型工况下，对原有客车和基于电辅助控制策略的混合动力客车进行模拟仿真及台架试验，结果均表明所改造混合动力客车在工况跟踪、动力输出、燃油经济和尾气排放等方面均有大幅改善。 3.神经网络控制策略研究 基于已建立的混合动力客车模型，利用多层次参数扫描法MLPS优化的逻辑门限值控制策略进行离线仿真，所得数据训练GRBF神经网络;建立基于GRBF神经网络的混合动力客车实时控制策略，并实现ADVISOR二次开发，将GRBF神经网络在不同典型工况下与MLPS优化的逻辑门限值控制策略进行仿真对比，结果表明:本文GRBF神经网络控制策略能够有效降低燃油消耗、减少整车尾气排放、控制电池组SOC平稳变化，有效提高了车辆的效率。 |
| 作者： | 杨志甲 |
| 专业： | 动力工程及工程热物理 |
| 导师： | 李国祥 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
