原文传递
基于神经网络的混合动力汽车档位决策研究
| 论文题名： | 基于神经网络的混合动力汽车档位决策研究 |
| 关键词： | 混合动力汽车;档位决策;神经网络;遗传算法 |
| 摘要： | 混合动力汽车兼顾了传统汽车和纯电动汽车的优点，能够实现节能减排的目的，是当今新能源汽车领域的研究热点。档位决策是汽车自动变速系统中的重要研究内容，研究智能化、自适应的档位决策方法，对于提高混合动力汽车的动力性、经济性和乘坐舒适性等具有重要的意义。 汽车行驶在复杂的人-车-路系统中，在不同的驾驶意图和行驶环境下，如何确定出满足人们对车辆性能需求的最佳换档点存在困难。基于此，本文以单轴并联混合动力汽车为研究对象，引入神经网络对包含驾驶员和环境信息的行车样本数据进行学习和泛化，建立车辆状态参数与最佳档位之间的非线性模型，并结合神经网络的不足，开展了如下研究: (1)分析人-车-路之间的关系，考虑驾驶意图、行驶环境、车辆状态对档位决策的影响，制定了本文的档位决策方案。 (2)研究了驾驶意图和行驶环境的识别方法。采集车辆运行状态参数，根据加速踏板信号、制动踏板信号等车辆参数利用模糊推理对驾驶员意图进行了识别，同时利用拉格朗日插值法、移动平均数法等对行驶环境进行了识别。 (3)以油门开度、车速、加速度、变速箱输入轴转速为控制参数，档位值为输出，建立神经网络模型。确定神经网络结构，包括网络层数、各层节点个数等。为避免神经网络陷入局部极小，导致网络局部收敛，采用遗传算法对神经网络权值和阈值进行了优化。 (4)在MATLAB下，基于识别结果，分别对急加速、上坡、颠簸工况建立神经网络模型，并进行档位值预测仿真与分析。仿真结果表明，训练好的遗传神经网络模型，在特殊驾驶意图和行驶环境下，能够准确地预测汽车档位值;且经遗传算法优化后的神经网络模型，精度有一定的提高。 |
| 作者： | 邓志巧 |
| 专业： | 控制工程 |
| 导师： | 孔慧芳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
