原文传递
基于深度学习的纯电动汽车动力传动系统性能预测研究
| 论文题名： | 基于深度学习的纯电动汽车动力传动系统性能预测研究 |
| 关键词： | 纯电动汽车;深度学习;性能预测;传动系统 |
| 摘要： | 当今世界格局变化，化石能源危机和环境问题日益突显，有着多元化发电方式的中国来说，发展纯电动汽车是实现汽车工业弯道超车的必经之路。目前纯电动汽车技术正处与蓬勃发展阶段，如何使永磁同步电机（Permanentmagnetsynchronousmotor，PMSM）与传动系机械结构的参数进行合理匹配并提升整体效率成为研究学者和车辆工程师的研究热点。 本文以国产某款量产A0级小型SUV纯电动汽车为研究对象，对其动力传动系统参数匹配问题进行分析研究并进行选型设计，对整车进行运动学分析，建立行驶中的整车动力学模型，由此推导出整车性能关键指标的计算方法。根据本文的设计需求，结合传统参数匹配流程，确定了驱动电机的选型，并给出了驱动电机功率、转矩、转速和传动系传动速比等重要参数的设计方法。进而使用AVL-Cruise整车仿真软件，通过进行NEDC循环工况下的0-50km/h加速时间、最高车速以及最大爬坡度仿真分析，校验所确定的驱动电机及传动系速比是否满足设计要求的整车性能指标并验证整车仿真模型的正确性和可行性，其次将该车的传动方案改为两挡变速器（2AMT），进行性能指标对比分析，更换后的传动方案在NEDC工况下续航里程提升14.2%。 选取满足条件的内置式永磁同步电机（InteriorPermanentmagnetsynchronousmotor，IPMSM）作为该车型的驱动电机，并利用MAXWELL电磁分析软件进行有限元仿真分析，完成额定工况和峰值工况的电磁仿真，依据该电机的台架实验验证仿真分析方法的准确性以及可行性。选取电机的气隙长度、隔磁桥长度、两个永磁体宽度与长度5个转子结构参数与电磁转矩和各类损耗的映射关系作为研究对象，得到1024组仿真数据，并将5个结构参数作为深度学习预测模型的输入变量，电磁转矩与损耗作为预测模型的输出，预测不同结构参数下电机性能。模型训练后，通过预测值与有限元结果对比，验证利用人工智能深度学习方法的用于电机设计的可行性。其次通过Cruise仿真软件对主减速器速比、一挡速比和二挡速比进行矩阵计算得到5179组仿真结果，并使用上述深度学习方法对搭载（AMT）纯电动汽车的传动系速比预测，结果证明深度学习方法能为整车研发工程师在正向开发车辆时提供一种新的设计思路与方法。 本文使用两种深度学习网络结构对上述两种预测模型进行预测对比分析，结果表明在数据量小的情况下（BackPropagation,BP）神经网络更为准确，但也可能是模型出现了过拟合现象。随着样本数量的增加深度置信网络（DeepBeliefNetwork,DBN）更为准确，且样本越大越准确，在其中的最大爬坡度预测项目准确率达99%。 |
| 作者： | 吴欣阳 |
| 专业： | 工程(车辆工程) |
| 导师： | 何联格;吴行 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
