基于FCMAC神经网络的整车转矩分配策略研究

发布时间：2020-10-20 15:29

　　 混合动力汽车行驶时,在保证动力性能的前提下,整车转矩分配策略应针对不同行驶工况实时进行相应调整,实现动力系统中各动力源之间的转矩分配,达到节能减排的目的。本文根据并联式混合动力汽车的整车动力学结构,详细介绍了混合动力汽车主要部件的建模方法;其次,依据模糊控制理论与模糊控制系统结构,在混合驱动模式下,综合考虑驾驶员的操作意图对转矩分配的影响,设计了以当前转速下发动机最优转矩与整车需求转矩的差值ΔT、动力电池的SOC、油门踏板变化率ā作为输入,以发动机转矩分配系数P作为输出的三维模糊控制器;在此基础上,因考虑到所建立的模糊控制器的模糊规则依据专家经验而确定,不能保证每个算法都处于最优状态,并且在整车行驶过程中,工况变化复杂,不同工况下需要不同的模糊规则来实现整车的转矩分配。从而将模糊控制与小脑模型(CMAC)神经网络相结合,模糊规则不再只依据专家经验,而是通过CMAC神经网络来学习模糊规则并进行规则优化,取代模糊规则库,设计模糊小脑模型(FCMAC)神经网络控制器,确保每个算法都处于最优。最后,应用AVL-Cruise软件建立汽车动力学仿真模型,在Matlab/Simulink环境下,以Matlab/API的方式实现联合仿真,在满足动力性能的同时,以NEDC工况为循环工况,将模糊控制策略和FCMAC神经网络控制策略进行仿真对比分析,证明本文所提出的两种控制策略都可以实现发动机、驱动电机以及ISG电机间的转矩分配,但是后者的控制效果更好,可以较大程度地节能、减排。
【学位单位】：长春工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U469.7
【部分图文】：

如图2.1 和图 2.2 所示。它属于变速器前置后耦合式双轴并联结构。图 2.1 并联式混合动力汽车结构图 2.2 并联式混合动力汽车 3D 布置数模图

各个子系统进行建模，确保仿真的置信度，为搭建整车的仿真数学模后文的基于 AVL-Cruise 与 Matlab/Simulink 的联合仿真实验验证奠定车动力学结构所研究的并联式混合动力汽车的结构及在 CATIA 中的 3D 布置数模 2.2 所示。它属于变速器前置后耦合式双轴并联结构。图 2.1 并联式混合动力汽车结构

第 2 章 混合动力汽车模型的建立合动力汽车仿真软件选择新能源汽车领域使用的仿真软件已有很多种，常用的前向式建模工RUISE 软件等，常用的后向式建模工具有 ADVISOR 和 SIMPLEV 等[2用前向式建模方式，所以应用前向式建模工具进行仿真。-Cruise 是一个成熟的仿真平台，相较于 Psat 软件，它的操作界面更加可以快速的入门[34,35,36]。并且可以提供较多的系统仿真工具接口，Simulink、Puma Open、Carsim 以及 CarMaker 等，可以很便捷的与其行联合仿真。Cruise 的开放式接口，如图 2.5 所示。
【相似文献】

相关期刊论文 前10条

1 张袅娜;周长哲;高泽霖;李彦阳;;基于FCMAC神经网络的PHEV转矩分配策略[J];江苏大学学报(自然科学版);2017年06期

2 李丽娜,侯朝桢;一种基于FCMAC神经网络的优化方法[J];计算机工程;2003年13期

3 陈登科;张大发;;FCMAC在蒸汽发生器水位控制中的仿真研究[J];计算机仿真;2007年01期

4 郑总准;王永骥;吴浩;李传锋;;基于FCMAC干扰观测器的动态逆再入制导[J];华中科技大学学报(自然科学版);2010年01期

5 张谦;基于神经网络的模糊控制及其应用[J];郑州纺织工学院学报;1994年02期

6 朱海荣;杨奕;姜平;周根荣;;三容系统的智能神经网络模糊控制研究[J];电气传动;2007年07期

7 徐嗣鑫，丁维明;模糊控制和神经网络相融合的研究及其在家电产品中应用[J];南京航空航天大学学报;1994年S1期

8 冀春荣,何铖,李燕,白万民;透镜抛光机床模糊控制的神经网络方法[J];机床与液压;1998年03期

9 戴文战;基于神经网络的模糊控制[J];黑龙江商学院学报(自然科学版);1997年02期

10 曹洁;李振宸;任冰;;基于神经网络模糊控制的单交叉口信号控制[J];兰州理工大学学报;2010年01期

相关博士学位论文 前10条

1 谈宏莹;基于太赫兹时域谱物质检测技术及实验研究[D];燕山大学;2016年

2 王玲;基于反应扩散方程的神经网络与种群模型的动力学研究[D];南京航空航天大学;2016年

3 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

4 江沸菠;基于神经网络的混合非线性电阻率反演成像[D];中南大学;2014年

5 李洋;小波过程神经网络相关理论及其应用研究[D];哈尔滨工业大学;2008年

6 周伟;关于多稳定回复式神经网络中的一些问题[D];电子科技大学;2010年

7 潘志松;基于神经网络的入侵检测研究[D];南京航空航天大学;2003年

8 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

9 张济民;基于神经网络的预测控制在摆式客车倾摆系统的应用研究[D];西南交通大学;2004年

10 石志标;智能仿生鼻及其应用研究[D];吉林大学;2004年

相关硕士学位论文 前10条

1 周长哲;基于FCMAC神经网络的整车转矩分配策略研究[D];长春工业大学;2018年

2 卢纯江;基于FCMAC的电梯群控系统设计与实现[D];天津大学;2007年

3 肖强英;基于模糊FCMAC神经网络PID的开关磁阻电机智能控制[D];长沙理工大学;2011年

4 于洋;模糊控制与神经网络方法研究[D];西北工业大学;2001年

5 郭斌;变结构神经网络模糊控制方法及其在橡胶烘干过程中的应用[D];西安建筑科技大学;2001年

6 胡焯;一类非线性系统的神经网络模糊控制[D];江南大学;2012年

7 张哲;基于效率优化的整车转矩分配方法的研究[D];长春工业大学;2015年

8 黄毅超;基于卷积神经网络的第一视角手势交互研究与应用[D];华南理工大学;2017年

9 严胡勇;灰色理论和神经网络在油田产量预测中的应用[D];东北石油大学;2013年

10 徐海丰;基于聚类和神经网络方法的2.25Cr-1Mo材料声发射特征研究[D];东北石油大学;2012年

本文编号：2848852