基于复合结构永磁电机的混合动力车能量管理策略研究

发布时间：2021-05-31 23:10

　　新能源汽车是当前全球汽车产业转型以及汽车技术革命的前沿阵地和技术制高点,其中,纯电动汽车能够实现零排放、无污染、高效节能,是未来汽车的发展方向。但由于电池能量和功率密度较低,且辅助配套充电设施的不完备,导致纯电动汽车在当前尚无法大规模普及。因此,在新能源汽车领域已经达成的共识是先走混合动力车（Hybrid Electric Vehicle,HEV）路线,这是因为混合动力车技术相对成熟,动力性和续航能力强,燃油经济性高,成本相对较低且对外界设施改进需求较少。基于复合结构永磁电机的混合动力车（CSPM-HEV）属于混联式混合动力车,其能够实现所有混合动力拓扑结构的功能,节油性能在各类混合动力车中位于前列,且控制灵活,在功率密度、散热效率、转矩性能以及能量传输效率等方面具有明显的优势。本文针对复合结构永磁电机的磁场解耦、CSPM-HEV参数匹配优化和能量管理策略等方面展开研究,具体工作如下:首先,实现基于复合结构永磁电机的混合动力车的能量管理策略,关键在于复合结构永磁电机的高动态性能转矩控制,电机内部的磁场解耦是其转矩控制的基础。本文基于等效磁路模型和Ansoft有限元仿真模型,研究复合结构... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：104 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 课题背景和研究意义
    1.2 混合动力车用复合结构电机研究现状
        1.2.1 有刷式复合结构电机
        1.2.2 无刷式复合结构电机
    1.3 混合动力车能量管理策略研究现状
    1.4 本文主要内容
2 复合结构永磁电机内部磁场解耦研究
    2.1 引言
    2.2 复合结构永磁电机等效磁路分析
    2.3 复合结构永磁电机耦合特性分析
        2.3.1 磁化方向分析
        2.3.2 磁轭厚度影响分析
        2.3.3 磁场解耦方案制定
    2.4 有限元分析验证
    2.5 本章小结
3 基于CSPM的混合动力车原理及整车建模
    3.1 引言
    3.2 基于CSPM的混合动力车运行原理
    3.3 基于CSPM的混合动力车运行模式
    3.4 基于CSPM的混合动力车整车建模
        3.4.1 发动机仿真模型
        3.4.2 CSPM仿真模型
        3.4.3 电池仿真模型
        3.4.4 整车前向-后向仿真模型
    3.5 本章小结
4 CSPM-HEV与普锐斯动力系统对比分析
    4.1 引言
    4.2 丰田普锐斯传动系统动力耦合分析
        4.2.1 普锐斯动力总成系统
        4.2.2 行星齿轮结构
        4.2.3 ECVT与复合结构永磁电机对比分析
        4.2.4 普锐斯主要工作模式
    4.3 基于逻辑门限的CSPM-HEV控制策略
        4.3.1 控制策略制定
        4.3.2 仿真工况
    4.4 仿真结果及与普锐斯对比分析
        4.4.1 CSPM-HEV参数设定
        4.4.2 各部件输出对比分析
        4.4.3 燃油经济性对比分析
    4.5 CSPM-HEV参数匹配优化设计
        4.5.1 CSPM参数匹配优化设计
        4.5.2 参数优化设计结果分析
    4.6 本章小结
5 基于模糊逻辑控制的能量管理策略
    5.1 引言
    5.2 模糊控制基本理论
        5.2.1 模糊控制基础
        5.2.2 模糊控制系统结构
    5.3 模糊逻辑控制系统设计
        5.3.1 再生制动控制策略
        5.3.2 发动机输出功率控制
    5.4 仿真结果分析
        5.4.1 再生制动结果分析
        5.4.2 各部件工作特性分析
        5.4.3 不同策略下的发动机燃油经济性比较
    5.5 本章小结
6 基于BP神经网络的实时能量管理策略
    6.1 引言
    6.2 基于瞬时优化的能量管理策略
    6.3 人工神经网络基础
        6.3.1 人工神经网络特点
        6.3.2 神经元的结构
        6.3.3 神经网络的学习
    6.4 基于BP神经网络的瞬时最优控制
        6.4.1 BP神经网络简介
        6.4.2 神经网络控制器结构
        6.4.3 BP神经网络训练
    6.5 仿真实验结果分析
    6.6 本章小结
7 总结与展望
    7.1 全文总结
    7.2 研究展望
致谢
参考文献
附录
    A.作者在攻读硕士学位期间发表的论文
    B.作者在攻读硕士学位期间申请的专利
    C.作者在攻读硕士学位期间参与的科研项目



本文编号：3209157