基于出行特征的增程式电动汽车能量管理策略研究
发布时间：2021-08-18 21:55
随着工业4.0时代的到来,资源短缺和环境污染问题日益受到人们的关注。传统内燃机汽车对石油的消耗巨大,汽车的尾气排放已经成为空气污染的重要来源。许多国家都在大力提倡发展新能源汽车和相关的基础设施建设,这样不仅可以减少对石油的依赖,也可以大大减少城市的污染,是汽车发展的大势所趋。虽然纯电动汽车无排放、零污染的优点,但是由于动力电池的能量密度问题,纯电动汽车的发展受到限制。增程式电动汽车是新能源汽车的一种车型,它可以解决纯电动汽车的续驶里程相对较短的问题,并且结构简单,节油性高,因此受到了广泛研究。本文在Cruise软件中搭建了增程式电动汽车的整车模型,并开发了控制策略,仿真验证了策略的合理性。基于驾驶员采集的出行数据进行特征分析,提取出驾驶员的代表性工况,并基于出行工况对控制策略的控制参数进行优化,提高了节油效果的同时还降低了排放。主要研究内容如下:使用GPS设备获取测试人员的出行数据,对数据中不合理的片段进行预处理,采用小波降噪对预处理后的出行工况数据进行降噪。对工况数据进行运动学片段划分并提取特征参数,与国外标准工况和中国工况进行对比分析,验证了采集工况的合理性。对提取的特征参数进行相...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
国外增程
国内增程
吉林大学硕士学位论文18图2.1小波降噪流程图（1）阈值函数硬阈值去噪方法时在小波系数小于阈值的时候用零代替，在小波系数大于阈值的时候不做处理。软阈值降噪方法与硬阈值降噪方法的不同在于当小波系数大于阈值的时候，小波系数要减去阈值。硬阈值函数去噪所得到的峰值信噪比较高，均方误差也优于软阈值去噪。但是重构的信号在局部会产生抖动的现象，还会发生突变，使得信号相对原始信号不够平滑。软阈值函数去噪所得到的信号要比使用硬阈值函数得到的信号要平滑。这是因为软阈值函数去噪方法改变了小波系数，使其在小波域的连续性较好。由于阈值函数有较大的改善空间，研究人员对其改进提出了许多种不同样的阈值函数。由于汽车速度不会突然发生变化的，因此本文对小波阈值的处理选用软阈值方法，阈值函数的数学表达式如式2.4所示。xx-0xyxx································(2.4)（2）阈值选择阈值的计算方法有很多种类，并且改进的空间也比较大，实际应用中需要根据信号的特点来选择合适的计算阈值方法。常见的阈值计算方法有：无偏似然估计法、固定阈值法、启发式阈值法和极值阈值方法。无偏似然估计原则是一种基于Stein无偏似然估计的自适应阈值选择方法。将用来估计阈值的的长度为N的小波系数向量取绝对值，并按照升序方式进行排列，排序后取平方，组成新的估计向量M。对新向量中的每个元素按照式计算风险，找出风险最小的元素，将该元素对应的估计值开平方即得到最终的阈值。固定阈值原则即采取的阈值是固定不变的。启发式阈值原则结合了前两种估计方法，当信噪比较大的时候，按照第一种方法。当信噪比很小的时候使用第一种方法得出来的信号噪声较大，采取第二种
【参考文献】：
期刊论文
[1]中国移动源排放标准发展历程[J]. 倪红. 世界环境. 2019(04)
[2]增程式电动汽车控制策略的研究[J]. 宋光辉,崔俊博,宋杨,李楠. 客车技术与研究. 2018(01)
[3]基于Mallat算法的谷物流量信号小波去噪方法[J]. 陈进,王坤,李耀明. 农业工程学报. 2017(03)
[4]中国新能源汽车发展的现状、问题与对策[J]. 刘运芹. 对外经贸实务. 2016(11)
[5]新能源汽车的发展现状及前景分析[J]. 张红伟. 汽车实用技术. 2016(09)
[6]能源发展与环境问题[J]. 黄淑芬. 资源节约与环保. 2016(09)
[7]增程式电动环卫车发动机双工作点的控制策略[J]. 刘龙,黄菊花,曹铭. 南昌大学学报(工科版). 2016(01)
[8]增程式电动汽车发动机多工作点控制策略[J]. 王笑乐,干频,陈凌珊,程伟,孙逸神. 江南大学学报(自然科学版). 2015(01)
[9]增程式电动汽车控制策略的优化[J]. 闵海涛,叶冬金,于远彬. 汽车工程. 2014(08)
[10]增程式电动汽车能量控制策略的仿真分析[J]. 牛继高,司璐璐,周苏,章桐. 上海交通大学学报. 2014(01)
博士论文
[1]增程式电动客车多动力源能量管理策略研究[D]. 曹东江.北京理工大学 2014
[2]增程式电动汽车能量管理策略研究[D]. 顾杰.合肥工业大学 2013
[3]城市混合道路行驶工况的构建研究[D]. 姜平.合肥工业大学 2011
硕士论文
[1]基于工况识别的插电式混合动力汽车控制策略研究[D]. 姜涛.合肥工业大学 2018
[2]双电机驱动的纯电动汽车性能优化[D]. 曾禹乔.西南交通大学 2017
[3]增程式电动汽车动力系统参数匹配与仿真优化研究[D]. 张方强.浙江大学 2017
[4]增程式电动汽车动力系统参数设计与性能优化研究[D]. 朱龙飞.合肥工业大学 2016
[5]增程式电动客车能量管理控制策略研究[D]. 蒋永琛.北京理工大学 2016
[6]基于工况辨识的增程式电动城市客车最优能量分配策略[D]. 王静.清华大学 2015
[7]增程式电动轿车动力系统控制策略设计及优化研究[D]. 董欣阳.合肥工业大学 2015
[8]基于粒子群算法的增程式电动汽车能量管理策略研究[D]. 王坤玉.东北大学 2014
[9]增程式电动汽车动力系统参数匹配及能量管理策略研究[D]. 赵金龙.重庆大学 2014
[10]增程式纯电动车动力系统参数匹配及控制策略研究[D]. 叶冬金.吉林大学 2012
本文编号：3350695
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
国外增程
国内增程
吉林大学硕士学位论文18图2.1小波降噪流程图（1）阈值函数硬阈值去噪方法时在小波系数小于阈值的时候用零代替，在小波系数大于阈值的时候不做处理。软阈值降噪方法与硬阈值降噪方法的不同在于当小波系数大于阈值的时候，小波系数要减去阈值。硬阈值函数去噪所得到的峰值信噪比较高，均方误差也优于软阈值去噪。但是重构的信号在局部会产生抖动的现象，还会发生突变，使得信号相对原始信号不够平滑。软阈值函数去噪所得到的信号要比使用硬阈值函数得到的信号要平滑。这是因为软阈值函数去噪方法改变了小波系数，使其在小波域的连续性较好。由于阈值函数有较大的改善空间，研究人员对其改进提出了许多种不同样的阈值函数。由于汽车速度不会突然发生变化的，因此本文对小波阈值的处理选用软阈值方法，阈值函数的数学表达式如式2.4所示。xx-0xyxx································(2.4)（2）阈值选择阈值的计算方法有很多种类，并且改进的空间也比较大，实际应用中需要根据信号的特点来选择合适的计算阈值方法。常见的阈值计算方法有：无偏似然估计法、固定阈值法、启发式阈值法和极值阈值方法。无偏似然估计原则是一种基于Stein无偏似然估计的自适应阈值选择方法。将用来估计阈值的的长度为N的小波系数向量取绝对值，并按照升序方式进行排列，排序后取平方，组成新的估计向量M。对新向量中的每个元素按照式计算风险，找出风险最小的元素，将该元素对应的估计值开平方即得到最终的阈值。固定阈值原则即采取的阈值是固定不变的。启发式阈值原则结合了前两种估计方法，当信噪比较大的时候，按照第一种方法。当信噪比很小的时候使用第一种方法得出来的信号噪声较大，采取第二种
【参考文献】：
期刊论文
[1]中国移动源排放标准发展历程[J]. 倪红. 世界环境. 2019(04)
[2]增程式电动汽车控制策略的研究[J]. 宋光辉,崔俊博,宋杨,李楠. 客车技术与研究. 2018(01)
[3]基于Mallat算法的谷物流量信号小波去噪方法[J]. 陈进,王坤,李耀明. 农业工程学报. 2017(03)
[4]中国新能源汽车发展的现状、问题与对策[J]. 刘运芹. 对外经贸实务. 2016(11)
[5]新能源汽车的发展现状及前景分析[J]. 张红伟. 汽车实用技术. 2016(09)
[6]能源发展与环境问题[J]. 黄淑芬. 资源节约与环保. 2016(09)
[7]增程式电动环卫车发动机双工作点的控制策略[J]. 刘龙,黄菊花,曹铭. 南昌大学学报(工科版). 2016(01)
[8]增程式电动汽车发动机多工作点控制策略[J]. 王笑乐,干频,陈凌珊,程伟,孙逸神. 江南大学学报(自然科学版). 2015(01)
[9]增程式电动汽车控制策略的优化[J]. 闵海涛,叶冬金,于远彬. 汽车工程. 2014(08)
[10]增程式电动汽车能量控制策略的仿真分析[J]. 牛继高,司璐璐,周苏,章桐. 上海交通大学学报. 2014(01)
博士论文
[1]增程式电动客车多动力源能量管理策略研究[D]. 曹东江.北京理工大学 2014
[2]增程式电动汽车能量管理策略研究[D]. 顾杰.合肥工业大学 2013
[3]城市混合道路行驶工况的构建研究[D]. 姜平.合肥工业大学 2011
硕士论文
[1]基于工况识别的插电式混合动力汽车控制策略研究[D]. 姜涛.合肥工业大学 2018
[2]双电机驱动的纯电动汽车性能优化[D]. 曾禹乔.西南交通大学 2017
[3]增程式电动汽车动力系统参数匹配与仿真优化研究[D]. 张方强.浙江大学 2017
[4]增程式电动汽车动力系统参数设计与性能优化研究[D]. 朱龙飞.合肥工业大学 2016
[5]增程式电动客车能量管理控制策略研究[D]. 蒋永琛.北京理工大学 2016
[6]基于工况辨识的增程式电动城市客车最优能量分配策略[D]. 王静.清华大学 2015
[7]增程式电动轿车动力系统控制策略设计及优化研究[D]. 董欣阳.合肥工业大学 2015
[8]基于粒子群算法的增程式电动汽车能量管理策略研究[D]. 王坤玉.东北大学 2014
[9]增程式电动汽车动力系统参数匹配及能量管理策略研究[D]. 赵金龙.重庆大学 2014
[10]增程式纯电动车动力系统参数匹配及控制策略研究[D]. 叶冬金.吉林大学 2012
本文编号：3350695
本文链接：https://www.wllwen.com/kejilunwen/qiche/3350695.html
