基于工况识别的起停系统多模式控制策略研究

发布时间：2017-09-01 16:26

  本文关键词：基于工况识别的起停系统多模式控制策略研究

  更多相关文章： 起停系统 典型行驶工况 多模式控制策略 行驶工况识别

【摘要】：起停系统是微混合动力汽车的关键技术,它可以减少发动机怠速时的燃油消耗与排放,成为了当前汽车节能减排研究的热点问题,并且得到了广泛的应用。但是,起停系统面临的两个主要问题是无效怠速停机与频繁起停,导致汽车部件的损耗与节油效果变差。汽车行驶工况就是导致无效怠速停机与频繁起停的主要原因。为了使起停系统更有效,针对不同行驶工况类型进行合适的起停控制策略的设计;为了使起停系统更智能,对行驶工况类型进行自动识别。本文在行驶工况识别的基础上采用合适的控制参数(延迟作用时间与设置速度阈值)对起停系统控制策略进行研究。本文的主要研究内容包括:(1)对起停系统的组成结构、工作原理以及基本控制策略展开分析,针对无效怠速停机与频繁起停这两个影响因素,有效的方法是选择合适的延迟作用时间与速度阈值,并且阐述了行驶工况与这两个影响因素之间的关系。(2)鉴于行驶工况对起停系统的影响,为了避免无效怠速停机与频繁起停,在不同行驶工况下进行合适控制策略的设计。本文选取四种典型行驶工况,对四种典型行驶工况的怠速分布特征进行统计分析,选取每次怠速停车前工况块的平均车速作为速度阈值。采用约束优化思想,提出典型行驶工况下控制参数寻优方法,即把原问题转换成目标函数为节省的怠速时间最大化,控制变量为延迟作用时间与速度阈值的最优化问题,通过建立数学模型,进行控制参数组合的寻优。分别得到四种典型行驶工况下的最佳控制参数,即多模式控制策略。(3)汽车行驶工况识别是实现多模式控制策略的前提,本文介绍了行驶工况的研究现状,为提高行驶工况识别的准确率,采用基于Wrapper框架特征选择方法选择出最优特征参数子集(其中采用广度优先搜索得到特征全集与SVM作为评价函数);利用神经网络的优势,采用LVQ神经网络进行汽车行驶工况识别。本文最后对基于工况识别的多模式控制策略进行仿真实验。第一,采用最优特征参数子集的LVQ神经网络对四种典型行驶工况进行识别,其识别准确率达到95.02%能很好地满足识别要求。第二,分别在四种典型行驶工况下采用优化控制策略进行仿真对比分析。仿真结果表明优化控制策略能有效的避免无效怠速停机并且整体节油效果也有提升。
【关键词】：起停系统 典型行驶工况 多模式控制策略 行驶工况识别
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U469.7;U464
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 课题研究的背景及意义10-11
• 1.2 汽车起停系统研究现状11-13
• 1.2.1 国外研究现状11-12
• 1.2.2 国内研究现状12-13
• 1.3 起停系统存在问题13-14
• 1.4 本文研究内容14-15
• 1.5 本文组织结构15-16
• 第二章 起停系统16-26
• 2.1 起停系统基本组成结构16-18
• 2.2 起停系统工作原理18
• 2.3 起停系统基本控制策略18-22
• 2.3.1 起停功能开启/关闭18-19
• 2.3.2 自动停机19-20
• 2.3.3 自动起动20-22
• 2.4 起停控制策略影响因素22-25
• 2.4.1 无效怠速停机22-23
• 2.4.2 发动机频繁起停23
• 2.4.3 避免无效怠速停机与频繁起停的方法23-24
• 2.4.4 行驶工况对起停控制策略的影响24-25
• 2.5 本章小结25-26
• 第三章 典型行驶工况下起停控制策略26-37
• 3.1 典型行驶工况选取与分析26-30
• 3.1.1 四分类典型行驶工况选取26-27
• 3.1.2 四分类典型行驶工况怠速分布27-29
• 3.1.3 典型行驶工况下控制参数的选择29-30
• 3.2 起停控制策略控制参数选择方法30-33
• 3.2.1 非线性约束优化31-33
• 3.2.2 控制参数选择步骤33
• 3.3 优化控制策略结果分析与多模式控制策略33-36
• 3.3.1 优化控制策略结果分析33-35
• 3.3.2 多模式控制策略35-36
• 3.4 本章小结36-37
• 第四章 汽车行驶工况识别37-51
• 4.1 行驶工况识别研究现状37-38
• 4.2 行驶工况特征参数选择38-47
• 4.2.1 行驶工况特征参数全集38-40
• 4.2.2 基于Wrapper框架特征选择40-41
• 4.2.3 求解最优特征参数子集41-47
• 4.3 基于LVQ神经网络的行驶工况识别47-50
• 4.3.1 LVQ神经网络结构47-49
• 4.3.2 LVQ神经网络学习算法49
• 4.3.3 LVQ神经网络设计49-50
• 4.4 本章小结50-51
• 第五章 基于工况识别的多模式控制策略仿真51-60
• 5.1 汽车燃油消耗仿真模型51-53
• 5.2 汽车油耗仿真参数53-54
• 5.3 典型行驶工况下实验分析54-59
• 5.3.1 基于LVQ神经网络的行驶工况识别结果54-57
• 5.3.2 基于工况识别的多模式控制策略节油效果分析57-59
• 5.4 本章小结59-60
• 结论与展望60-62
• 参考文献62-66
• 攻读硕士学位期间取得的研究成果66-67
• 致谢67-68
• 附件68

【相似文献】

中国期刊全文数据库 前10条

1 张建伟,李孟良,艾国和,张富兴,朱西产;车辆行驶工况与特征的研究[J];汽车工程;2005年02期

2 张锐;;合肥市道路汽车行驶工况的开发与研究[J];汽车科技;2009年05期

3 姜平;石琴;陈无畏;;聚类和马尔科夫方法结合的城市汽车行驶工况构建[J];中国机械工程;2010年23期

4 田毅;张欣;张昕;宋建锋;;计及行驶工况影响的混合动力汽车控制策略[J];汽车工程;2010年08期

5 曹福灵;郭明飞;董红召;;城市公交车辆行驶工况分析方法研究[J];科技通报;2013年01期

6 杨瑜;陈波宁;高波;季峰;;基于行程分析法的行驶工况的构建研究[J];现代车用动力;2013年02期

7 姚志良,王岐东,胡燕霞;成都市实际道路汽车行驶工况的研究[J];北京工商大学学报(自然科学版);2004年01期

8 张开斌;阮廷勇;;重庆市汽车行驶工况的开发与研究[J];汽车研究与开发;2005年12期

9 张开斌;阮廷勇;;中国六城市汽车行驶工况的测试统计分析[J];汽车研究与开发;2005年12期

10 朱西产,李孟良,马志雄,张富兴,艾国和;车辆行驶工况开发方法[J];江苏大学学报(自然科学版);2005年02期

中国重要会议论文全文数据库 前3条

1 杨光亮;周雅夫;连静;;混合动力汽车行驶工况的研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

2 许建昌;李孟良;秦孔建;张远军;;北京市柴油公交车辆尾气颗粒物和氮氧化合物排放研究[A];中国汽车工程学会燃料与润滑油分会第13届年会论文集[C];2008年

3 焦庆宏;;南京市区轻型汽车排气污染物的试验研究[A];重庆汽车工程学会2008年学术会议论文集[C];2008年

中国博士学位论文全文数据库 前5条

1 姜平;城市混合道路行驶工况的构建研究[D];合肥工业大学;2011年

2 张鹏;基于城市道路汽车行驶工况的能量利用评价方法研究[D];东北林业大学;2015年

3 郑舒阳;基于驾驶意图识别与行驶工况识别的地下矿车控制策略[D];北京科技大学;2015年

4 韩宗奇;轿车发动机变工作排量技术与应用研究[D];燕山大学;2010年

5 杨众凯;基于行驶工况的严寒地区公共汽车通用动力系统配置研究[D];吉林大学;2015年

中国硕士学位论文全文数据库 前10条

1 张锐;城市道路汽车行驶工况的构建与研究[D];合肥工业大学;2009年

2 陈敏;基于蚁群算法参数优化的混合动力汽车控制策略研究[D];大连理工大学;2015年

3 刘金龙;基于多传感器信息融合的行驶工况判别技术研究[D];长春工业大学;2016年

4 路尧;中国轻型汽车行驶工况开发[D];北京理工大学;2016年

5 钟庆云;基于工况识别的起停系统多模式控制策略研究[D];华南理工大学;2016年

6 李友文;混合交通环境下行驶工况构建方法的研究[D];合肥工业大学;2010年

7 李庆虎;混合交通环境下行驶工况的仿真分析[D];合肥工业大学;2010年

8 朱俊虎;城市公交车行驶工况的构建[D];合肥工业大学;2011年

9 刘小波;深圳汽车行驶工况和污染物排放关系的测试研究[D];昆明理工大学;2007年

10 张洁;城市公共汽车行驶工况构建与研究[D];长安大学;2011年

，

本文编号：773148