| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第16-21页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外插电式混合动力汽车发展现状 | 第17-18页 |
| 1.2.1 国外插电式混合动力汽车发展现状 | 第17-18页 |
| 1.2.2 国内插电式混合动力汽车发展现状 | 第18页 |
| 1.3 PHEV动力系统结构类型及特点 | 第18-20页 |
| 1.3.1 串联式 | 第18页 |
| 1.3.2 并联式 | 第18-19页 |
| 1.3.3 混联式 | 第19-20页 |
| 1.4 本论文的主要研究内容及研究思路 | 第20-21页 |
| 第二章 城市行驶工况分类及代表工况构建的研究 | 第21-35页 |
| 2.1 城市行驶工况的研究现状 | 第21-23页 |
| 2.2 城市行驶工况分类的研究 | 第23页 |
| 2.3 试验规划 | 第23-26页 |
| 2.3.1 试验数据的采集 | 第24-25页 |
| 2.3.2 分割短行程 | 第25页 |
| 2.3.3 提取特征参数 | 第25-26页 |
| 2.4 主成分分析 | 第26-30页 |
| 2.4.1 基本原理及理论依据 | 第27-28页 |
| 2.4.2 分析结果 | 第28-30页 |
| 2.5 基于K均值聚类分析的短行程分类 | 第30-33页 |
| 2.5.1 基本原理及算法框架 | 第31-32页 |
| 2.5.2 聚类结果 | 第32-33页 |
| 2.6 基于“二次聚类”法的城市代表工况的构建 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 基于LVQ神经网络的工况识别研究 | 第35-41页 |
| 3.1 LVQ神经网络简介 | 第35-36页 |
| 3.2 LVQ神经网络的样本训练 | 第36-38页 |
| 3.3 工况识别模型的搭建 | 第38-39页 |
| 3.4 基于城市代表工况的仿真验证 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于工况识别的PHEV控制策略设计 | 第41-53页 |
| 4.1 PHEV整车动力系统结构 | 第41-42页 |
| 4.2 PHEV整车工作模式分析 | 第42-46页 |
| 4.2.1 驱动工作模式 | 第42-45页 |
| 4.2.2 制动工作模式 | 第45-46页 |
| 4.3 PHEV控制策略设计 | 第46-52页 |
| 4.3.1 工作模式切换模型 | 第47-48页 |
| 4.3.2 转矩分配模型 | 第48-50页 |
| 4.3.3 驾驶员模型 | 第50-51页 |
| 4.3.4 顶层模型 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于Cruise的PHEV控制策略仿真分析 | 第53-68页 |
| 5.1 Cruise软件简介及其功能特点 | 第53-54页 |
| 5.2 基于Cruise搭建PHEV整车模型 | 第54-58页 |
| 5.3 PHEV控制策略联合仿真模型 | 第58-60页 |
| 5.4 PHEV整车仿真结果分析 | 第60-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 基于Isight的PHEV控制参数优化 | 第68-75页 |
| 6.1 Isight软件简介 | 第68-69页 |
| 6.2 建立优化模型 | 第69-72页 |
| 6.2.1 集成方式 | 第69-70页 |
| 6.2.2 输入文件设置 | 第70-71页 |
| 6.2.3 输出文件设置 | 第71页 |
| 6.2.4 命令文件设置 | 第71页 |
| 6.2.5 优化算法设置 | 第71-72页 |
| 6.3 结果分析 | 第72-74页 |
| 6.4 本章小结 | 第74-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 全文总结 | 第75页 |
| 7.2 论文创新点 | 第75-76页 |
| 7.3 未来展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第80-81页 |