摘要 | 第1-4页 |
ABSTRACT | 第4-9页 |
第一章 绪论 | 第9-30页 |
·研究混合动力汽车的目的和意义 | 第9-12页 |
·混合动力汽车分类 | 第12-14页 |
·串联式混合动力汽车 | 第12-13页 |
·并联式混合动力汽车 | 第13-14页 |
·混联式混合动力汽车 | 第14页 |
·混合动力汽车国内外研究现状 | 第14-20页 |
·国外 | 第14-18页 |
·国内 | 第18-20页 |
·混合动力汽车关键技术与系统 | 第20-24页 |
·电池及其管理技术 | 第20-21页 |
·电机及其控制技术 | 第21-23页 |
·动力总成电控技术 | 第23页 |
·混合动力系统参数匹配 | 第23-24页 |
·能量管理策略 | 第24页 |
·混合动力汽车能量管理策略研究现状 | 第24-28页 |
·串联式混合动力汽车能量管理策略 | 第24-25页 |
·并联式混合动力汽车能量管理策略 | 第25页 |
·混联式混合动力汽车能量管理策略 | 第25-26页 |
·通用型的混合动力汽车能量管理策略 | 第26-27页 |
·能量管理策略存在的问题 | 第27-28页 |
·本文研究的主要内容 | 第28-30页 |
第二章 主要元件选择、建模与典型工况分析 | 第30-47页 |
·引言 | 第30页 |
·电动汽车仿真软件简介 | 第30-33页 |
·车辆元件的选择与建模 | 第33-39页 |
·发电机组模型 | 第33-36页 |
·电动机的选择与建模 | 第36页 |
·电池组参数选择与建模 | 第36-38页 |
·车辆的主要参数与动力性能 | 第38-39页 |
·串联混合动力汽车工作模式与典型工况 | 第39-46页 |
·串联混合动力汽车工作模式分析 | 第39-42页 |
·典型工况介绍 | 第42-46页 |
·本章小结 | 第46-47页 |
第三章 基于 PMP 的全局最优能量管理策略 | 第47-67页 |
·引言 | 第47-48页 |
·最优控制理论 | 第48-52页 |
·泛函极值的求解—变分法 | 第48-49页 |
·庞特里亚金极小值原理简介 | 第49-52页 |
·串联式混合动力汽车的数学模型 | 第52-54页 |
·动力总成模型 | 第52-53页 |
·发电机组模型 | 第53页 |
·电池模型 | 第53-54页 |
·能量管理问题的数学模型 | 第54-56页 |
·性能指标函数 | 第54页 |
·状态方程 | 第54-55页 |
·约束条件 | 第55-56页 |
·利用庞特里亚金极小值原理求解 | 第56-58页 |
·哈密顿函数 | 第56页 |
·协态方程 | 第56-57页 |
·最优解计算 | 第57-58页 |
·典型工况仿真结果 | 第58-65页 |
·本章小结 | 第65-67页 |
第四章 基于小波模糊控制的能量管理策略 | 第67-80页 |
·引言 | 第67页 |
·小波分析简介 | 第67-70页 |
·小波变换原理 | 第67-69页 |
·基于小波变换的功率分解 | 第69-70页 |
·模糊控制 | 第70-75页 |
·模糊控制理论简介 | 第70-71页 |
·模糊控制器的设计 | 第71-75页 |
·典型工况仿真 | 第75-79页 |
·本章小结 | 第79-80页 |
第五章 基于 LVQ 神经网络工况识别的实时能量管理策略 | 第80-91页 |
·引言 | 第80页 |
·LVQ 神经网络简介 | 第80-84页 |
·LVQ 神经网络结构 | 第81-82页 |
·LVQ 神经网络训练样本的选择 | 第82-83页 |
·LVQ 神经网络的训练 | 第83-84页 |
·基于 LVQ 神经网络工况识别的实时能量管理系统 | 第84-89页 |
·基于 LVQ 神经网络工况识别的实时能量管理系统结构图 | 第85页 |
·基于 LVQ 神经网络工况识别的实时能量管理系统仿真 | 第85-89页 |
·本章小结 | 第89-91页 |
第六章 总结与展望 | 第91-93页 |
·主要创新点与结论 | 第91页 |
·展望 | 第91-93页 |
参考文献 | 第93-103页 |
发表的论文和参加科研情况 | 第103-104页 |
发表的论文 | 第103页 |
参与的科研项目 | 第103-104页 |
致谢 | 第104页 |