| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-31页 |
| ·开展混合动力汽车研究的意义 | 第9-10页 |
| ·混合动力汽车简介 | 第10-18页 |
| ·混合动力汽车分类 | 第10-15页 |
| ·国内外混合动力汽车研究概述 | 第15-18页 |
| ·混合动力汽车的关键技术 | 第18-22页 |
| ·整车系统集成技术 | 第18-20页 |
| ·关键零部件技术 | 第20-22页 |
| ·混合动力汽车控制策略简介及存在主要问题 | 第22-29页 |
| ·串联混合动力汽车控制策略概述 | 第23-26页 |
| ·并联混合动力汽车控制策略概述 | 第26-28页 |
| ·控制策略存在问题 | 第28-29页 |
| ·本文主要研究内容 | 第29-31页 |
| 第二章 串联混合动力汽车仿真建模 | 第31-58页 |
| ·引言 | 第31-32页 |
| ·混合动力汽车仿真方法分类 | 第32-34页 |
| ·串联混合动力汽车仿真系统介绍 | 第34-35页 |
| ·驾驶员模型 | 第35-37页 |
| ·车辆控制器（VCU）模型 | 第37-38页 |
| ·部件控制器模型 | 第38-39页 |
| ·发动机ECU模型 | 第38页 |
| ·电机ECU及发电机ECU模型 | 第38-39页 |
| ·机械制动器模型 | 第39页 |
| ·动力传动系模型 | 第39-56页 |
| ·发动机模型 | 第39-43页 |
| ·电池模型 | 第43-47页 |
| ·电机模型 | 第47-50页 |
| ·主减速器及扭矩耦合器 | 第50-51页 |
| ·发电机模型 | 第51-53页 |
| ·车轮 | 第53-54页 |
| ·汽车行驶动力学模型 | 第54-56页 |
| ·附件模型 | 第56-57页 |
| ·电气附件模型 | 第56页 |
| ·机械附件模型 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第三章 基于动态规划算法的能量管理策略 | 第58-83页 |
| ·引言 | 第58页 |
| ·串联混合动力汽车控制策略原理 | 第58-64页 |
| ·串联混合动力汽车工作模式分析 | 第58-60页 |
| ·串联混合动力汽车控制策略工作原理 | 第60-64页 |
| ·串联混合动力汽车最优控制问题的数学模型 | 第64-67页 |
| ·动态规划算法 | 第67-71页 |
| ·动态规划简介 | 第67-69页 |
| ·动态规划算法 | 第69-71页 |
| ·改进动态规划算法 | 第71-73页 |
| ·仿真实验及分析 | 第73-81页 |
| ·本章小结 | 第81-83页 |
| 第四章 基于猴群算法的能量管理策略 | 第83-97页 |
| ·引言 | 第83页 |
| ·猴群算法描述 | 第83-87页 |
| ·解的表示 | 第84页 |
| ·初始化 | 第84页 |
| ·爬山过程 | 第84-85页 |
| ·望过程 | 第85页 |
| ·翻过程 | 第85-86页 |
| ·终止条件 | 第86-87页 |
| ·基于猴群算法的能量管理策略 | 第87-93页 |
| ·解的表示 | 第88页 |
| ·约束处理 | 第88-90页 |
| ·对初始猴群优化 | 第90-91页 |
| ·合作过程 | 第91页 |
| ·随机扰动机制 | 第91-93页 |
| ·仿真实验及分析 | 第93-96页 |
| ·本章小结 | 第96-97页 |
| 第五章 基于模糊C均值的BP神经网络实时能量管理策略 | 第97-112页 |
| ·引言 | 第97-98页 |
| ·人工神经网络简介 | 第98-99页 |
| ·人工神经网络基础 | 第98页 |
| ·人工神经网络特点 | 第98页 |
| ·人工神经网络的研究内容 | 第98-99页 |
| ·基于模糊C均值的BP神经网络实时能量管理策略 | 第99-105页 |
| ·BP神经网络简介 | 第99-100页 |
| ·BP神经网络控制器 | 第100-102页 |
| ·基于模糊C均值的学习样本选取 | 第102-103页 |
| ·BP神经网络学习算法 | 第103-105页 |
| ·仿真实验及分析 | 第105-111页 |
| ·本章小结 | 第111-112页 |
| 第六章 结论与展望 | 第112-115页 |
| ·主要创新点与结论 | 第112-113页 |
| ·展望 | 第113-115页 |
| 参考文献 | 第115-126页 |
| 发表论文和科研情况说明 | 第126-127页 |
| 致谢 | 第127页 |