基于工况识别的CNG混合动力公交车控制策略优化研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 论文的课题来源 | 第11-13页 |
| 1.2 控制参数的全局优化算法 | 第13-15页 |
| 1.3 工况识别的研究现状 | 第15-17页 |
| 1.4 本论文的研究对象及研究思路 | 第17-21页 |
| 1.4.1 论文的研究对象 | 第17-18页 |
| 1.4.2 论文的研究思路及内容 | 第18-21页 |
| 第2章 实际公交工况的数据采集及整理 | 第21-35页 |
| 2.1 工况采集试验规划 | 第21-26页 |
| 2.1.1 采集方法的确定 | 第21-22页 |
| 2.1.2 试验车辆的选取 | 第22-23页 |
| 2.1.3 试验线路的选择 | 第23-24页 |
| 2.1.4 数据采集设备的选择 | 第24-26页 |
| 2.2 公交工况数据采集 | 第26-27页 |
| 2.2.1 需采集的参数 | 第26页 |
| 2.2.2 采样时间间隔的确定 | 第26页 |
| 2.2.3 试验时间及数据量 | 第26-27页 |
| 2.3 工况段的划分及特征参数的提取 | 第27-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 工况的分类及识别研究 | 第35-55页 |
| 3.1 特征参数的主成分分析 | 第35-42页 |
| 3.1.1 主成分分析的基本原理及分析过程 | 第35-37页 |
| 3.1.2 短工况段特征参数的主成分分析结果 | 第37-42页 |
| 3.2 短工况段的聚类 | 第42-46页 |
| 3.2.1 K 均值聚类方法的基本思想及聚类过程 | 第42-43页 |
| 3.2.2 K 均值聚类分析结果 | 第43-45页 |
| 3.2.3 代表性工况的选取 | 第45-46页 |
| 3.3 用于工况识别的特征参数的选择 | 第46-48页 |
| 3.4 模糊识别器的构建及验证 | 第48-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第4章 仿真平台的搭建及控制参数优化 | 第55-77页 |
| 4.1 混合动力公交车仿真平台的搭建 | 第55-58页 |
| 4.1.1 Cruise 整车模型的搭建 | 第55-56页 |
| 4.1.2 Simulink 控制策略模型的搭建 | 第56-58页 |
| 4.2 车辆性能评价指标的选择 | 第58-59页 |
| 4.3 控制参数遗传算法优化 | 第59-70页 |
| 4.3.1 优化参数的选取 | 第59-61页 |
| 4.3.2 遗传算法优化的步骤 | 第61-62页 |
| 4.3.3 发动机经济区上限优化 | 第62-67页 |
| 4.3.4 行车发电门限及经济区下限优化 | 第67-69页 |
| 4.3.5 电机助力比优化 | 第69-70页 |
| 4.4 控制参数优化结果及仿真分析 | 第70-75页 |
| 4.4.1 各代表性工况下 GA 优化结果分析 | 第70-72页 |
| 4.4.2 优化参数仿真对比分析 | 第72-75页 |
| 4.5 本章小结 | 第75-77页 |
| 第5章 基于工况识别的优化控制策略及评价 | 第77-83页 |
| 5.1 基于工况识别的优化控制策略的原理 | 第77-78页 |
| 5.2 本文工况识别方案的验证 | 第78-80页 |
| 5.3 仿真验证及对比分析 | 第80-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第6章 全文总结及研究展望 | 第83-85页 |
| 6.1 全文总结 | 第83-84页 |
| 6.2 进一步工作的建议 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 致谢 | 第90页 |
