基于粒子群算法的增程式电动汽车能量管理策略研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景和研究意义 | 第10-11页 |
| 1.2 增程式电动汽车的定义及发展现状 | 第11-13页 |
| 1.2.1 增程式电动汽车的定义 | 第11页 |
| 1.2.2 增程式电动汽车发展现状 | 第11-13页 |
| 1.3 增程式电动汽车能量管理策略研究现状 | 第13-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 第2章 增程式电动汽车工作原理与参数匹配 | 第16-24页 |
| 2.1 动力系统结构及工作原理介绍 | 第16-17页 |
| 2.2 动力系统部件选择 | 第17-19页 |
| 2.2.1 驱动电机的选型 | 第18页 |
| 2.2.2 动力电池的选型 | 第18-19页 |
| 2.2.3 RE型式的选择 | 第19页 |
| 2.3 动力系统部件参数匹配 | 第19-23页 |
| 2.3.1 驱动电机的参数匹配 | 第19-21页 |
| 2.3.2 动力电池的参数匹配 | 第21-22页 |
| 2.3.3 增程器的参数匹配 | 第22-23页 |
| 2.3.4 传动比参数验证 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 能量管理策略的设计与粒子群优化 | 第24-46页 |
| 3.1 SOC变化曲线分析 | 第24-25页 |
| 3.2 传统串联混合动力汽车的发动机控制 | 第25-26页 |
| 3.3 增程式电动汽车工作模式分析 | 第26-28页 |
| 3.4 能量管理策略的设计 | 第28-33页 |
| 3.4.1 能量管理策略的设计依据 | 第28页 |
| 3.4.2 能量管理策略的具体规则 | 第28-33页 |
| 3.5 粒子群算法 | 第33-35页 |
| 3.6 初始优化模型 | 第35-36页 |
| 3.7 优化结果分析 | 第36-40页 |
| 3.8 优化目标的改进 | 第40-42页 |
| 3.9 优化目标改进前后的对比分析 | 第42-45页 |
| 3.10 本章小结 | 第45-46页 |
| 第4章 系统建模与离线仿真 | 第46-62页 |
| 4.1 汽车动力部件模型 | 第46-52页 |
| 4.1.1 循环工况模型 | 第46页 |
| 4.1.2 驾驶员模型 | 第46-47页 |
| 4.1.3 汽车动力学模型 | 第47-48页 |
| 4.1.4 动力总成模型 | 第48-52页 |
| 4.2 能量管理策略模型 | 第52-54页 |
| 4.3 整车模型的建立与离线仿真 | 第54-55页 |
| 4.4 离线仿真结果分析 | 第55-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 基于D2P系统的实时仿真 | 第62-70页 |
| 5.1 D2P系统介绍 | 第62页 |
| 5.2 实时仿真平台的建立 | 第62-66页 |
| 5.3 D2P实时仿真结果分析 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第6章 能量管理策略的神经网络控制 | 第70-82页 |
| 6.1 人工神经网络 | 第70-71页 |
| 6.2 基于BP神经网络的模式识别系统 | 第71-76页 |
| 6.2.1 模式识别系统的控制流程 | 第71页 |
| 6.2.2 模式识别系统的建立与训练 | 第71-76页 |
| 6.3 基于BP神经网络的功率分配系统 | 第76-78页 |
| 6.4 BP神经网络实时能量管理策略 | 第78-81页 |
| 6.5 本章小结 | 第81-82页 |
| 第7章 总结与展望 | 第82-84页 |
| 7.1 全文总结 | 第82-83页 |
| 7.2 本文创新点 | 第83页 |
| 7.3 工作展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-92页 |
| 攻读学位期间发表的论著 | 第92页 |
