基于工况在线识别的汽车电能管理系统的研究与实现
致谢 | 第7-8页 |
摘要 | 第8-9页 |
abstract | 第9页 |
第一章 绪论 | 第16-22页 |
1.1 课题研究背景及意义 | 第16页 |
1.2 课题国内外研究现状 | 第16-20页 |
1.2.1 整车电能管理 | 第16-18页 |
1.2.2 行驶工况识别 | 第18-20页 |
1.3 课题来源与论文内容 | 第20-22页 |
1.3.1 课题来源 | 第20页 |
1.3.2 论文内容 | 第20-22页 |
第二章 整车电能管理与汽车总线 | 第22-38页 |
2.1 整车电源系统 | 第22-27页 |
2.1.1 发电机 | 第22-25页 |
2.1.2 蓄电池 | 第25-27页 |
2.2 整车电能管理技术 | 第27-31页 |
2.2.1 电源管理技术 | 第27-29页 |
2.2.2 模式识别技术 | 第29-31页 |
2.3 汽车总线技术 | 第31-36页 |
2.3.1 LIN总线技术 | 第32-34页 |
2.3.2 CAN总线技术 | 第34-36页 |
2.4 本章小结 | 第36-38页 |
第三章 基于I-LVQ神经网络的工况识别模型 | 第38-49页 |
3.1 LVQ神经网络 | 第38-40页 |
3.1.1 LVQ神经网络模型 | 第38-39页 |
3.1.2 LVQ模型的训练 | 第39-40页 |
3.2 典型工况与特征参数 | 第40-44页 |
3.2.1 典型工况的选择 | 第40-42页 |
3.2.2 特征参数的计算 | 第42-44页 |
3.3 I-LVQ模型及其训练 | 第44-48页 |
3.3.1 I-LVQ模型训练思路 | 第44-45页 |
3.3.2 I-LVQ模型训练算法 | 第45-47页 |
3.3.3 I-LVQ模型的有效性验证 | 第47-48页 |
3.4 本章小结 | 第48-49页 |
第四章 基于工况在线识别的整车电能管理 | 第49-60页 |
4.1 整车电能管理问题描述 | 第49-51页 |
4.1.1 电能管理目标 | 第49-50页 |
4.1.2 电能管理系统 | 第50-51页 |
4.2 基于I-LVQ模型的行驶工况识别方法 | 第51-54页 |
4.2.1 移动时间窗识别机制 | 第51-52页 |
4.2.2 移动时间窗识别的有效性验证 | 第52页 |
4.2.3 基于I-LVQ模型的工况识别流程 | 第52-54页 |
4.3 基于工况识别的整车电能管理策略 | 第54-59页 |
4.3.1 极小值原理概述 | 第54-55页 |
4.3.2 特定工况下的电能管理建模 | 第55-56页 |
4.3.3 特定工况下的电能管理算法 | 第56-58页 |
4.3.4 工况识别下的电能管理策略 | 第58-59页 |
4.4 本章小结 | 第59-60页 |
第五章 能量管理控制器设计 | 第60-73页 |
5.1 控制器硬件设计 | 第60-62页 |
5.1.1 主控芯片的选取 | 第60-61页 |
5.1.2 LIN通信模块设计 | 第61页 |
5.1.3 CAN通信模块设计 | 第61-62页 |
5.2 控制器软件设计 | 第62-69页 |
5.2.1 软件总体设计 | 第62-63页 |
5.2.2 主控层程序设计 | 第63页 |
5.2.3 业务层程序设计 | 第63-65页 |
5.2.4 驱动层程序设计 | 第65-69页 |
5.3 控制器通信协议设计 | 第69-72页 |
5.3.1 LIN通信协议设计 | 第69-71页 |
5.3.2 CAN通信协议设计 | 第71-72页 |
5.4 本章小结 | 第72-73页 |
第六章 控制器实验系统与整车试验 | 第73-85页 |
6.1 控制器实验系统搭建 | 第73-74页 |
6.1.1 VectorCANoe软件 | 第73-74页 |
6.1.2 控制器实验系统架构 | 第74页 |
6.2 控制器通信验证实验 | 第74-78页 |
6.2.1 网络通信开发 | 第74-76页 |
6.2.2 监测面板开发 | 第76-78页 |
6.3 整车试验与结果分析 | 第78-83页 |
6.3.1 整车试验方案 | 第78-81页 |
6.3.2 不同策略下的整车试验 | 第81-83页 |
6.3.3 整车试验结果对比分析 | 第83页 |
6.4 本章小结 | 第83-85页 |
第七章 总结与展望 | 第85-87页 |
7.1 论文工作总结 | 第85-86页 |
7.2 下一步工作 | 第86-87页 |
参考文献 | 第87-91页 |
攻读硕士学位期间的学术活动及其成果情况 | 第91-93页 |