| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 PHEV国内外研究现状 | 第9-13页 |
| 1.2.1 PHEV的分类 | 第9-11页 |
| 1.2.2 PHEV国外研究现状 | 第11-12页 |
| 1.2.3 PHEV国内研究现状 | 第12-13页 |
| 1.3 PHEV能量管理控制策略研究 | 第13-16页 |
| 1.3.1 PHEV能量管理控制策略研究现状分析 | 第13-15页 |
| 1.3.2 考虑电池寿命的能量管理控制策略研究现状分析 | 第15-16页 |
| 1.4 论文的主要研究内容 | 第16-17页 |
| 2 PHEV动力总成参数匹配及建模 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 PHEV结构及工作模式分析 | 第17-19页 |
| 2.2.1 动力总成结构 | 第17页 |
| 2.2.2 运行模式分析 | 第17-18页 |
| 2.2.3 工作模式分析 | 第18-19页 |
| 2.3 PHEV动力传动系统参数匹配 | 第19-27页 |
| 2.3.1 动力性能需求分析 | 第20-22页 |
| 2.3.2 发动机参数匹配 | 第22页 |
| 2.3.3 电机参数匹配 | 第22-24页 |
| 2.3.4 电池参数匹配 | 第24-25页 |
| 2.3.5 传动比参数匹配 | 第25-27页 |
| 2.4 动力传动系统关键部件建模 | 第27-32页 |
| 2.4.1 发动机数值模型 | 第27-29页 |
| 2.4.2 电机MG1、电机MG2数值模型 | 第29-30页 |
| 2.4.3 蓄电池数值模型 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于规则的能量管理控制策略 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 PHEV控制策略设计原则 | 第33页 |
| 3.3 基于规则的能量管理控制策略 | 第33-38页 |
| 3.3.1 关键部件分析 | 第33-35页 |
| 3.3.2 驱动模式 | 第35-37页 |
| 3.3.3 制动模式 | 第37-38页 |
| 3.4 仿真验证 | 第38-43页 |
| 3.4.1 动力性能验证 | 第38-40页 |
| 3.4.2 经济性能验证 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 PHEV能量管理多目标优化 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 电池寿命衰减及影响因素分析 | 第45-47页 |
| 4.2.1 电池寿命 | 第45页 |
| 4.2.2 电池寿命衰减 | 第45-46页 |
| 4.2.3 电池寿命影响因素分析 | 第46-47页 |
| 4.3 电池寿命模型 | 第47-49页 |
| 4.3.1 电池寿命模型分析 | 第47-49页 |
| 4.3.2 电池寿命模型确定 | 第49页 |
| 4.4 PHEV能量管理多目标优化 | 第49-56页 |
| 4.4.1 优化算法 | 第49-51页 |
| 4.4.2 优化目标 | 第51-54页 |
| 4.4.3 优化结果及分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 基于工况识别的能量管理控制策略 | 第57-71页 |
| 5.1 引言 | 第57页 |
| 5.2 基于概率神经网络的工况识别 | 第57-68页 |
| 5.2.1 标准工况分析 | 第57-58页 |
| 5.2.2 工况特征参数选取 | 第58-62页 |
| 5.2.3 基于概率神经网络的工况识别 | 第62-68页 |
| 5.3 基于工况识别的能量管理控制策略仿真及结果分析 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 6 论文总结 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 附录 | 第81页 |
| A. 作者在攻读学位期间发表的论文目录 | 第81页 |
| B. 作者在攻读学位期间参与的科研项目目录 | 第81页 |