| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题的研究背景与意义 | 第8页 |
| 1.2 混合动力汽车种类划分 | 第8-12页 |
| 1.2.1 按驱动系统布置形式 | 第9-11页 |
| 1.2.2 按油电混合程度 | 第11-12页 |
| 1.3 混合动力汽车关键技术分析 | 第12-14页 |
| 1.3.1 混合动力汽车的节能原理 | 第12-13页 |
| 1.3.2 混合动力汽车的关键技术分析 | 第13-14页 |
| 1.4 论文主要研究内容 | 第14-16页 |
| 2 混合动力汽车能量管理控制策略研究 | 第16-20页 |
| 2.1 基于规则的控制策略 | 第16-17页 |
| 2.1.1 静态逻辑门限值控制策略 | 第16页 |
| 2.1.2 模糊逻辑控制策略 | 第16-17页 |
| 2.2 瞬时优化控制策略 | 第17-18页 |
| 2.3 全局最优控制策略 | 第18页 |
| 2.4 智能控制策略 | 第18-20页 |
| 3 混合动力系统模型构建 | 第20-31页 |
| 3.1 混合动力系统建模仿真软件 | 第20-22页 |
| 3.2 ADVISOR软件的仿真方法 | 第22-23页 |
| 3.3 混合动力系统主要部件的建模 | 第23-31页 |
| 3.3.1 整车动力学模型 | 第24-26页 |
| 3.3.2 发动机模型 | 第26-27页 |
| 3.3.3 电机模型 | 第27-28页 |
| 3.3.4 蓄电池数学模型 | 第28-29页 |
| 3.3.5 轮胎模型 | 第29-30页 |
| 3.3.6 油箱模型 | 第30-31页 |
| 4 行驶工况分类及识别 | 第31-34页 |
| 4.1 行驶工况构建 | 第31-32页 |
| 4.2 行驶工况模糊识别 | 第32-34页 |
| 5 基于蚁群算法参数优化的自适应控制策略 | 第34-46页 |
| 5.1 基于路况自学习的混合动力汽车控制策略优化研究 | 第34-35页 |
| 5.1.1 能量管理策略 | 第34页 |
| 5.1.2 最优控制参数确定 | 第34页 |
| 5.1.3 离线优化问题 | 第34-35页 |
| 5.2 蚁群算法的原理 | 第35-36页 |
| 5.2.1 蚁群行为描述 | 第35页 |
| 5.2.2 蚁群算法的逻辑结构 | 第35-36页 |
| 5.3 蚁群算法对控制参数的优化 | 第36-38页 |
| 5.3.1 蚁群算法规则 | 第36-38页 |
| 5.3.2 参数优化求解过程 | 第38页 |
| 5.4 仿真实验 | 第38-46页 |
| 5.4.1 车辆参数 | 第38页 |
| 5.4.2 行驶工况设定 | 第38-39页 |
| 5.4.3 参数优化流程 | 第39-41页 |
| 5.4.4 实验对比与结果分析 | 第41-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50-51页 |
| 致谢 | 第51-52页 |