基于ADVISOR的混联型混合动力汽车研究

提出了一种混联型混合动力系统,采用杠杆模拟方法对其运行工况进行分析,并确定动力总成参数.最后将某公司的SUV动力系统改为这种混联型动力系统,利用仿真软件ADVISOR对该混合动力系统进行燃油经济性仿真.仿真结果表明,在UDDS循环工况下的混联型混合动力系统比传统的动力系统整车燃油经济性有明显地提高.     

混联式混合动力汽车动力系统参数匹配的研究

混合动力汽车动力总成参数的合理匹配是混合动力汽车产品开发的重要前提和基础性工作.在对混联式混合动力汽车动力总成结构和整车控制策略分析的基础上,分别进行发动机、电动机和蓄电池等动力总成部件的选型和参数设计,并对传动系统进行参数设计.针对发动机、永磁同步电动机和镍氢蓄电池的工作特性建立模型,并基于NEBC工况进行仿真,得出发动机扭矩、电动机扭矩和蓄电池荷电状态的变化曲线.结果表明,混联式混合动力汽车动力系统的参数匹配合理.     

混联式混合动力系统多能源综合控制策略

为实现混合动力车辆的能源管理与控制,针对混联式混合动力系统设计了基于分层结构的多能源综合控制策略.该策略将混合动力控制逻辑划分为决策层、中间层与伺服层:决策层确定系统总功率需求与控制模式;中间层进行功率分配并确定各部件稳态控制目标;伺服层根据控制品质要求确定动态过程瞬时控制目标.开发多能源综合控制器ECU软硬件,并对硬件在环仿真平台上进行典型工况测试.测试结果表明,设计的混联式混合动力系统多能源综合控制策略实现了混合动力车辆的能量管理与控制,发动机工作点得到优化配置,提高了燃油经济性.控制策略的分层结构设计方法,使控制逻辑更为简明、清晰,同时兼顾了功率流的优化配置与动态过程的品质控制要求.     

基于动态规划算法的混联混合动力汽车控制策略

针对某混联型混合动力汽车的布置形式,构建了整车控制数学模型。利用动态规划方法,提出了以控制整个循环发动机燃油消耗最低和电池SOC维持在理想值为目标的优化函数。提出了动态限制SOC区域模型。设计了动态规划全局搜索算法。进行了换档逻辑的优化。仿真对比了基于功率跟随的混联汽车控制策略、动态规划方法以及改进的功率跟随策略。结果显示,动态规划方法可以作为其他控制策略的评价参考,可以改善功率跟随控制策略控制效果。     

PRIUS混合动力汽车驱动系统键合图建模仿真

在深入研究丰田公司出产的PRIUS混合动力汽车驱动系统及其各单元的动态关系的基础上，运用键合图原理对该系统进行数学建模，并应用Matlab／Simulink进行仿真计算和研究。研究表明，所建模型可以较准确地反映PRIUS的动态特性，并通过发现解决多动力耦合中弹性与柔性耦合影响导致的车速波动，证明使用键合图建模的优越性。     

混联式混合动力系统动态响应协调控制

为改善混联式混合动力汽车动态响应过程中系统性能降低的问题,建立各个动力源系统的动态响应模型以及耦合机构模型,提出采用多动力源协调控制策略.电机A采用专家PID控制,发动机采用虚拟速差控制,电机B采用基于模型的补偿控制,利用系统特殊耦合关系,减小动态响应过程中各状态量相对于稳态优化点的波动程度.仿真结果表明,提出的协调控制策略使动态响应过程的时间缩短,发动机、电机以及输出轴的转矩转速波动减小.多动力源协调控制策略显著提高了动态响应过程中的系统性能.     

基于CR UI SE的混联式混合动力汽车电动优先混合控制策略仿真

针对一款开发中的混联式混合动力轿车,在分析其布置形式与工作模式的基础上,提出电动优先的混合控制策略,搭建基于C R UISE的整车仿真模型,用C语言编写了电动优先混合控制策略,利用C-function模块将其嵌入到C R UISE模型中进行耦合仿真,并对控制策略进行优化和评价,验证控制策略的可行性;结合目标车型的期望性能,对仿真车型动力系统进行了匹配,为实车设计提供了参考依据. 结果表明,控制策略达到了预期目标且合理适用.     

混合动力汽车研究状况及发展趋势

混合动力汽车是具有低排放、高燃油经济性,并符合目前推广实际的新能源汽车.介绍混合动力汽车的结构、原理及应用;混合动力汽车的主要研究方向、研究方法及面临的主要技术问题;阐述混合动力汽车的发展趋势.     

基于扩张状态观测器估计的混合动力汽车协调控制

为了提高功率分流式混合动力汽车模式切换的稳定性,提出干扰补偿的转矩协调控制策略. 针对发动机动态响应振荡及车辆行驶工况多变的问题,设计多变量线性扩张状态观测器,从频域角度验证了观测器对于上述2种干扰的估计精确性. 研究不同干扰对基础电机补偿控制稳定性的影响,指出负载干扰对车辆模式切换响应的影响最大,引起的切换冲击最大可至24.5 m/s³. 提出基于干扰补偿的动力源转矩再分配算法,开展仿真验证. 结果表明,该协调控制策略在受到明显的外界干扰时能够保证系统的稳定性及模式切换的平顺性.     

基于模糊PID控制的直流电机调速系统

针对传统直流调速不能有效克服非线性因素,难以满足某些特定场合对高精度、高性能的控制要求,提出了基于模糊PID控制的直流电机调速系统。介绍了模糊控制器的原理及特点,分析了模糊PID控制器的控制原理,并确定了模糊语言变量和隶属函数,制定了模糊规则和反模糊化方法,最后利用Matlab/Simulink对直流电机调速系统进行建模仿真。仿真结果表明:直流电机调速采用模糊PID控制比传统PID控制具有更好的控制精度、鲁棒性,并提高了电机动、静态性能。     

基于驾驶意图识别的混合动力汽车控制策略

确定了驾驶意图识别的参数,并建立了识别参数的隶属函数和模糊推理规则,通过模糊推理来识别驾驶意图。根据驾驶意图的识别结果制定了相应的整车控制策略,并进行了仿真分析。从仿真结果可以看出,模糊推理系统可以很好地识别驾驶意图,证明了基于驾驶意图识别的控制策略可以进一步提高混合动力汽车燃油经济性。     

基于RBF神经网络调节的电动车驱动和再生制动滑模控制

针对电动车的驾驶模式多变和续驶里程短等主要问题,在建立控制系统主回路的基础上对电动车的驱动和再生制动过程进行了研究,设计了电动车用神经网络滑模控制器。该控制器包括两部分:一个RBF神经网络和一个滑模控制器,RBF神经网络对滑模控制器进行在线切换增益调节。实验结果表明,在车辆的驱动和再生制动过程中,神经网络滑模控制器与普通滑模控制器相比,其响应速度、稳态误差及鲁棒性明显改善,尤其在再生制动过程中,可以回收更多的能量,进一步延长了车辆的续驶里程,对节约能源很有意义。     

带有模糊监视器的混合动力电动汽车的模糊控制系统

混合动力电动汽车驱动系统是由若干复杂的子系统构成,因此难以建立一个准确的数学模型。用模糊控制的方法实现混合动力电动汽车驱动系统的控制,可以避免建模中遇到的困难,能够取得较好的控制效果。文中简要介绍了典型的模糊控制方法,并应用Matlab仿真程序对控制结果进行了验证。     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.     

基于模糊控制的并联式混合动力汽车制动控制系统

在分析和比较混合动力电动汽车(HEV)不同制动控制策略的基础上,提出了一种新的制动控制策略。在MATLAB/Simulink环境下搭建了制动系统控制模型。考虑到能量回收制动力矩和总制动力矩的连续变化,采用模糊控制策略对液压制动力矩进行动态调整。能量回收制动力矩和液压制动力矩在该控制策略下能够协同工作。仿真结果证明该控制策略有效,鲁棒性好。     

混合动力电动汽车的仿真研究

介绍前向仿真方法和后向仿真方法,分析其工作原理和优缺点,描述美国电动汽车仿真软件ADVISOR的混合仿真方法:以后向仿真方法为主、前向仿真方法为辅的混合仿真方法.最后对丰田混合动力控制策略进行分析,并利用仿真软件进行计算,为混合动力车辆控制策略的研究与开发提供参考.     

混合动力电动汽车能量及驱动系统的关键控制问题的研究

面对能源和环境的巨大压力,混合动力汽车（hybrid electric vehicle,HEV）已成为汽车工业发展的重要方向。混合动力电动汽车与传统汽车有很大不同,具有独特而又复杂的能量及驱动系统,故对控制系统的要求更高和依赖性更强。该系统可以归结为一类具有高度不确定性和强非线性的混杂切换动态系统,其优化控制策略的优劣直接影响车辆的经济性、可靠性、安全性和舒适性。然而混合动力电动汽车能量及驱动系统的控制器设计却面临众多挑战,现代控制理论和技术则是解决这一技术瓶颈的关键手段。本文从系统与控制科学的角度,深刻全面地综述了HEV能量及驱动系统的能量管理策略、车载动力电池状态估计、驱动系统及其优化控制等关键科学与技术问题及其研究进展,最后指出了HEV能量及驱动系统优化控制技术和理论面临的挑战和发展趋势。     

基于一种混和遗传算法的模糊神经网络的优化

将遗传算法引入到模糊神经网络的学习过程中,提出了一种综合遗传算法和梯度下降法优势的混和遗传算法,它一方面改善了梯度法的收敛性,使模糊系统对专家知识的依赖性大为降低,提高了系统的智能化水平;另一方面有效提高了遗传算法的搜索效率,强化了系统的学习能力.仿真结果证明了算法的有效性.     

基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案．在系统中，将模糊控制技术与神经元网络技术相结合，构建了模糊神经元网络控制器．该控制器结合模糊控制与神经元网络各自的优点，既具有模糊控制器简单和有效的非线性控制作用，又具有神经元网络自学习和自适应能力，改善了控制系统的性能．     

基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案.在系统中,将模糊控制技术与神经元网络技术相结合,构建了模糊神经元网络控制器.该控制器结合模糊控制与神经元网络各自的优点,既具有模糊控制器简单和有效的非线性控制作用,又具有神经元网络自学习和自适应能力,改善了控制系统的性能.