APP下载

基于模糊神经网络的智能能量管理策略研究——以混合动力电动汽车模型为例

2014-09-13王洪亮

石家庄职业技术学院学报 2014年2期
关键词:优化

王洪亮

(石家庄职业技术学院 信息工程系,河北 石家庄 050081)

当前,世界各国都在致力于混合动力电动汽车(HEV)的研究,重点大多集中在基础工程问题上.而有关行驶工况和动力分配方面存在的问题并没有引起研究者足够的重视.事实上,混合动力电动汽车对行驶工况非常敏感.丰田Prius和福特Focus的燃油消耗性研究证实了这一论断的准确性.通常,人们根据汽车的速度曲线来定义汽车的驾驶模式.尽管有一些研究定义了其中的一些参数,但对这些参数精确定义的研究工作仍然不足[1].本文通过识别汽车行驶工况,根据工况的不同改变控制参数,采用模糊神经网络建立了混合动力电动汽车智能能量管理系统.

1 并联式HEV的控制策略

如果混合动力电动汽车能够一直满足驾驶者对转矩的要求,则电池的SOC(State of charge,电池剩余量)应该保持在一个限制区域内.电池的充/放电操作由汽车的运转模式决定:在再生制动和巡航驾驶模式下,电池处于充电状态;在汽车加速,内燃机的转矩不能满足要求而需要额外转矩的情况下,电池处于放电状态.

1.1 并联式混合动力电动汽车模型

由于内燃机与电动机都与车轮通过机械装置耦合在一起,所以并联式混合动力电动汽车可以直接分配两个动力源所产生的驱动力.在并联式混合动力电动汽车中,内燃机与电动机可以单独或一起为汽车提供驱动转矩.内燃机提供的动力既可以驱动汽车,也可以通过电动……

登录APP查看全文

猜你喜欢

优化
超限高层建筑结构设计与优化思考
PEMFC流道的多目标优化
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
由“形”启“数”优化运算——以2021年解析几何高考题为例
围绕“地、业、人”优化产业扶贫
事业单位中固定资产会计处理的优化
4K HDR性能大幅度优化 JVC DLA-X8 18 BC
几种常见的负载均衡算法的优化