周 鹏，吴相稷

(1.昆明冶金高等专科学校电气与机械学院，云南 昆明 650033；2.昆明理工大学交通工程学院，云南 昆明 650500)

0 引 言

液压混合动力汽车是将传统内燃机和蓄能器[1-2](Accumulator，ACC)，通过串联或并联的方式，耦合在一起驱动新型混合动力汽车。其中动力源蓄能器的荷压状态(State of Charge，SOC)是用于显示蓄能器ACC剩余压力的指标参数。该参数在车辆运行时，无法直接用仪表采集到，目前多是通过对相应物理参数的测算，并建立相关数学模型估算得出。蓄能器作为辅助动力源，其运行工作受限于诸多不稳定因素(如环境温度、振动等)影响，呈现非线性复杂特征。故能够精确且快速地预估出蓄能器的荷压参数，考量液压混合动力汽车的动力性和燃油经济性，实现对发动机和蓄能器的最优能量分配，有着重要的现实意义。

本文将通过选定的某重型串联液压混合动力车辆的参数，采用神经网络控制，对辅助动力源蓄能器的荷压状态(SOC)进行精确估计，通过对充放压的数据进行多次训练和模拟实验，应用Matlab/Simulink进行验证试验，确保所设计算法控制可靠、有效。

1 神经网络控制

神经网络算法有着较好的非线性适应能力[3-4]，通过对数据的并行处理，实现对控制对象的鲁棒稳定性和兼容性，其非线性特点可以对多参数、多变量进行计算，不再需要对被控对象的准确数学模型；通过对输入变量控制，及时输出结果，实现其较强的容错性和解决问题能力。

BP神经网络，作为一种无反馈、层内(输入层、隐含层、输出层)未互联结构，也有的是采用多层次设计结构，通过对误差的反向控制，进行神经网络训练。……