面向駕駛模式和行駛狀況的混聯(lián)式HEV能量控制策略研究

第一章 緒論
1．1 課題研究意義
1．2 HEV能量控制策略研究的基本問題
1．2．1 HEV的結構形式
1．2．2 HEV能量控制策略研究的基本范疇
1．3 國內外相關內容的研究進展
1．3．1 混聯(lián)式HEV研究
1．3．2 HEV駕駛意圖辨識研究
1．3．3 HEV能量控制策略研究
1．3．4 國內外相關研究的不足
1．4 課題的主要研究內容及章 節(jié)安排
第二章 基于行駛狀況識別的駕駛人意圖辨識模型研究
2．1 引言
2．2 行駛狀況粒子群智能算法識別機理研究
2．2．1 混聯(lián)式HEV的結構參數(shù)
2．2．2 汽車行駛狀況辨識模型
2．2．3 行駛狀況粒子群優(yōu)化算法求解原理
2．3 基于行駛狀況識別的HEV駕駛人意圖辨識模型研究
2．3．1 駕駛人駕駛意圖調查及結果分析
2．3．2 駕駛人“加速踏板行程-目標車速”關系模型
2．3．3 駕駛人意圖辨識模型
2．4 混聯(lián)式HEV駕駛人意圖辨識模型對HEV能耗的影響研究
2．4．1 原車駕駛人需求驅動力意圖辨識結果分析
2．4．2 HEV驅動能耗分析原理
2．4．3 駕駛人意圖辨識模型對HEV驅動能耗的影響研究
2．5 本章小結
第三章 基于行駛狀況識別的混聯(lián)式HEV建模研究
3．1 引言
3．2 混聯(lián)式HEV能量控制策略整車模型的構建
3．2．1 整車模型框架的建立
3．2．2 整車模型的驗證
3．3 基于行駛狀況識別的駕駛人意圖辨識模型
3．4 發(fā)動機模型研究
3．4．1 發(fā)動機平均值模型研究
3．4．2 混聯(lián)式HEV發(fā)動機動態(tài)輸出轉矩測算原理
3．4．3 發(fā)動機平均值模型37個參數(shù)的辨識
3．4．4 基于平均值模型的發(fā)動機效率模型
3．5 基于控制策略優(yōu)化的電動機和發(fā)電機效率模型
3．5．1 電動機效率查表模型
3．5．2 發(fā)電機效率查表模型
3．5．3 電動機和發(fā)電機效率神經網絡模型
3．6 動力電池模型的研究與實驗驗證
3．6．1 動力電池模型的建立
3．6．2 動力電池模型的實車實驗驗證
3．7 本章小結
第四章 基于行駛狀況識別的混聯(lián)式HEV多模式能量控制策略研究
4．1 引言
4．2 能量控制策略優(yōu)化研究的基本約定
4．2．1 混聯(lián)式HEV控制策略工況的界定
4．2．2 混聯(lián)式HEV動力部件工作正方向的指定
4．2．3 遺傳粒子群優(yōu)化算法的選定
4．3 基于行駛狀況識別的混聯(lián)式HEV多模式能量控制策略原理
4．3．1 停車充電工況多模式策略研究
4．3．2 起步工況多模式策略研究
4．3．3 起步后行駛工況多模式策略研究
4．3．4 制動工況能量控制策略
4．3．5 倒車工況多模式能量控制策略研究
4．4 實驗車倒車混動模式能量控制策略研究
4．4．1 實驗車倒車混動模式能量浪費實驗驗證
4．4．2 改進方案建議
4．5 本章小結
第五章 基于行駛狀況識別的混聯(lián)式HEV多模式能量控制策略仿真分析
5．1 引言
5．2 多模式能量控制策略仿真概述
5．3 停車充電工況多模式能量控制策略仿真結果分析
5．3．1 SDC高于0．4 的工況
5．3．2 SDC低于0．4 的工況
5．4 正向行駛工況多模式能量控制策略仿真結果分析
5．4．1 起步行駛工況結果
5．4．2 起步后行駛工況結果
5．5 制動工況能量控制策略仿真結果分析
5．6 倒車工況多模式能量控制策略仿真結果分析
5．6．1 純電動能量流模式
5．6．2 混動能量流模式
5．7 NEDC工況多模式能量控制策略仿真結果分析
5．8 本章小結
第六章 基于行駛狀況識別的混聯(lián)式HEV多模式能量控制策略實驗分析
6．1 引言
6．2 行駛狀況粒子群智能算法識別實車實驗
6．2．1 實驗系統(tǒng)
6．2．2 實驗原理
6．2．3 實驗步驟
6．2．4 實驗結果分析
6．3 混聯(lián)式HEV多模式能量控制策略實車實驗
6．3．1 實驗系統(tǒng)
6．3．2 實驗原理
6．3．3 實驗步驟
6．3．4 停車充電工況實驗結果
6．3．5 HEV正向行駛工況實驗結果
6．3．6 HEV倒車行駛工況實驗結果
6．4 本章小結
結論
參考文獻