论文部分内容阅读
混合动力汽车(HEV)作为一种低耗能、低排放的新型汽车,正受到当今汽车工业越来越多的关注。其技术的关键在于对两种不同的动力源采取合适的能量管理控制策略。计算智能是利用计算手段来实现智能行为的新型交叉学科,是人工智能领域的研究热点之一。本研究试图将计算智能的方法思想应用于混合动力汽车的负载和环境预测及控制策略中,以实现自动、实时、智能预测控制以及提高车辆运行性能、节能减排的目的。 在本文中,提出了一种有效的基于离散余弦变换(DCT)和支持向量机(SVM)的负载预测方法。该方法利用离散余弦变换从原始数据中提取特征,降低维度,并利用支持向量机和模糊逻辑方法将处理后的数据分到预先定义五个负载等级,从而准确预测运行负载。通过一系列的对比实验,该方法达到了较高的预测精度和泛化性能,证明了其有效性和可靠性。 作为该负载预测模型中支持向量机的替代分类器,本文提出了一种新型的基于最小外接圆的分类器(CMCC)。该分类器利用每一类样本的最小外接圆来描述样本分布,并将与外接圆圆心连线垂直的分类平面定义为这两类样本的分类器。为了改善分类器性能,提出了三种改进算法。实验结果显示,该分类器在运行负载预测模型中取得了较好的效果。 为了更准确地控制车辆的能量分配,对运行环境的判别是一个关键的问题。我们在文中提出了智能多特征统计判别方法(IMSD)。基于不同运行环境下的运行循环数据,该方法通过周期性采样从样本片段中提取出多个特征,利用Kruskal-Wallis方差分析等统计分析方法选出最显著的分类特征,并采用支持向量机和其他机器学习算法根据特征对运行环境进行分类判别。该方法能从数据中挖掘出更多有效信息,达到较高的分类正确率。 针对并联混合动力汽车,在文中提出了一种新的带充电缓冲区间的扭矩控制策略(TCSCB)。这种控制策略基于发动机扭矩输出进行控制,能够更为容易地进行能量分配。在该策略中,缓冲区间的加入减少了发动机扭矩输出的剧烈波动,改善了燃油效率。该方法基于神经网络对发动机未来扭矩需求进行了预测,有效改善了控制策略的性能。 最后,我们在ADVISOR平台上进行了仿真实验。与现有控制策略相比,文中提出的带充电缓冲的扭矩控制策略达到了较高的燃油经济性和较低的排放水平。此外,本文利用提出的运行环境判别方法针对不用运行环境建立起混合控制策略,仿真结果显示,该运行环境判别方法有效提升了现有控制策略的性能,实现了更为精确的控制。