基于LVQ工况识别的PHEV控制策略研究
1.合肥工业大学汽车与交通工程学院;2.汽车技术与装备国家地方联合工程研究中心
摘要: 为提高插电式混合动力汽车的燃油经济性,根据城市循环工况的特点选定了4种典型的城市工况,采用学习向量量化(LVQ)神经网络识别车辆运行实时工况,并在MATLAB/Simulink平台制定了一种基于工况识别的整车控制策略.基于实例车型,在Cruise软件中建立了整车仿真模型,并在城市工况下进行仿真.仿真结果表明:所建立的控制策略能够有效识别工况信息;能够以此进行相应工作模式的切换和合理的转矩分配,且相对于传统汽车燃油经济性有明显的提高.从而验证了该控制策略的合理性和有效性.
关键词:
插电式混合动力汽车;学习向量量化神经网络;工况识别;控制策略;燃油经济性;
插电式混合动力汽车;学习向量量化神经网络;工况识别;控制策略;燃油经济性