基于GA-BP神经网络的动力锂电池SOC估算

为提升新能源汽车的整车动力性、经济性以及安全性,更精确估算车用锂电池的荷电状态值(SOC),以纯电动汽车动力锂电池为研究对象,采用遗传算法(GA)优化BP神经网络,解决了误差逆传播存在的收敛速度慢、全局范围搜索能力弱、容易陷入局部极小值等缺陷,同时建立了基于GA-BP算法的SOC值预测神经网络模型,通过仿真实验与传统BP算法进行对比,验证该算法兼顾神经网络学习速度、误差小、全局搜索能力并满足动力电池SOC值估算要求。

基于遗传算法优化的无刷电机控制系统设计

为了更好的提高电机的工作效率和稳定性,以MC9S12X系列的芯片为基础对有霍尔传感器的无刷直流电机控制系统的软件和硬件进行设计,并对控制系统PID参数使用遗传算法进行优化。对优化后的控制系统使用Matlab/Simulink仿真工具进行了仿真,仿真结果表明应用遗传算法优化的PID控制的算法的无刷电机控制系统具有更短的响应时间,更高的系统稳定性。

遗传算法优化模糊控制的纯电动汽车制动力分配控制策略

为提高纯电动汽车在行车制动过程中的能量回收,使用Matlab/Simulink和Advisor软件设计了一种使用汽车制动强度z、soc值和整车车速为输入,再生制动比例k为输出的模糊逻辑制动力分配策略,再用遗传算法优化模糊控制隶属度函数。并在CYC_UDDS循环工况下的建模仿真,促使纯电动汽车行车制动时前轮实现再生制动,前后轮的摩擦制动所占比例安全合理,提高能量回收效率,减少电量损耗。