基于模糊神经网络的混合动力汽车控制策略仿真

为保证多能源系统转矩的合理分配,建立了模糊逻辑控制模型,并采用ANFIS优化算法,对建立的混合动力汽车模糊控制模型进行优化。通过对ANFIS神经网络模型进行训练、测试和仿真分析,结果表明:模糊控制模型的隶属函数得到了优化,将优化模型应用于整车仿真,与模糊逻辑控制策略相比,燃油经济性提高5.4%。

基于BP神经网络的发动机排放预测

选用运转参数中的转速和功率(负荷)为变量,对丰田Prius混合动力电动汽车的发动机进行了神经 网络排放建模。通过对建立的BP网络进行训练和测试,模型能较好地预测排放性能,并对排放的实时测量和控制 提供了一定的依据。

混合动力电动汽车控制策略的设计与仿真

在给定的道路循环下,考虑电池充放电平衡和发动机燃油经济性,提出了一种模糊逻辑控制策略。应用 ADVISOR2002 仿真软件建立控制策略模型,通过多种道路循环和不同的控制策略进行仿真分析。结果表明,模糊逻辑控制有较好的鲁棒性,能合理分配发动机和电动机的转矩,并保持电池 SOC 的变化在误差范围内。

模糊逻辑控制在并联混合动力汽车中的应用

混合动力汽车(HEV)最关键的开发环节之一是动力传动系统的工作模式、控制策略和能量传递方式的研究。文章介绍了并联混合动力电动汽车的控制策略,对美国能源部可再生能源实验室开发的ADVISOR2002仿真软件的控制策略进行了分析,重点介绍了模糊控制策略的应用。