人工神经网络在车辆故障诊断中的应用

人工神经网络具有适合于解决复杂的非线性问题的特点,因此经常被用于车辆故障诊断。该文介绍人工神经网络的基本原理以及网络结构,通过利用Matlab人工神经网络工具箱,建立某车辆动力总成BP单网络结构的故障诊断模型,提出基于人工神经网络的车辆故障诊断方法。由于各类人工神经网络在处理复杂问题时均有不足之处,该文进一步研究混合网络的工作原理及其在车辆故障诊断中的应用。

面向新能源汽车的制动能量回收与再生底盘控制系统研究

针对新时代新能源汽车的特点,提出新能源汽车当今所面临的问题,设计并改进底盘制动控制器,设计两种能量回收策略以满足能量回收的要求,同时提高性能与舒适性。

基于迭代规划的P2混合动力能量管理策略

基于强化学习的能量管理策略具有环境和驾驶员的自适应性,但是存在采样效率较低、开发阶段无法保证算法可靠性的问题。尝试将动态规划算法融入基于模型的强化学习框架中——实时收集工况数据和动力系统数据用于更新预测模型,并使用动态规划求解最优策略,通过决策树算法挖掘其中最优控制规则,用以迭代能量管理策略。一方面,动态规划对完整工况重新解算极大增强了样本效率,且具有较好的可靠性和可解释性。另一方面,通过数据采集和更新实现能量管理策略的对驾驶工况和系统老化的自适应性,能够有效应对极端工作环境、动力系统元器件老化等传统能量管理策略会失效的场景。实验结果表明,在未知驾驶工况下,可以达到全局最优解的92%以上的管理效果;而且可以有效通过类似工况改善能量管理策略,例如日常通勤场景。当动力系统参数发生改变时,通过策略迭代也可以有效地调整能量管理策略。

双三相电机低边电阻电流采样重构技术研究

双三相电机驱动系统具有容错能力强、易实现低压大功率运行等优点,在电动汽车领域具有广阔的应用前景。汽车行业对成本极其敏感,为了降低系统成本,论文研究了双三相电机低边电阻电流采样重构技术。这种方法利用零矢量作用时流经下桥臂的电流对相电流进行重构,在硬件上大大简化,降低了成本,适用于低压系统。文中对该算法进行了失效区分析,并通过仿真验证了在算法适用范围内的重构效果。

基于提高EPS控制器防倒拖能力的控制策略研究

电机在工作中如果出现倒拖工况时会产生反电动势,该反电动势超出一定限值会对驱动电路中所用金氧半场效晶体管(MOSFET)造成损坏,本文提供了一种提高电动助力转向系统(EPS)控制器防倒拖能力的控制策略,无须在硬件上额外增加电路,本文对具体实现做了介绍。