电动汽车城市道路行驶工况自学习方法的研究

论文摘要

面临能源和环境的压力,目前世界各国的汽车公司都十分重视开发电动汽车,混合动力汽车、纯电动乘用汽车和纯电动公交车。电动汽车动力系统的优化,主要是依据行驶工况。在电动汽车的研发和控制策略优化的过程中,在没有运行足够时间的情况下是无法得到线路的行驶工况。所以,研究在汽车的运行过程中城市道路行驶工况自学习方法是相当重要的。本文以天津大学开发的XL电动汽车CAN总线车载记录仪记录的数据为依托,将SOM神经网络引入行驶工况的开发,实现行驶工况的自学习。将数据划分为一系列运动学片段,并求取各片段的28个特征值,形成片段数据库;然后对数据进行主成分分析,利用SOM神经网络进行聚类;按照设定条件组建行驶工况,并以图形显示。本文中构建了三种行驶工况,代表了拥挤、畅通和综合行驶工况。经过与世界上其他工况比较,所构建的工况满足一般规律,并能体现出天津市道路交通的特点。同时也验证了SOM网络的自学习能力,对新的输入数据可以正确聚类,使行驶工况的在线构建成为可能。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 行驶工况
• 1.1.1 行驶工况的概述
• 1.1.2 行驶工况的种类
• 1.1.3 行驶工况开发的重要意义
• 1.2 行驶工况国内外研究状况综述
• 1.2.1 美国的行驶工况
• 1.2.2 欧洲的行驶工况
• 1.2.3 日本的行驶工况
• 1.2.4 其它的行驶工况
• 1.2.5 我国的行驶工况
• 1.3 选题思路
• 1.4 本文的工作
• 第二章 行驶工况的开发
• 2.1 行驶工况开发的一般方法
• 2.1.1 数据获取方法的确定
• 2.1.2 试验道路和试验时间的确定
• 2.1.3 试验车辆和驾驶员的确定
• 2.2 数据的获取
• 2.2.1 数据的设置
• 2.2.2 采样间隔的设定
• 2.2.3 数据量的确定
• 2.3 数据分析与处理
• 2.3.1 运动学片段
• 2.3.2 运动学片段的特征值
• 2.3.3 运动学片段特征值的计算
• 2.3.4 运动学片段综合特征值的计算
• 2.3.5 行驶工况的构建
• 2.3.5.1 主成分分析
• 2.3.5.2 聚类分析
• 2.3.5.3 工况构建
• 2.4 本章小结
• 第三章 SOM网络
• 3.1 神经网络简介
• 3.1.1 人工神经网络简介
• 3.1.2 人工神经网络理论的发展概论
• 3.1.3 人工神经网络的应用
• 3.2 SOM神经网络的特点
• 3.2.1 SOM网络结构
• 3.2.2 SOM网络的工作原理
• 3.2.3 自组织神经网络的算法
• 3.2.4 自组织神经网络聚类算法的参数说明
• 3.2.5 自组织神经网络再学习
• 3.3 本章小结
• 第四章 SOM网络在行驶工况构建中的应用
• 4.1 道路数据的采集及试验规划
• 4.1.1 原始数据存储格式
• 4.1.2 数据的解析
• 4.2 数据预处理与运动学片段的分割
• 4.2.1 数据预处理
• 4.2.2 运动学片段的分割
• 4.3 利用SOM网络对运动学片段进行聚类
• 4.3.1 聚类数量的确定
• 4.3.2 数据处理
• 4.3.3 利用SOM进行聚类
• 4.3.4 聚类结果分析
• 4.4 行驶工况的构建
• 4.4.1 构建思路
• 4.4.2 行驶工况的构建
• 4.4.3 不同行驶工况的比较
• 4.5 行驶工况自学习的验证
• 4.6 本章小结
• 第五章 全文总结与展望
• 参考文献
• 致谢