基于车速测的FCV能量管理策略研究

发布时间：2021-12-30 06:43

　　燃料电池电动汽车（Fuel Cells Vehicle,FCV）由于其具有零排放、高效率等优点,为解决环境和能源问题提供了重要思路,成为节能和新能源汽车领域的研究热点。本文针对燃料电池+蓄电池这种结构的燃料电池电动汽车,提出了一种基于车速预测模型的能量管理策略。首先,分析了燃料电池的工作原理以及燃料电池混合动力系统的结构类型,结合燃料电池电动汽车的工作条件选择了质子交换膜燃料电池（Proton Exchange Membrane Fuel Cell,PEMFC）+蓄电池这种拓扑结构;根据汽车所需的动力性能指标提出了燃料电池电动汽车动力系统参数优化匹配的问题并使用遗传算法对其进行优化求解;其次,根据优化得到的燃料电池参数和蓄电池参数,结合燃料电池的工作原理和电化学理论,使用Matlab/Simulink和Advisor仿真平台建立了燃料电池混合动力系统的仿真模型。使用含有长短期记忆神经网络层（Long–short Term Memory Neural Network,LSTM）的神经网络进行车速预测是本文研究的重点之一。本文对比分析了LSTM神经网络与普通循环神经网络（Recurrent... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1.绪论
    1.1 论文选题背景和意义
    1.2 国内外研究现状及发展动态
    1.3 车速预测的意义及分类
        1.3.1 基于实时道路信息的车速预测
        1.3.2 基于历史信息的车速预测
    1.4 本文研究的主要思路
2.燃料电池汽车动力系统参数匹配
    2.1 燃料电池种类选择
        2.1.1 燃料电池工作原理
        2.1.2 燃料电池的分类
    2.2 燃料电池动力系统构型
        2.2.1 纯燃料电池动力驱动
        2.2.2 燃料电池+蓄电池系统结构
        2.2.3 燃料电池+超级电容系统结构
        2.2.4 燃料电池+蓄电池+超级电容系统结构
    2.3 燃料电池电动汽车混合动力系统参数设计
        2.3.1 燃料电池电动汽车混合动力系统设计要求
        2.3.2 燃料电池电动汽车混合动力系统设计方法
    2.4 基于遗传算法的参数匹配方法
        2.4.1 遗传算法的基本原理和特点
        2.4.2 燃料电池电动汽车动力系统参数优化
    2.5 本章小结
3.燃料电池电动汽车主要部件的仿真模型
    3.1 车辆部件及动力学模型
    3.2 电机及其控制器模型
    3.3 燃料电池模型
    3.4 动力电池模型
    3.5 本章小结
4.基于LSTM神经网络的车速预测模型
    4.1 LSTM神经网络介绍
        4.1.1 神经网络发展及特点
        4.1.2 RNN-LSTM神经网络结构
    4.2 LSTM神经网络结构设计
        4.2.1 训练数据的分类及其归一化
        4.2.2 神经网络各层结构设计
        4.2.3 激活函数与训练算法选择
    4.3 网络训练结果分析
    4.4 本章小结
5.燃料电池汽车能量管理策略
    5.1 混合动力系统常用控制策略
        5.1.1 开关模式控制策略
        5.1.2 功率跟随控制策略
        5.1.3 自适应能量管理策略
    5.2 全局优化能量管理策略
        5.2.1 动态规划算法基本理论
        5.2.2 基于全局优化能量管理策略建立
        5.2.3 仿真分析
    5.3 基于模型预测的能量管理策略
        5.3.1 模型预测控制的基本原理
        5.3.2 基于车速预测模型的FCV能量管理策略优化模型建立
    5.4 模型预测控制的优化求解
        5.4.1 预测时域内SOC约束值确定
        5.4.2 利用动态规划算法与预测时域内的控制序列求解
    5.5 仿真分析
    5.6 本章小结
6.全文总结与展望
    6.1 全文总结
    6.2 前景展望
参考文献
致谢


【参考文献】：
期刊论文
[1]全球原油和天然气储量与产量盘点[J]. 施放.  石油知识. 2018(01)
[2]基于驾驶风格识别的混合动力汽车能量管理策略[J]. 秦大同,詹森,曾育平,苏岭.  机械工程学报. 2016(08)
[3]节能与新能源汽车产业发展规划（20122020年）[J].   地球. 2015(09)
[4]燃料电池混合动力系统的功率平衡控制[J]. 贠海涛,谭建荣,赵玉兰.  浙江大学学报(工学版). 2015(03)
[5]MATLAB仿真在数字信号处理教学中的应用研究[J]. 霍慧芝.  大学教育. 2013(24)
[6]燃料电池公共汽车示范运行评价分析[J]. 王菊.  北京汽车. 2013(02)
[7]基于道路工况预测混合动力公交车SOC开环控制策略[J]. 朱道伟,谢辉,严英.  天津大学学报. 2012(05)
[8]基于神经网络的增程式电动汽车能量管理策略研究[J]. 胡瑾瑜,宋珂,章桐.  佳木斯大学学报(自然科学版). 2011(06)
[9]插电式并联混合动力汽车模型预测控制[J]. 舒红,聂天雄,邓丽君,乔俊林.  重庆大学学报. 2011(05)
[10]利用GPS信息的并联混合动力公交车的监控算法（英文）[J]. Daeheung LEE,Jongyeol JEONG,Changwoo SHIN,Yeongil PARK,Wonsik LIM,Sukwon CHA.  汽车安全与节能学报. 2011(01)

硕士论文
[1]基于NAR神经网络的车速预测及应用[D]. 袁鲁山.大连理工大学 2016
[2]基于模型预测控制的插电式混合动力客车能量管理策略研究[D]. 张洁丽.北京理工大学 2016
[3]面向混合动力汽车能量管理策略的汽车运行工况多尺度预测方法[D]. 张岩.吉林大学 2013
[4]燃料电池电动汽车自适应能量管理系统的研究[D]. 卢广苗.西南交通大学 2011
[5]带超级电容的燃料电池电动汽车的优化配置和优化控制研究[D]. 王慧云.山东大学 2010
[6]并联型混合动力牵引车动力系统参数匹配与优化[D]. 连志伟.武汉理工大学 2008
[7]质子交换膜燃料电池的建模与仿真研究[D]. 刘杰.武汉理工大学 2008
[8]中度混合动力汽车燃油经济性最优控制研究[D]. 高银平.重庆大学 2008
[9]基于嵌入式的燃料电池电动汽车能量及驱动控制策略的研究与设计[D]. 侯赛.武汉理工大学 2006
[10]燃料电池电动汽车驱动系统选型及仿真研究[D]. 刘飞.武汉理工大学 2006



本文编号：3557679