基于 RBF 神经网络车速控制的再生制动系统测试

• 作者: 周孔亢 盘朝奉 谢明维 陈燎
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 再生制动测试 RBF 神经网络 车速跟踪 循环工况测试 PSO 算法
• 年，卷（期）: 2016,（3）
• 页码范围: 256-263
• 页数: 8页
• 分类号: U462.3
• 字数: 4971字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2016.03.002

摘要

针对纯电动汽车再生制动系统优劣评估问题，提出了一种基于车速自动跟踪的再生制动系统测试方法。首先根据离线测试数据推导车速跟踪开环控制动态数学模型；然后用 RBF 神经网络搭建车速跟踪闭环控制驾驶员模型；最后利用 PSO 算法对 RBF 神经网络参数进行优化。在试验室自主研发的整车惯性模拟台架上进行试验，试验结果表明：用 RBF 神经网络算法控制车速跟踪相比传统模糊 PID 控制减小了车速跟踪误差，提高了再生制动系统测试的准确性，该方法在实际再生制动测试中应用是可行的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周孔亢	江苏大学汽车与交通工程学院	147	1875	24.0	33.0
2	盘朝奉	江苏大学汽车与交通工程学院	65	400	11.0	15.0
6	陈燎	江苏大学汽车与交通工程学院	41	327	10.0	16.0
7	谢明维	江苏大学汽车与交通工程学院	2	15	2.0	2.0